文/滴水湖点金树

2012年，加拿大多伦多。

一场学术比赛的会议室里，气氛紧张得能听见心跳。

这是ImageNet图像识别挑战赛——全球计算机视觉领域最重要的比赛。

会议室里挤满了人。

很多是来"观战"的——他们想知道一件事：

这个叫"深度学习"的新技术，到底行不行。

比赛结果是压倒性的：

冠军团队的识别错误率，只有26%。

而第二名，是61%。

差距是压倒性的。

这一刻，被称为"深度学习元年"。

从此之后，AI的历史，开始加速。

01 什么是深度学习

在说深度学习之前，先说一个所有人都能理解的比喻。

传统的机器学习，像是在"教小孩认猫"：

你得告诉他："猫有尖耳朵、圆眼睛、长胡子。"

他记住了这些规则，然后去认猫。

深度学习不一样。

你给它看100万张猫的图片，告诉它"这些是猫"。

不给它规则，让它自己去看、自己去学、自己去发现规律。

这个过程，叫"深度神经网络"的训练。

你可以把"深度神经网络"理解成模拟人脑的结构——有输入层、输出层，中间还有很多"隐藏层"。

这些隐藏层，就像人脑的神经细胞，会自动提取特征、自动发现规律。

这就是"深度"的含义——层数很多，能学的规律很深。

02 三个人的故事

深度学习的崛起，背后是三个"疯子"的故事。

第一个人：Geoffrey Hinton。

他1970年代就开始研究神经网络，在学术圈是出了名的"异类"。

因为那个年代，主流AI学界根本不认可神经网络——觉得这东西没有理论支撑，不可能成功。

Hinton不在乎。

他在加拿大的大学里，一边教书，一边研究，一边等机会。

这一等，就是四十年。

第二个人：Yann LeCun。

他1980年代在法国读博，研究用神经网络识别手写数字。

毕业后去了美国，在贝尔实验室工作——那是当时全球最顶尖的计算机研究机构。

他发明了一种叫"卷积神经网络"的技术，让机器识别手写数字的准确率，达到了99%以上。

这项技术，后来被全球所有银行采用——你写的支票，背后的数字识别，都是他的技术在驱动。

第三个人：Yoshua Bengio。

他1990年代在加拿大读博，研究用深度学习处理文本。

他的研究，让机器理解文字的能力，大幅提升。

这三个人的研究，在学术界被冷落了很多年。

因为那个年代，没有人觉得"让机器自己学"比"让人类写规则"更靠谱。

但他们坚持了下来。

03 ImageNet：一把火点燃一个时代

深度学习能崛起，有一个人不得不提：李飞飞。

她是斯坦福大学的教授，也是ImageNet的创始人。

ImageNet是什么？

是一个图片数据库——里面存了超过1400万张图片，每张图片都标注了"这是什么"。

为什么要做这个？

因为李飞飞相信：要让机器学会"看"，得先给它足够多的图片。

就像教小孩认猫，你得让他看足够多的猫，他才认得出来。

2009年，她发布了ImageNet数据集。

但发布之后，没什么人用。

她做了一个决定：举办一场比赛。

让全世界的团队，用ImageNet的数据训练模型，看谁的识别率最高。

这就是ImageNet挑战赛的由来。

2012年，这把火终于点燃了。

因为Hinton团队用了深度学习，效果远远超过传统方法。

从那之后，所有参赛队伍都开始用深度学习。

ImageNet比赛的历史，到2017年就结束了。

因为到那时候，机器的识别错误率已经降到了2.3%——比人类的5%还要低。

机器"看"得比人准了。

04 资本的疯狂涌入

2012年之后，AI领域开始疯狂吸金。

Google出手了：

• 2013年，收购Hinton创办的公司DNNresearch
• 2014年，收购DeepMind（就是后来做出AlphaGo的那家公司）

Facebook出手了：

• 2013年，聘请Yann LeCun担任AI研究院院长

百度出手了：

• 2013年，成立深度学习研究院
• 2014年，挖来斯坦福教授吴恩达担任首席科学家

中国的AI创业热潮，也开始涌动：

• 商汤科技：2014年成立
• 旷视科技：2014年成立
• 云从科技：2015年成立

AI，正式从学术圈，走向了商业圈。

05 三大要素

深度学习的成功，靠的是三样东西。

业界称之为"三驾马车"：

第一，数据。

深度学习需要海量数据来训练。

互联网时代积累的数据，正好派上了用场。

第二，算力。

深度学习需要强大的计算能力。

GPU的普及，让训练速度提升了成百上千倍。

第三，算法。

深度学习的核心算法，经过几十年的积累，已经相当成熟。

再加上一些关键的技术突破（比如ReLU激活函数、Batch Normalization），让训练变得更加稳定高效。

这三样东西加在一起，就像点燃了一堆干柴。

火焰，迅速蔓延。

点金树说

深度学习的崛起告诉我们：坚持，是有价值的。

Hinton、LeCun、Bengio，被冷落了几十年。

如果他们中途放弃，就不会有今天的深度学习革命。

创业也是一样。

你的方向，可能暂时不被认可。

你的产品，可能暂时没有市场。

但只要方向是对的，坚持下去，总会有机会。

不过，"坚持"的前提是：方向得对。

深度学习能成功，是因为它本质上比"专家系统"更接近智能的本质——让机器自己学，而不是让人教它学。

找到那个"更接近本质"的方向，比盲目坚持更重要。

滴水湖点金树创业孵化器

方向比坚持更重要，方向对了，坚持才有意义

#AI发展史 #深度学习 #Hinton #ImageNet #点金树