第二章 AI复兴：深度学习+大数据=人工智能（第13/24页）

2000年后，计算机产业的发展带来了计算性能、处理能力的大幅提高，尤其是以谷歌为代表的前沿企业在分布式计算上取得了深厚积累，成千上万台计算机组成的大规模计算集群早已不再是稀罕物。而互联网产业的发展则使搜索引擎、电子商务等公司聚集了数以亿计的高质量的海量数据。大计算能力和大数据，正是深度学习这件深藏不露的千古神兵所等待的两大时机。

终于，万事俱备，只欠东风。2006年，深度学习泰斗杰弗里·辛顿及其合作者用一篇名为《一种深度置信网络的快速学习算法》40的论文宣告了深度学习时代的到来——当然，这么说有些夸张。准确描述是，深度学习在2010年前后的兴起是建立在以杰弗里·辛顿为代表的一众大师级人物数十年的积累基础之上的，2006年前后的一系列关键论文只是加速了深度学习的实用化进程。

千古神兵重新披挂上阵！

我们可以由今天的深度学习追溯到它的核心计算模型——人工神经网络的诞生之日。早在通用计算机问世前的1943年，神经科学家沃伦·麦卡洛克（Warren Mc Culloch）和沃尔特·彼茨（Walter Pitts）就提出了一种大胆假说，描述了人类神经节沿着网状结构传递和处理信息的模型。这一假说一方面被神经科学家用于研究人类的感知原理；另一方面则被计算机科学家们借鉴，用于人工智能的相关研究。后者也被学术界称为人工神经网络。

20世纪40年代，唐纳德·赫布（Donald Hebb）尝试将人工神经网络用于机器学习，创建出早期的“赫布型学习”（Hebbian Learning）理论。1954年，计算机科学家韦斯利·A.克拉克（Wesley A.Clark）在麻省理工学院尝试在计算机上实现赫布型学习的基本模型。1958年，弗兰克·罗森布拉特（Frank Rosenblatt）提出了“感知机”（Perceptron）的概念，这是一个基于人工神经网络的两层计算结构，用于简单的模式识别。1965年，A.G.伊瓦赫年科（Alexey Grigorevich Ivakhnenko）提出建立多层人工神经网络的设想，这种基于多层神经网络的机器学习模型后来被人们称为“深度学习”，伊瓦赫年科有时也被称为“深度学习之父”。

1969年是人工神经网络遭遇滑铁卢的一年。麻省理工学院的图灵奖得主、人工智能大师、人工神经网络的早期奠基人之一马文·闵斯基（Marvin Minsky）在这一年和西摩尔·派普特（Seymour Papert）出版了《感知机》（Perceptrons）一书，书中讨论了当时人工神经网络难以解决的“异或难题”（非专业读者完全不需要了解这个古怪的名词指的到底是什么东西）。有些讽刺的是，马文·闵斯基既是人工神经网络的早期奠基人之一，也是人工神经网络在1969年后陷入停滞的始作俑者。他在《感知机》一书中对“异或难题”的讨论打消了大多数研究者继续坚持人工神经网络研究的心思。不少人至今仍认为，马文·闵斯基在《感知机》里是持悲观态度并站在人工神经网络发展的对立面的，但另一些人则认为，马文·闵斯基当时是持开放的讨论态度，而不是打算消极放弃。无论这段公案的真实情况如何，马文·闵斯基都是值得我们尊敬的人工智能大师。2016年年初，马文·闵斯基去世时，曾经对乔布斯和苹果影响巨大的教父级人物艾伦·凯（Alan Kay）是这样评价马文·闵斯基的：

“马文是为数不多的人工智能先驱之一，他用自己的视野和洞见，将计算机从一部超强加法器的传统定位中解放出来，并为其赋予了新的使命——有史以来最强大的人类力量倍增器之一。”41