雷锋网按：将近年关，这个于1956年被正式提出的学科——人工智能，在60年后终于迎来了真正意义上的爆发期，雷锋网也一直在关注AI的最新进展。这个听起来很高大上的名词其实已经在慢慢渗入我们的日常生活，比如谷歌的神经翻译系统，除此之外，人工智能也在重塑着各个领域，对我们的职业技能也提出了新的要求。未来，会是AI的世界吗？
以下文章来自Wired，由雷锋网编译，未经许可不得转载。
在澳大利亚的西海岸，Amanda Hodgson正在用无人机从高空俯拍印度洋的海面。拍摄的照片将会用来寻找柏斯（澳大利亚城市）附近海湾的儒艮（海牛），以防止这种濒危的海洋哺乳动物灭绝。麻烦的是，Hodgson和她的团队没有时间来一一检查这些航拍照片。总共有45000张照片，在这些照片中找出儒艮对于没有训练过的人来说太困难了，因此她将这份工作交给了深度神经网络。
神经网络是一种机器学习模型，比如可以用来识别你的Facebook信息流中照片的面孔。它也可以识别你对你的安卓手机提出的问题，或者帮助运行谷歌的搜索引擎。类似人类大脑中的神经元网络，这种广泛的数学模型通过分析海量的数字数据来学习这些技能。如今，珀斯默多克大学的海洋生物学家Hodgson，使用相同的技术来在成千上万张开放水域的照片中寻找儒艮，并且都利用了相同的开源软件——谷歌的TensorFlow。
正如Hodgson所说，探测儒艮是一种对精确度要求很高的任务，主要是因为这些动物在海洋的表面下进食。“它们看起来像水面上的浪花或者眩光，”她说，但是神经网络目前已经能够识别分布在海湾的80%的儒艮。
该项目仍然处于早期阶段，但是它说明了深度学习在过去一年中的广泛影响。2016年，这种古老但又被赋予了新的生命力的技术帮助谷歌的机器打败世界顶尖的围棋手。作为最古老的游戏之一，在几个月之前，机器在围棋领域打败人类还被认为是不可能的。将近年关，深度学习既不是什么聪明的把戏，也不是小众的研究项目。它正在由里而外地重塑像谷歌、Facebook、微软、亚马逊这样的科技公司，而且正火遍全球，这很大程度上要归功于这些互联网巨头的开源软件和云计算。
在过去的几年中，神经网络通过Google Photos之类的App改造了图像识别功能，并通过Google Now和微软的Cortana这样的数字助手将语音识别提升到了新高度。今年，他们又实现了机器翻译的大飞跃，具备了自动将一种语言翻译成另一门语言的能力。9月份的时候，谷歌推出了一项名为谷歌神经机器翻译（Google Neural Machine Translation）的服务，这项服务是完完全全运行在神经网络上的。根据谷歌所说，这种新引擎在翻译特定的语言的时候能够将错误率降低55%到85%。
谷歌通过大量的现有翻译的合集来训练这些神经网络。其中一些数据有瑕疵，包括旧版谷歌翻译低质量的翻译，但同时也有人类专家的翻译，这提升了训练数据的整体质量。克服缺陷是深度学习比较明显的优势：只要有足够的数据，就算有缺陷，也能够通过训练达到远远超出那些缺陷的水平。
谷歌服务部门的首席工程师Mike Schuster并不羞于承认谷歌翻译远未达到完美的水平，但它仍然算得上是巨大的突破。因为这项服务也是依靠深度学习来完成的。由于谷歌可以将精力集中在优化整体系统上，而不是像以前一样到处修修补补，这样使得谷歌更容易提升翻译质量。
于此同时，微软也在朝着同一个方向发展。这个月，微软发布了名为Microsoft Translator的App，它可以在线实时翻译九种不同语言的对话。负责微软的AI和研发团队的副总裁沈向洋说，这个新系统几乎完全运行在神经网络上。这非常重要，因为这意味着微软的机器翻译的水平也能够快速提高。
2016年，深度学习也被引入了聊天机器人，最引人瞩目的当属新版的Google Allo。Allo于秋季发布，它能够分析你收到的文字和图片，并及时给出回复建议。这个功能是在早期的谷歌技术Smart Reply的基础上发展而来的，之前被用来自动回复邮件信息。这项技术在Allo上表现的非常好，很大程度上是因为事先考虑到了当今机器学习技术的局限性。通常回复建议都很简短，而且常常不止一条，因为今天的AI还不能做到完全正确。
在Allo的背后，神经网络也帮助谷歌来回答你在搜索引擎上提出的问题。它们帮助谷歌的搜索助手理解你的问题，然后给出答案。根据谷歌研究产品经理David Orr所说，如果没有深度学习，这个App不会有给出答案的能力。“你需要使用神经网络，至少这是我们找到的唯一方法。”他说，“我们必须使用我们现有的所有最先进的技术。”
这个夏天，在构建了一个破解了围棋游戏的AI后，Demis Hassabis和他所在的DeepMind实验室创建了一个帮助谷歌管理全球数据中心网络的AI。运用深度加强学习的技术，这个AI可以决定什么时候打开这些数据中心里成千上万台服务器中的冷却风扇，什么时候需要打开数据中心的窗户来进行额外的冷却，以及什么时候打开昂贵的空调。总之，它控制每个数据中心里的120项功能。
据彭博社报道，这项AI技术非常有效，谷歌因此节省了数亿美元。换句话说，2014年谷歌为收购DeepMind花的6.5亿美元已经赚回来了。如今，DeepMind打算在这些计算设备里安装更多的传感器，让它能够收集额外的数据，以此来训练这个AI让其达到更高的水平。
当这些互联网巨头把这项技术应用他们自己的产品中的时候，他们也将这项技术普及大众。2015年末，谷歌开源了TensorFlow，在过去的一年，这个谷歌专有的软件已经“走入寻常百姓家”。同时，谷歌、微软、以及亚马逊都开始通过云计算服务来提供他们的深度学习技术，任何程序员或者公司都可以通过这项服务来创建自己的App。Aaas（AI as a service）或许将成为这三个巨头未来的最大业务。
在过去的12个月中，这个新兴市场引发了一场AI人才争夺战。谷歌聘请了斯坦福教授李飞飞来监管一个专门负责AI的云计算团队，她是AI研究领域最响亮的名字之一。亚马逊则聘请了卡耐基梅隆大学的教授Alex Smolna来负责AI业务。这些大玩家正在迅速地抢占世界上的顶级AI人才，好消息是这些人才愿意与他人分享自己的一部分科研成果。
随着AI的发展，计算机科学家的角色正在改变。当然，这个世界仍然需要能够编写软件的人，但是未来将需要更多的人来训练神经网络，这更多的是从一堆数据中诱导出一个结果，而不是自己建立一些东西。像谷歌和Facebook这样的公司不仅仅只雇佣AI人才，还为他们现有的员工提供再教育来应对未来。可以预想，未来AI将会每个人生活中的一部分。
via Wired
正在生成分享图...
我在思考中