随着阿尔法狗、无人驾驶、智能翻译的横空出世，“人工智能”这个已经存在60多年的词语，仿佛一夜之间重新成为热词。同时被科技圈和企业界广泛提及的还有“机器学习”“深度学习”“神经网络”…… 但如此喧嚣热烈的气氛之下，大部分人对这一领域仍是一知半解。

1 月 24 日，微软（中国）CTO 韦青老师，权威领读”深度学习”，并与大家分享智能时代人工智能的本质。如何拥抱变革，蓄势未来？敬请关注

扫码立即预约观看

先来剧透一下“人工智能”、“神经网络”、“深度学习”和“机器学习”的区别！
深度学习是机器学习的一部分，机器学习是人工智能的一部分。

在人工智能中，一个新领域成长起来，称为机器学习，是收集大量关于试图理解的事物的数据。例如，机器正在尝试识别对象，因此可以收集大量相关的图像；然后，通过机器学习——这是一个可以剖析各种特征的自动化过程，就可以确定一个物体是汽车，而另一个是订书机。在机器学习中有受大脑启发的神经网络，然后是深度学习。深度学习算法具有特定的体系结构，其中有许多层数据流经的网络。

深度学习的优势

如今，计算力越来越便宜，劳动力却越来越昂贵，以至于慢慢地，让计算机学习会比让人类编写程序更有效。机器学习是计算密集型的，只需编写一个程序，通过给它不同的数据集，便可以解决不同的问题。因此，对于存在大量数据的任何事物，都有对应的大量应用程序。

人工智能会影响神经科学吗？

它们是并行工作的。创新神经技术已经取得了巨大的进步，从一次记录一个神经元到同时记录数千个神经元，并且同时涉及大脑的许多部分，这完全开辟了一个全新的世界。随着深入了解了大脑的工作原理，这些认识将反映到AI中。但与此同时，它们实际上创造了一整套学习理论，可用于理解大脑，让我们分析成千上万的神经元以及它们的活动是如何产生的，所以神经科学和人工智能之间存在着一种反馈循环。

深度学习有趣的应用领域

生成对抗网络，或称GANs。GANs能够在没有输入的情况下开展活动，产生输出。从某种意义上说，它们会产生内部活动。事实证明这是大脑运作的方式。现在，这种新型网络可以生成从未存在过的新模式。例如，给它数百张汽车图像，它会创建一个内部结构，可以生成从未存在的汽车新图像，并且看起来完全像汽车。

人工智能专家认为，受大脑生物学启发的、那些被称为“神经网络”“连接主义”和“并行分布处理”的AI实现方法，会最终解决困扰基于逻辑的AI研究难题，从而提出了使用可以从数据中学习技能的数学模型。正是他们，证明了基于大脑式的计算的全新方法是可行的，从而为“深度学习”的发展奠定了基础。

想听取更多针对“深度学习”的解读？ 

1 月 24 日 

微软（中国）CTO 韦青老师 

与大家分享 2019 年人工智能的新商业机会， 

以及个人应该如何做好准备，迎接 AI 时代

点击阅读原文观看直播

本文整理自《深度学习：智能时代的核心驱动力量》一书，及科技网站《The Verge》及《TechRepublic》对特伦斯·谢诺夫斯基的专访，原文地址如下：
https://www.theverge.com/2018/10/16/17985168/deep-learning-revolution-terrence-sejnowski-artificial-intelligence-technologyhttps://www.techrepublic.com/article/the-deep-learning-revolution-how-understanding-the-brain-will-let-us-supercharge-ai/

---

.NET社区新闻，深度好文，欢迎访问公众号文章汇总 http://www.csharpkit.com