作者/ 许乃威  

这是许乃威科普教室「从那场华山论剑讲起」这系列文章的最终篇，有兴趣读者可以回头看这系列文章的上和中篇。这系列文章在讲人工智能过去50多年的发展，但有读者问：干嘛花时间去了解这些过去的历史呢？这系列文章其实背后有一个很实用的目的，就是：教大家简单的方法，识别你所用的智能系统，到底是不是现在最新最热门的人工智能技术。

自从谷歌的AlphaGo打败了世界围棋冠军，震动了世界，AlphaGo背后的技术：深度学习，一下成为报纸的头版头条，所有人都宣称自己在搞深度学习，深度学习最成功的应用，就是解决了以往人工智能解决不了的问题：声音、文字和图像的识别处理，我们所在的客户服务领域，不正好就是其中的声音和文字吗？

因此我过去这几年，很常被问到一个问题：老师，我们要买智能系统，各家厂商都讲得很好，但这实在太专业了，而且这可是大投资，一买错，这可就全惨了，是啊，这还真的就很惨，我就遇到有企业买到的，连第一代的智能系统都不算，只是利用关键词比对的技术而已，真没用到人工智能的技术，花了钱花了时间不说，还跟公司的核心系统接上了，要换都不知道该怎么换。

我最近被牙齿弄得真的很烦，也不知道是年纪大了还是怎么着，反正就是有几颗牙掉了，要做植牙。其中有2颗是左下方后面的两个大牙，10年前就做了植牙，结果其中一颗掉了下来，牙医说，失败的那颗没法再植了，但还好还有一个是成功的，他说那这样吧，我们就在没牙的地方做个牙套，然后做个神奇的勾子，跟前面那颗牙勾起来，也把牙套跟后面那个植牙连起来，团结力量大，前后两个牙齿的力量，就能让没牙的那个牙套给固定住了，我听了，连忙点头如捣蒜，频频称好，因为我也不懂啊，除了点头，我还能干吗？十年后的今天。那个神奇的勾子断了，那个牙套站不住了，脱落了，连带影响到我另外那个还在的植牙，也就是两个植牙都不行了，这次我找了真正的专家（过程就不说了），专长就是失败植牙的重建。他看了我的情况，一句话：那个神奇的勾子，是上一代的技术啊，现在都没人用了，我说，那现在的技术是什么？他说，即使植牙失败，都是可以补骨补肉，重新来过，只是要看那个牙医有没有这样的技术而已，然后，我就开始了我现在长达6个月漫长的补骨补肉、重新来过的过程。

大家买的智能系统，就跟我的植牙是一样的，如果你买的是那个「神奇的勾子」，表面听起来再怎么神奇，总归是上一代技术，是被淘汰的，是用不久的，真要换，不是版本更新，而是马车要换火车，但建置智能客服系统，就跟我植牙一样，我们做客服的，一般都不懂技术啊，智能客服系统太专业了，厂商现在这么多，都说是最新最热门的，我们到底要怎么判断？就算是企业的科技部门，也没有多少人懂深度学习，因为深度学习的理论，是2006年深度学习之父Hinton提出，2012年才爆火广泛被接受的，也就是说离现在才10年的时间，你说能有多少人懂深度学习是什么？

现在的智能系统，存在着太多混杂第一代智能、第二代智能和第三代智能的概念，全部夹杂在一起，我们做运营的，因为对技术也不懂，厂商说这样做，我们就这样做，也没有真明白背后的原理是什么，浪费了时间不说，系统的效能越搞越糟，举几个例子。

智能客服系统的核心，不是智能知识库吗？智能知识库不是会有标准问和相似问吗？客户问：我银行卡里还有多少钱？这是标准问，但客户说法有太多种变化，我们要把变化写下来，放到相似问里面，我有次在一个银行客户现场，看到做运营的标注同事，在标准问底下，拼命的添加相似问，有的标准问，竟然放进去了800多条的相似问，这根本就不对了啊，深度学习的确要用到海量训练，但这海量训练是用在学习中文上面，因为中文的说法变化太多，而跟银行这领域的说法变化，应该就少多了，客户的说法的确有很多种，但那是中文的范围，那是你买这套系统之前，厂商应该早就训练好的，你要加的相似问，应该是跟银行知识有关的，例如「账户余额」这个说法，客户可能会说成「户头有多少钱」，只有这种需要加入相似问，而这种相似问的量，根本就不多。

如果这说法变化是跟中文有关的，例如「我账户还有多少钱」，客户讲成「我账户上的钱还有多少」，这是中文的问题，这是主词、动词、受词、副词位置变化的问题，对深度学习系统来说，这是不需要加入相似问的，因为厂商应该已经帮你训练好了，在换个角度想：你的团队就几十号人，用的相似问最多也就是几万条，就能让你的智能系统懂中文，那真是太小瞧深度学习对于训练数据的数量要求了，简单讲，你买到的系统，应该是懂中文的，你要做的事情，只是把你行业的专业知识放进去而已，所以，在每个标准问底下，要添加这么多相似问，看起来就像是第一代的智能技术，根本不是深度学习（或者是厂商没有跟企业运营团队讲清楚）。

什么是第一代技术，我后面会说清楚，再举个例子，我到一个企业现场，看到现场做语料标注的人员有几十号人，我吓了一大跳，我说只是做标注，干么要这么多人？客户说，因为要把客户的话进行词语切割和词性切割，例如「我的账户余额还有多少钱」，要把这句话的主词、动词、受词给标注出来，然后把这句话按照词性给切割开来，我吓了一大跳。确定你用的是深度学习的系统吗？客户跟我当时作植牙一样，点头如捣蒜，后来我发现，其实只要问一个问题，就能简单分辨我眼前的系统，到底是不是第三代的技术，也就是深度学习，如果不是，那我至少知道为何需要这么多标注人员，为何需要做这么多额外工作，这就是我这一系列科普文章的目的：教大家一招，快速识别你眼前的智能系统，到底是不是真的深度学习，但揭晓之前，我还是要在科普一下深度学习到底是什么，用最简单易懂的方式来讲。

话题回到我们上一篇说的，1956年，4位绝世高手，决定来场华山论剑，人工智能元年于是开始，华山论剑之后，三派鼎立：符号派，连接派，和行为派。行为派的研究一直都没有进展，我们略过不谈。

符号派又称为规则派，称霸武林40年，观念也很容易理解：你跟机器说，把红色的球放右边，蓝色的球放左边，只要把规则讲清楚了，机器就能执行，这就是规则派。

规则派在智能客服领域，也被称为第一代智能。为何是第一代？因为后来不行了啊，在声音、文字和图像的领域，规则变化实在太多，根本没法穷尽说完，规则派需要把所有可能的变化都放进去，你没说，机器就不会，这样严格的限制，在商业的应用上，一点都不实际，1990年代，第一代人工智能宣告崩盘，3个门派倒了两个，那只有剩下连接派了。

现在大家最熟知的连接派，自然就是深度学习，但连接派其实包含一个更大的范围，叫做：机器学习，机器学习主要就是在解决「寻找规则、预测未来」这个核心问题之上。它起先建立的基础在统计学，一听到这名词，大家马上就吓到了，但我换个方式讲，你可能一下就明白：其实你每天大量的学习，很多都是基于统计后的结果，问你个问题：动物有几条腿？我讲一个动物名字，你是否能预测它是几条腿？不必大人来教，小朋友在接触大量的动物图片之后，也就是经过大量数据的训练，很容易就能进行「寻找规则、预测未来」这个统计工作，哦，很多是两条腿的，但也很多是四条腿的。我看了一百张图片，我发现有翅膀的是两条腿，没翅膀的是四条腿，所以，如果你给我一个动物名字，我只要想想它有没有翅膀，我就能预测答案了，感受到了没有？人类的学习，很多靠的是经验，所谓的经验，就是把过往的数据进行总结归纳，找出规律，然后预测未来。（讲到这，你有没有想到，其实两条腿和四条腿的分法，不是简单靠翅膀的，能想到有什么动物没有翅膀，但只有两条腿吗？聪明智慧如此的你？）

机器学习一开始，利用的就是统计学的办法，寻找特征，加以分类，然后预测未来。为何你的邮箱能够很聪明的识别是垃圾信，然后直接丢到垃圾桶？垃圾邮件的分类检测，主要用到的SVM方法，就是最典型的统计学例子。SVM到今天都广泛被使用，原理也很好懂，你有一堆红色的球，一堆蓝色的球，你要找到方法把他们分开，你做了很多尝试，后来发现他们重量不同，红色比较重，蓝色比较轻，用「重量」很容易就能分开，「重量」就是所谓的特征值，SVM在做的，就是找到有哪些特征值能够把这两堆球给分开，SVM为何广泛运用在垃圾邮件的分类检测，这也很好理解了吧，你只要把「重量」这个特征值想象成垃圾邮件的特征，只要是垃圾邮件，就会有一些特征，只要找到这些特征，就能把垃圾邮件给分类出来。

故事讲到这，怎么还不讲「一招识别深度学习」这个主题呢？马上来了，因为终于要讲深度学习了，机器学习在1980年代崛起，而且取得相当的进展，但在声音、文字和影像这些领域，还是遇到巨大困难，使用统计学的办法，有个前提：这个复杂的世界，是可以用少数可以理解的特征值来进行描述的，例如刚刚讲的红球和蓝球的分类，是可以用「重量」这个少数可以理解的特征值来进行描述的。讲个大家更好理解的例子：

你在一个大公司，公司有一万名员工，员工的绩效工资，公司只有给最终的计算结果，但没有跟大家说明绩效的计算方法是什么，你是一个学过统计学的聪明员工，你拿到所有员工的绩效工资，你也知道绩效可能的指标包括接电话数量、客户满意度、一解率、质检分数、出勤、月考、客户表扬、客户投诉等等，可能被纳入的指标太多了，你不确定哪些指标被纳入最终的绩效当中，但你有大家每个指标的原始分数。透过统计学的技术，你很容易就能找到哪些指标被纳入了绩效考核当中，这就是特征值，有了特征值，用简单的数学，你很容易就能算出最终的绩效公式是什么，但问题是，在声音、文字和影像这些领域，各种努力都找不到用少数可以理解的特征值来进行描述，传统统计学的方法也行不通。

一直到深度学习出现。深度学习的技术，实在难懂难讲，我后面在找机会看能否用简单易懂的方式来说明，大家先这样简单理解：只要先想成刚刚那个绩效工资的例子，有一万名员工的绩效资料，公司用了一个宇宙无敌超级难懂的计算方法来算工资（就是不想让你懂，怎样？），你有原始资料和最终的绩效工资，你要猜出公司这个宇宙无敌的公式到底是什么，其实你为何要去算这个公式？你真正的目的是要做预测，你有员工的原始指标数据，你要猜到他可能拿到多少钱，你只要能达到这个目的就行，你不必真猜出这个公式，对吧，就算这个公式对你还是一个黑盒子，只要能够从原始数据猜到最终结果，你目的还是达到了啊。

统计学还是希望能猜到这个绩效公式，而深度学习来了一个大转弯：我干脆不去猜这个公式了，我只要能从原始数据这里，猜到结果就行，大家有没有听过这个故事：AlphaGo打败了世界围棋冠军，它下棋的策略，让人类都无法理解，哇，听起来有没有够玄幻了？其实深度学习本来就没有打算去了解机器如何去猜到这个结果的，因为这就是深度学习的核心思想：我只要把一堆原始数据丢到机器，机器有一堆开关，这些开关有各种组合，就让机器去组合吧，不管机器怎么组合，只要能把结果猜出来就行。（我尽力了，对深度学习的技术，你应该还是一头懵，相信我，这太正常了）除非你是打算写代码的，如果你只是做运营的，其实懂到这里也就够了。或是懵到这里也就够了。因为我们最大的重点要来了。

2006年深度学习之父Hinton找到了一个办法，在复杂的声音文字影像世界当中，不必去费神分析刚刚讲的特征值（例如接电话数量、接电话质量），就能从原始数据猜到结果，但他的理论出来，仍旧没有引起什么反响，一直到2012年，发生了人工智能使用真正最有意义的一场重大事件，深度学习一夕爆火，3年后，才有了AlphaGo，这个事件，终于来到了我们这篇文章的主要标题：一招分辨深度学习。

2012 年 Hinton 的两个学生参加了一场比赛ImageNet，由史丹佛大学举办，是个图像识别竞赛，可以简单理解为人工智能界的奥林匹克，这比赛从2007年创办以来，每年的比赛结果、每家都差不多，错误率大致落在 30%、29%、28%... 瓶颈一直无法突破，这种错误率，根本不具备商业应用的价值，这也清楚的说明，在2010年以前，就算机器学习用统计学的方法，仍然没法让人工智能具有商业价值，Hinton 团队上场了，Hinton在这领域坚持了30年，组了一个公司，公司就3个人，无人看好，没人，没钱，而对手是谷歌、微软这种巨头公司。

就好像少年队对上了国家队。（这种故事听起来真的就很励志）结果，Hinton 团队不只完胜对手，而且将世界记录一下往前推进到空前的程度。以 16.42% 的错误率远胜第二名的 26.22%，用的正是深度学习技术，深度学习终于引起各大巨头企业的关注，真的是一夕爆火，谷歌后来立刻投资Hinton的三人公司，2015 年的冠军微软，以 3.5%，正式超越⼈类的 5%错误率，大家看到这里，难道心中没有个疑问：2006年Hinton就解决了深度学习的理论障碍，为何还要等到2012年才扬眉吐气？因为Hinton缺一样东西，而这样东西一直到2007年才逐渐开始成熟：GPU！这就是我们文章的重点了！

以前人工智能用CPU来运算，CPU如同电脑的通才，能扛起各种运算任务，但对于海量数据的计算，就是不够力啊，GPU是干啥？本来是用在绘制荧幕上呈现的影像，后来发现GPU是个专才，它当时设计的思路是并行运算，特别适合海量运算，例如：深度学习，2007年以前就有GPU了，但没有简单能在GPU上面写代码的编辑器，一直到2007年，而Hinton团队，就是利用深度学习，加上GPU，终于一举突破影像识别20％错误识别率的关卡。

好了，铺垫了这么长，该做结论了：智能系统有3代，第一代是规则派的，第二代是机器学习型的，只有第三代才是现在我们熟知的深度学习的，第三代的技术，不需要你提供特征值，换一个简单的说法，什么词语切割、词性切割，主词、动词、受词、副词，这些都是特征值，第三代技术，是看整个句子的，我们根本不知道深度学习到底是怎么切割的。

我们传统认为语料标注的工作，其实更多是第一代和第二代技术用到的，到了第三代技术，对于语料标注的依赖度，除了要定义一些行业的专有术语和说法之外，依赖度已经降到很低了，一招教你识别你用的系统，是第一代还是第三代：你只要问一下，这套智能系统有没有用到GPU？没用到GPU的，几乎不可能是第三代技术，跟深度学习应该是没有关系的。

当然，这是一个快速检验法，仍然不够完美，在后面的科普文章当中，我会再继续介绍深度学习到底需要做什么，不需要做什么，怎样能够搞明白，我到底用的是哪一代的技术，有了这些了解，你也才能更好的掌握深度学习现在这个当红的人工智能发展。