人工智能的春天归功于寂寞者

图灵奖终于颁给了深度学习三巨头，某种意义上，这种奖励是授予所有熬过寒冬者的，尽管深度学习领域近期迎来了爆炸性的增长，但这个寒冬持续了数十载。

深度学习领域的三位巨擘，Yoshua Bengio，Geoffrey Hinton，Yann LeCun，在很多年以前便开始这项工作，他们不被理解，也不被看好，只是因为他们相信：人工智能可以帮助人类解决更广泛的问题，远比围棋棋盘要广阔。

在那个寒冬期里，机器学习领域基本上有两条路线，一派是符号主义，以求让机器学习人类的符号及语言；另一派则是联结主义，认为人工智能是一种统计学问题，学习需要使用联结主义网络。显然，深度学习属于后者，只不过他们使用的网络是更加强大的神经网络。

符号主义虽然在理论上十分优雅，但却有一个致命的缺点：它需要在人工智能中，先教给机器语义，让机器认识人类概念以及事物背后的意义。这样，人工智能才能够应用在各种不同的场景，完成更多的复杂任务。但问题是，没有一个机器能像人类一样直观地认识世界，而符号主义则企图让机器理解人类的语言，这种做法相当于让一个目不识丁的人直接阅读高等数学课本，根本不可能理解。

联结主义的出现，事实上开辟了一条新的道路。机器不需学习语言，它们仅需学习特征，甚至是自动地提取特征，即可完成复杂的任务。于是，在很多场合，联结主义网络都发挥了惊人的作用，尤其是1958年罗森布拉特提出的感知机模型，更是开启了深度学习的大门。

有了感知机模型，人工智能的研究人员终于找到了一把钥匙，开始探索更多的新型网络结构，比如多层神经网络。而Geoffrey Hinton在1986年发表的《学习表征的并行分布处理》，更是彻底开启了神经网络的现代篇章。这篇论文被认为是深度学习领域的开山之作。

深度学习迎来了第一个春天，但好景不长，神经网络却在1990年代遭受了毁灭性的打击。神经网络在理论上极其优雅，在计算机视觉等领域也证明了自己的能力，但却无法在自然语言处理领域复制同样的成功，这导致了深度学习乃至整个神经网络领域进入了严冬期。

深度学习研究人员开始苦苦摸索，在整个寒冬期中，很多机构、学者对于这项技术都不感兴趣，研究经费也极其有限。正是因为有了这么一群执着的人，他们熬过了寒冬，将深度学习以及联结主义理论不断完善。直到2012年，深度学习才迎来它的第二个春天。

人类与人工智能之间的壁垒在于，人类可以直观地理解这个世界，而机器却不能。神经网络尽管不能像人类一样拥有直观、概括的概念，但它可以完成远超人类的抽象概念，从而来完成一些高难度的复杂任务。

自然语言处理、计算机视觉、语音识别，直至现在的强化学习、自动驾驶汽车、图像生成……，深度学习几乎是以不可阻挡的态势席卷了人工智能的各个领域。Geoffrey Hinton在2018年曾感慨：机器学习领域40年前的梦想，如今终于成了现实。

之所以深度学习有如此强大的力量，是因为它不再需要让机器认识人类的语义、理解人类的语言，它只需求能够表示客观特征的信息，进而对这些特征进行分析与处理，从而完成复杂的任务。

尽管深度学习领域近期迎来了爆炸性的增长，但获奖者们却在数年前的寒冬期里埋头苦干，最终促成了人工智能的春天。图灵奖颁发给熬过寒冬的人！