時至春季，人工智能的春天也來了。

從去年 AlphaGo 與李世石的人機大戰(zhàn)之后，人工智能瞬間成為科技行業(yè)最為耀眼的明星。除了國內(nèi)外的巨頭動作頻繁，該領(lǐng)域的創(chuàng)業(yè)公司也如雨后春筍般生長起來。而這背后，自然離不開讓機器學(xué)會思考的造物主們。本文，我們就來認(rèn)識一些將人工智能夢想變成現(xiàn)實的功臣們。

阿蘭⋅圖靈

二戰(zhàn)時阿蘭⋅圖靈在布萊切利公園擔(dān)任解碼專家，于 1940 年創(chuàng)造出可以破譯德軍密報的機器 Bombe，為盟軍的勝利立下了汗馬功勞。戰(zhàn)后，他任職于泰丁頓國家物理研究所，開始從事“自動計算機”的邏輯設(shè)計和具體研制工作。1946 年，圖靈發(fā)表論文闡述存儲程序計算機的設(shè)計，因此被稱為計算機之父。

基于計算機，他還思考怎么去創(chuàng)造一個思考的機器（Thinking Machine）。他說：“要建造一個智能的機器的話，可能最好的方法就是用錢買得到的最好的感知器來組建它，并教會它使用英文。”

圖靈并沒有建立起人工智能這個領(lǐng)域，但是他帶來了最初的一些重要的思想元素：我們要做一個會思考的機器，里面就需要包括：視覺、語言。另外，圖靈還提出著名的“圖靈測試”，指出如果第三者無法辨別人類與人工智能機器反應(yīng)的差別，則可以論斷該機器具備人工智能。“圖靈的成就不得地讓我們聯(lián)想，是否等到人類滅亡之后會留下機器人來統(tǒng)治這個世界。”互聯(lián)網(wǎng)之父文特·瑟夫如此評論。正是圖靈開啟了人工智能研究的先河。如今，由美國計算機協(xié)會（The Association for Computing Machinery）設(shè)立圖靈獎為其最高獎項，以表彰圖靈在計算機以及人工智能領(lǐng)域的特殊貢獻。

Terry Winograd

Terry 是人工智能界，第一代把圖靈的思想付諸實踐的人，他也是現(xiàn)在在世的計算機界最偉大的科學(xué)家之一。Terry 不光在人工智能領(lǐng)域做了最重要的工作，而且他后來轉(zhuǎn)行去做人機交互，也把這個領(lǐng)域重新帶動了起來。

在 Terry 看來，要實現(xiàn)人工智能，需要有這 3 個要素：語法，語義和推理。他說一個人，或者一個機器，要去理解世界，需要去感知。感知以后，需要做的第一件事是對這個世界的結(jié)構(gòu)進行理解，這叫語法的理解（Syntax Understanding）。Terry 說，機器能夠理解語法以后，接下去需要做的就是理解語義（Semantics）。語義就是指含義，語言有語言的含義，視覺有物體、有動作，有視覺的含義。最后，當(dāng)我們把語法和語義解決以后，智能的機器或者是人主要解決的問題就是統(tǒng)計推理（Inference）這個過程。1970 年，Terry Winograd 教授在麻省理工學(xué)院人工智能實驗室創(chuàng)建了 SHRDLU（積木世界），其被譽為微世界程序的最高成就，它能用普通的英語句子與人交流，還能作出決策并執(zhí)行操作。可以說它既是自然人展示自己如何借助計算機實現(xiàn)自然語言理解的一個經(jīng)典示例，也是怎樣應(yīng)用計算機有效進行自然語言處理的一個里程碑。
Geffory Hinton

人類大腦有數(shù)十億個神經(jīng)細胞，它們之間通過神經(jīng)突觸相互影響，形成極其復(fù)雜的相互聯(lián)系。然而科學(xué)家們并不能解釋這些具體的影響和聯(lián)系。神經(jīng)到底是如何進行學(xué)習(xí)以及計算的，對于 Hinton，這些正是他所關(guān)心的問題。他不知道所有的答案，但在他的努力之下已經(jīng)取得了進展。

Geoffrey Hinton 被尊稱為“神經(jīng)網(wǎng)絡(luò)之父”，將 Back Propagation（反向傳播）算法應(yīng)用到神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)，還提出了“Dark Knowledge”概念。他將神經(jīng)網(wǎng)絡(luò)帶入到研究與應(yīng)用的熱潮，這些人工神經(jīng)網(wǎng)絡(luò)可以收集信息，也可以對其做出反應(yīng)。它們能對事物的外形和聲音做出解釋。它們對語言的理解也在進步。它們可以自行學(xué)習(xí)與工作，而不需要人為提示或者參與控制。這些正是它們與傳統(tǒng)的學(xué)習(xí)機器的區(qū)別。隨著時間的推移，計算機能力的發(fā)展，神經(jīng)網(wǎng)絡(luò)也更加快速，靈活，高效，得到了很好的擴展。

據(jù)了解，早在 80 年代初期，當(dāng) Hinton 和他的同事們剛開始這項研究時，那時的電腦還不夠快，不足以處理有關(guān)神經(jīng)網(wǎng)絡(luò)的這些龐大的數(shù)據(jù)，他們?nèi)〉玫某删褪怯邢薜?。而?dāng)時 AI 普遍的研究方向也與他們相反，都在試圖尋找捷徑，直接模擬出行為，而不是試圖通過模仿大腦的運作來實現(xiàn)。在這樣艱難的環(huán)境下，只有 Hinton 和他的同事堅持了下來，而事實則證明他們是對的。

Geoffrey Hinton 于 2006 年在《Science》上發(fā)表的論文首次提出深度學(xué)習(xí)的主要觀點。從 2012 年取得 ImageNet 競賽的標(biāo)志性事件之后，深度學(xué)習(xí)不斷取得一系列的重大進展，解決了人工智能界的盡最大努力很多年仍沒有進展的問題，除了在圖像識別、語音識別等領(lǐng)域打破了紀(jì)錄，還在其他的領(lǐng)域擊敗了其他機器學(xué)習(xí)技術(shù)，包括預(yù)測潛在的藥物分子的活性、分析粒子加速器數(shù)據(jù)、重建大腦回路、預(yù)測非編碼 DNA 突變對基因表達和疾病的影響。更令人驚訝的是，深度學(xué)習(xí)在自然語言理解的各項任務(wù)中也有非?？上驳某晒貏e是主題分類、情感分析、自動問答和語言翻譯。

可以說，正是 Geoffrey Hinton 將“深度學(xué)習(xí)”從邊緣課題變成了谷歌等互聯(lián)網(wǎng)巨頭仰賴的核心技術(shù)。

Yann LeCun

Yann LeCun，Geoffrey Hinton 的博士后學(xué)生，也是將 CNNs 應(yīng)用最成功的人（CNNs，是一種深度的監(jiān)督學(xué)習(xí)下的機器學(xué)習(xí)模型）。目前感興趣的研究領(lǐng)域包括人工智能、機器學(xué)習(xí)、計算機感知、機器人和計算神經(jīng)科學(xué)。他最出名的是對深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的貢獻，特別是廣泛用于計算機視覺和語音識別應(yīng)用的 CNN（卷積神經(jīng)網(wǎng)絡(luò)），他第一個把 BP 算法用在 CNN 上并且完善 CNN 使得它可以在真實場景中得以應(yīng)用，并在這些主題以及手寫字體識別、圖像壓縮和人工智能硬件等主題上發(fā)表過 190 多份論文。

LeCun 使 CNN 成為目前人工智能領(lǐng)域最有用的模型。在谷歌，卷積神經(jīng)網(wǎng)絡(luò)幫助他們在安卓手機上開發(fā)語音識別系統(tǒng)；而百度則可以利用它開發(fā)全新的視覺搜索引擎。

Yann LeCun 是紐約大學(xué)終身教授，現(xiàn)任 Facebook 人工智能實驗室負責(zé)人。LeCun 位列新澤西州的發(fā)明家名人堂，并獲得 2014 年 IEEE 神經(jīng)網(wǎng)絡(luò)先鋒獎、2015 年 IEEE PAMI 杰出研究獎、2016 年 Lovie 終身成就獎和來自墨西哥 IPN 的名譽博士學(xué)位。

Yoshua Bengio

Yoshua Bengio 教授是機器學(xué)習(xí)大神之一，尤其是在深度學(xué)習(xí)這個領(lǐng)域。他連同 Geoff Hinton 以及 Yann LeCun 教授，締造了 2006 年開始的深度學(xué)習(xí)復(fù)興。

其他方面，Bengio 的《a neural probabilistic language model》這篇論文開創(chuàng)了神經(jīng)網(wǎng)絡(luò)做 language model 的先河，里面的思路影響、啟發(fā)了之后的很多基于神經(jīng)網(wǎng)絡(luò)做 nlp(自然語音處理) 的文章。

Bengio 博士后的導(dǎo)師 Jordan 曾提到：“到目前為止，在更高級的自然語言處理任務(wù)中，深度學(xué)習(xí)并未像在語音識別、物體識別等任務(wù)上做到的那樣，顯著降低錯誤率。”所以在 Hinton 提出深度學(xué)習(xí)概念激活了整個領(lǐng)域、lecun 發(fā)表了卷積神經(jīng)網(wǎng)絡(luò) (CNN) 這樣的階段性突破成果的前提下，Bengio 對自然語音處理難題的貢獻是非常有意義的。

Jürgen Schmidhuber

1997 年，Schmidhuber 博士和他的同事發(fā)表了一篇技術(shù)論文，后來證明這篇論文對最近的視覺和語音上的快速進展起到了關(guān)鍵作用。這個方法被稱長短期記憶，簡稱為 LSTM。這個方法在剛引進時沒有得到廣泛的理解。它主要提供了一種記憶形式，或者說是一種神經(jīng)網(wǎng)絡(luò)的環(huán)境。

就像人類不會每次都從頭學(xué)起一樣，神經(jīng)網(wǎng)絡(luò)的機制中存在循環(huán)和記憶的機制，每個輸入的單詞和觀察到的像素都會被其理解。長短時記憶（LSTM）的出現(xiàn)讓這種系統(tǒng)的表現(xiàn)得到了很大的提升，輸出結(jié)果瞬間變得準(zhǔn)確。

去年，谷歌的研究人員在這一方面的研究得到發(fā)表，他們使用 LSTM 減少了 49% 的語音識別錯誤，這是一個飛躍性進步。