白癜风可以治愈吗 http://www.bdfyy999.com/bdf/zhuanjiadayi/changjianwenda/24808.html

商论七月刊推出的人工智能特别报道将讨论AI领域新技术的崛起，探讨其对就业、教育及政策的潜在冲击，分析对伦理及监管的影响。本周新文章《神经网络进化记》回溯了“神经网络”的发展史：这是一个很早就出现的创意，但近年来的新技术才真正解锁了它的潜力。

“人工智能”（AI）一词最早出现在年撰写的一份研究计划里，该计划提出，“只要精选一批科学家共同努力一个夏季”，人们在运用机器“解决目前只能由人力处理的问题”上将取得重大进展。现在看来，那至少是太过乐观了。几十年来，AI缺乏实质进展已经出了名，以至于研究人员大多避免使用AI这一术语，而选择谈论“专家系统”或“神经网络”。如今，AI一词的复兴和人们的热情可以追溯至年一场名为“ImageNet挑战赛”的网络比赛。

ImageNet是一个存有数百万图像的在线数据库，所有图片都由人工标记。对于任意单词（如“气球”或“草莓”），ImageNet都有数百张与之对应的图像。每年一度的ImageNet比赛鼓励业内人士对其在运用计算机自动识别和标记图像上取得的进展展开较量。他们先以正确标记的图像集对系统进行训练，然后让系统尝试标记之前未曾见过的测试图像。在研讨环节，优胜者会分享并讨论其技术。人类的平均图像标记准确率为95%，年获胜系统的准确率为72%，年，由多伦多大学教授杰夫?辛顿（GeoffHinton）带领的参赛团队凭借名为“深度学习”的新技术令准确率跃升至85%。这带动了新一轮的快速进展，年的ImageNet挑战赛上，机器识别的准确率达到96%，首次超越人类水平。这一天的到来离不开蒙特利尔大学的计算机科学家约舒华?本吉奥（YoshuaBengio）——他与辛顿等人一并被视为深度学习领域的先驱。简单来说，这种依托于庞大的计算能力及海量训练数据的技术来自AI领域的一个旧创意：人工神经网络（ANN），也就是仿生人工神经元网络或脑细胞网络。

ImageNet竞赛的结果展示了深度学习的能力，不仅是AI圈，整个高科技界都为之瞩目。“人们为此雀跃是因为‘深度学习’这一技术可应用于许多不同领域。”谷歌机器智能研究项目负责人、目前掌管搜索引擎业务的约翰·詹南德雷亚（JohnGiannandrea）说。谷歌正利用深度学习做的事包括：提升其网络搜索结果的质量，解读向智能手机收到的语音命令，协助人们在其图库中搜寻特定图片，为电子邮件提出自动回复建议，改善网页翻译服务，以及帮助其自动驾驶汽车了解周边环境。

欢迎登录《经济学人·全球商业评论》App，阅读七月刊

人工智能特别报道文章《神经网络进化记》，了解以下内容：

“千层蛋糕”般的人工神经网络如何处理数据，新技术如何让计算机在更短时间内处理几何级增长的新数据？

深度学习的不同形式及其原理

为什么电子游戏是AI研究的理想训练场？

AlphaGo融合了哪些深度学习技术，它的下一步会怎么走？

企业怎样参与新一轮AI淘金热？

对大多数人来说也许最关键的问题：AI的所有这些进展会为日常使用的互联网服务带来怎样的进步？

人工智能特别报道

人工智能：重提机器问题

科技：神经网络进化记

就业冲击：自动化与焦虑

教育与政策：再教育丽塔

伦理：科学怪人的回形针

结论：回答机器问题

点击“阅读原文”，阅读《经济学人·全球商业评论》七月刊文章《神经网络进化记》