未来不是由人或机器单独创造的，而是由两者共同创造的。 以人脑工作方式为模型的技术已经在增强人们的能力，而且随着社会慢慢适应对这些功能日益强大的机器，这些技术只会变得更有影响力。
随着人工智能系统接管了生活的繁重工作和管理工作，每个人都开始从人工智能技术中收益。技术乐观主义者设想了一个人类生产力和生活质量不断提高的世界。 另一方面，悲观主义者警告说，这些进步可能会让人类失去工作和扰乱人们的生活。 更有人会担心人工智能终将会淘汰人类。
然而，人们并不是很擅长想象未来。 乌托邦和世界末日都不可能发生。人工智能将使你更聪明，但方式会让你吃惊。
模式识别
人工智能中的深度学习在解决复杂问题方面取得了巨大进展，这些复杂问题包括识别图像中的对象、识别多个说话人的语音、以及以人们说话或书写的方式处理文本。 事实证明，深度学习还有助于识别传感器、医疗设备和科学仪器产生的日益庞大的数据集中的模式。而这些，靠单个人是难以实现的。
这种方法的目标是找到一种方法，使计算机能够描述和表征世界，并从以前的经验中抽象出世界的模型——即使接下来发生的事情与以前发生的事情不完全一样，它也能应对。 就像一个人可以识别出她以前从未见过的特定动物实际上是一只猫一样，深度学习算法可以识别出所谓的"猫性"的各个方面，并从猫的新图像中提取出这些属性。
深度学习的方法是基于人脑的工作原理而提出的。 例如，大脑同时处理多个处理单元中的各种数据。 神经元之间有许多连接，这些连接的强弱取决于它们被使用的程度，在感觉输入和概念输出之间建立联系。
最成功的深度学习网络是基于20世纪60年代对视觉皮层结构的研究，视觉皮层是我们用来观察的大脑的一部分，学习算法是在20世纪80年代发明的。 那时，计算机还不足以解决现实世界中的问题。不过，现在计算机可以了。
此外，学习网络经过层层叠加，形成了更接近视觉皮层层次结构的连接网络。 这是人工智能和生物智能融合的结果。
四层神经网络从左侧接受输入，将第一层的输出传递到下一层，传递到下一层和下一层，然后输出。 （图片来自SIN314/shutterstock.com）
现实生活中的深度学习
深度学习已经增加了人类的能力。 如果你使用谷歌搜索服务，或者使用谷歌的应用程序将一种语言翻译成另一种语言，或者将语音转换成文本，现有的技术已经可以让你变得更聪明，或者更有效率。 来中国旅游的外国友人可以使用Android手机说英语，并将其翻译成汉语供出租车司机使用——就像《星际迷航》的通用翻译一样。
这些技术以及许多其他系统已经开始在帮助你处理日常生活中的方方面面了，及时有时候你察觉不到其实是人工智能技术在帮助你解决问题。例如，深度学习可以阅读X光图像和皮肤病变照片来检测癌症。 根据智能系统处理结果，医生可以很快的确定你的病情，而在以前这种事情通常需要专家级的医生才能处理。
有时候即使你知道有台智能机器在帮助你，但是你通常没法想象他们实际上在处理多么复杂的问题。在亚马逊的Alexa背后是一群深度学习网络，它们能够识别你的请求，通过筛选数据来回答你的问题，并帮你做出决策。
高级学习
深度学习在解决模式识别问题上是非常有效的，但要超越这一点还需要其他的大脑系统。 当一只动物因某一行为而受到奖励时，它将来更有可能采取类似的行为。 大脑基底神经节中的多巴胺神经元报告了预期奖励和接受奖励之间的差异，称为奖励预测错误，用于改变大脑中预测未来奖励的连接强度。
将这种称为强化学习的方法与深度学习相结合，可以使计算机具有识别意想不到的可能性的能力。 通过识别一种模式，然后以一种能带来回报的方式对其做出反应，机器可能会按照所谓的人类创造力的思路来做出决策。 这是DeepMind开发的一个名为AlphaGo的项目，2016年击败了围棋大师李世石，次年击败了世界围棋冠军柯杰。
游戏并不像现实世界那样杂乱无章，现实世界充满了不断变化的不确定性。 最近，我和加州大学圣地亚哥分校的Massimo Vergassola利用强化学习来教滑翔机如何像鸟儿一样在热气流中翱翔。 传感器可以连接到实际的鸟类，以测试它们是否使用相同的线索，是否用相同的方式响应。
尽管取得了这些成功，但研究人员还不完全了解深度学习是如何解决这些问题的。当然，我们也不知道大脑是如何解决这些问题的。
虽然大脑的内部运作可能仍然难以捉摸，但研究人员发展出深度学习的基础理论只是时间问题。 不同之处在于，当研究计算机时，研究人员可以访问网络中的每一个连接和活动模式。 技术的发展速度很快，每天都有相关的论文发表在arXiv上。 今年12月，在蒙特利尔召开的神经信息处理系统会议上，人们的热情出乎意料。在11分钟内，该会议售出了8000张门票，还有9000多名报名者等待购票。
计算机要实现人类的一般智能，还有很长的路要走。 今天最大的深度学习网络只有一片大米大小的人类神经皮层的力量。 我们还不知道大脑如何动态地组织大脑部区域之间的相互作用。
自然界的进化，创造了大规模的大脑系统，使人能够在思考深奥的问题和完成复杂的任务的同时操作人体的各个方面。 最终，自治系统可能会变得同样复杂，成为地球上生物的一份子。
总结
人工智能技术发展迅速，已经在人类生活中的方方面面开始起作用，比如模式识别。但是，人类对大脑工作原理的研究还远远不够。人工智能会提高人们的工作效率，在可预见的时间内还不会取代人类。
閱讀更多 原力源 的文章
