虽然科幻电影描绘人工智能已经到机器能够独立思考的程度，但在现实生活中，受限于硬件设备的处理能力和编程逻辑的复杂性，我们身边的的人工智能仍然显得比较幼稚和容易理解——毕竟人类创造了所谓的人工智能，它们不可能超乎人类所能理解的范畴发展。

但谷歌的“深度学习（deep learning）”系统却颠覆了这一常识，谷歌的工程师都表示这套原本只是用来做实验的决策计算机系统表现超乎想象，它通过照片识别事物的能力早已超乎了谷歌工程师的预料，谷歌工程师甚至已经不知道计算机究竟在“想”些什么了。

识别系统的基础

谷歌软件工程师Quoc V. Le在上周五旧金山的机器学习大会（Machine Learning Conference）上谈到了这套深度学习系统。这是一套包含了大量服务器群，能够收集并自动对数据作归类的系统，谷歌打算用它来深度研究AI技术。在谷歌手中，此系统的服务应用包括了Android的语音控制搜索、图片识别和谷歌翻译。

深度学习系统曾在去年6月份引起过不少讨论，当时纽约时报刊文称谷歌的DistBelief技术（一个采用普通服务器的深度学习并行计算平台）在获取数百万YouTube视频数据后，能够精准地识别出猫的特征。未来，这套系统或是能够准确识别谷歌街景照片中门牌号码、网站中人脸图片等的技术依托。

深度学习技术理论上也是分层结构。其神经网络的最底层可检测到图片像素在色彩上的变化，上层随后可了解图片中出现特定事物的边缘部分。位于再上层的几个连续的分析层可通过系统的不同分支学会人脸、摇椅、计算机等各种类型事物的检测方法。

它们真的在“独立思考”

Quoc V. Le说，令他最为震惊的事情是，深度学习系统能够轻易地学习总结出类似碎纸机等物体的特性，这些甚至是普通人类难以轻易做到的。“怎样在系统设计中让软件能够具备识别碎纸机的能力，这是相当复杂的。我在这方面花了很多的时间，但就是难以完成。”

实际上Quoc也曾给身边的好多朋友看了碎纸机的照片，但在随后的识别过程中，具有高等智慧的人类却遭遇了麻烦。而谷歌的深度学习计算机系统则在这方面具有极高的识别成功率，可关键问题是，Quoc自己也不知道他所写的程序是如何做到这一点的。

也就是说，谷歌的工程师们已经无法解释这套系统识别事物的方法和逻辑，它们更像是脱离了其创建者的控制在独立思考，这种复杂的认知方式更是令人不可思议。虽然这种层面的“独立思考”范围还非常有限，但在实际应用中却真实有效，能够解决实际问题。谷歌负责AI研究的主管Peter Norvig认为这种能够实现大量数据统计的模型对于解决如语音识别与理解一类的复杂问题具有非常积极的意义。

结论

Quoc说，对谷歌而言，深度学习系统能够解决人类所不能解决的问题，自然也就是节约人力成本的好东西。将其更多的潜力挖掘出来，总好过雇佣一批每年拿着无数酬劳的高级专家。“机器学习非常复杂，我们需要花大量的时间在数据处理和特性更新上。甚至为了解决一个独立的问题，我们就需要聘请这一领域的专家。以后我们期望能够跳脱这样的模式，我们没法解决的问题，就让机器去完成。”

而且谷歌实际也在开发其他类似的决策选择系统，如Borg与Omega，这些系统在分配工作负荷时，行为方式也更像是活物。将来，机器的“独立思考”或将真正成为可能。至少现在，我们让计算机与人类达成了这样的协作关系。