2016年，谷歌的圍棋軟件利用深度學(xué)習(xí)，擊敗了世界圍棋冠軍，成為人工智能的又一個(gè)里程碑。

10多年的通許網(wǎng)站建設(shè)經(jīng)驗(yàn)，針對設(shè)計(jì)、前端、開發(fā)、售后、文案、推廣等六對一服務(wù)，響應(yīng)快，48小時(shí)及時(shí)工作處理。成都全網(wǎng)營銷的優(yōu)勢是能夠根據(jù)用戶設(shè)備顯示端的尺寸不同，自動(dòng)調(diào)整通許建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調(diào)整網(wǎng)站的寬度，無論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設(shè)計(jì)，從而大程度地提升瀏覽體驗(yàn)。創(chuàng)新互聯(lián)建站從事“通許網(wǎng)站設(shè)計(jì)”,“通許網(wǎng)站推廣”以來，每個(gè)客戶項(xiàng)目都認(rèn)真落實(shí)執(zhí)行。

大腦皮層是調(diào)節(jié)軀體運(yùn)動(dòng)或者說控制軀體運(yùn)動(dòng)的高級中樞。人類大腦皮層的神經(jīng)細(xì)胞約有140億個(gè)，面積約2200平方厘米。皺巴巴的新皮層正是思維誕生之處，占大腦總重的80%。

深度學(xué)習(xí)是在人工“神經(jīng)網(wǎng)絡(luò)”中模擬新皮層中大量神經(jīng)元陣列

到了80年代，多倫多大學(xué)計(jì)算機(jī)科學(xué)教授杰弗里欣頓的“深度”模型重新激發(fā)了人們對神經(jīng)網(wǎng)絡(luò)的興趣。這種模式能更好的利用許多層軟件神經(jīng)元，但該技術(shù)扔需要大量的人力參與。直到2006年，欣頓開發(fā)了一種更有效的方式來訓(xùn)練多層神經(jīng)元。

2012年6月，谷歌展示了當(dāng)時(shí)的神經(jīng)網(wǎng)絡(luò)之一，擁有超過10億個(gè)連接；到了2015年美國公司Digital Rasoning公布的神經(jīng)網(wǎng)絡(luò)包括1600億個(gè)參數(shù)。

不過這種學(xué)習(xí)需要海量的數(shù)據(jù)，和大量的計(jì)算機(jī)支持。

盡管深度學(xué)習(xí)有了這么多進(jìn)步，但并非每個(gè)人都認(rèn)為深度學(xué)習(xí)能把人工智能變成某種能與人類智慧相匹敵的東西。主要的批評者認(rèn)為，深度學(xué)習(xí)就像一個(gè)潘多拉黑盒，無從得知其中發(fā)生了什么，經(jīng)驗(yàn)過多，理論不足。還有一些人認(rèn)為，深度學(xué)習(xí)和人工智能總體而言忽略了大腦的生物學(xué)特征，而更傾向于蠻力計(jì)算。

還有研究者認(rèn)為貝葉斯式的學(xué)習(xí)方法優(yōu)于深度學(xué)習(xí)，這更符合人類學(xué)習(xí)的方式，而且不需要那么多數(shù)據(jù)來訓(xùn)練，“只看一眼就會(huì)寫字”，僅用少量的例子就能讓計(jì)算機(jī)學(xué)習(xí)到字體的本質(zhì)特征。

另外有一些“強(qiáng)人工智能”的支持者認(rèn)為，僅靠深度學(xué)習(xí)無法實(shí)現(xiàn)真正的人工智能。深度學(xué)習(xí)缺乏因果關(guān)系的表達(dá)，也無法進(jìn)行邏輯推理，因此不能形成抽象知識。

深度學(xué)習(xí)的快速發(fā)展不僅吸引了互聯(lián)網(wǎng)公司如微軟、谷歌、百度、臉書等的大力投入，近些年來，半導(dǎo)體硬件公司英偉達(dá)、高通、ARM、英特爾等也開始研究適合人工神經(jīng)網(wǎng)絡(luò)運(yùn)算的芯片和硬件設(shè)備。同時(shí)也涌現(xiàn)出越來越多的創(chuàng)業(yè)公司致力于推進(jìn)深度學(xué)習(xí)的技術(shù)研發(fā)和產(chǎn)業(yè)化。

終有一天，深度學(xué)習(xí)會(huì)能完美對話的機(jī)器人出現(xiàn)在我們生活中。

文章題目：深度學(xué)習(xí)真的可以模擬復(fù)雜的人類大腦嗎？
當(dāng)前網(wǎng)址：http://weahome.cn/article/cpieih.html