第二章 AI复兴：深度学习+大数据=人工智能（第14/24页）

和那个年代的许多人工智能大师一样，马文·闵斯基在人工智能研究之外，也是一个跨界的天才。第二次世界大战时，马文当过兵。之后，马文在哈佛大学学习数学期间，同时也修习音乐。除了钢琴演奏，他还有一个特长——即兴创作古典赋格音乐。他自己将音乐家分为“创作者”和“即兴创作者”两大类。显然，马文·闵斯基颇以具备即兴创作的能力而自豪。

据马文·闵斯基的女儿回忆，马文·闵斯基的家中，每天夜晚的常态是群贤毕至，少长咸集，宏谈阔论，琴声悦耳。42为客人弹奏即兴钢琴曲的，当然是马文·闵斯基本人。

基于音乐方面的才华，马文·闵斯基还发明过一部名叫“音乐三角”（Triadex Muse）的音乐合成器。今天在苹果电脑或者i Pad上玩Garage Band的体验，不知道有没有当年玩音乐三角那么酷。而且，那个建造于20世纪70年代的音乐三角长得还非常前卫，非常时髦。据说，马文·闵斯基这部合成器创造了好几个历史第一。但更加值得一提的是，这部合成器其实是马文·闵斯基所做的一项融合了电子合成乐与早期人工智能探索的科技实验。在马文·闵斯基自己看来，理解音乐是理解人类大脑的一种有效途径，反之，理解人类的大脑也有助于我们欣赏音乐的本质。

马文·闵斯基说：“理解大脑这件事似乎比理解音乐要难一些，但我们应该知道，有时对问题领域的扩展可以让问题变得更简单！在好几个世纪的时间里，代数方程的平方根理论都受困于由实数构成的狭小世界，但在高斯揭示出更大的复数世界后，一切都变得简单起来。类似地，一旦能穿透听众的心灵，音乐就会显示出更为丰富的内涵。”43

1975年，马文·闵斯基提出的“异或难题”才被理论界彻底解决。由此进入20世纪80年代，人工神经网络的发展又回到正轨。但在整个20世纪80年代和90年代，甚至直到2000年后的若干年，人工神经网络不过是作为机器学习的一种算法，与其他不同流派、不同风格的机器学习算法一道，在人工智能研究领域发挥作用。

随着PC的普及和互联网时代的到来，人们关于计算机识别图像、文字、语音的需求越来越明确。研究者们尝试着使用人工神经网络来解决类似问题，但效果并不显著。许多人试图使用基于多层神经网络的深度学习技术。据说，“深度学习”（Deep Learning）这个术语是从1986年起流行开来的44。但是，当时的深度学习理论还无法解决网络层次加深后带来的诸多问题，计算机的计算能力也远远达不到深度神经网络的需要。更重要的是，深度学习赖以施展威力的大规模海量数据还没有完全准备好，因而深度学习在真正横空出世前，已经经历了十几年的等待和蛰伏期。

2006年是深度学习发展史上的分水岭。此前提过，杰弗里·辛顿在这一年发表了《一种深度置信网络的快速学习算法》及其他几篇重要论文，其他深度学习领域的泰斗、大师们也在这一年前后贡献了一批重要的学术文章，在基本理论方面取得了若干重大突破。深度学习也由此进入了高速发展的全盛期。

说起来，杰弗里·辛顿这个人很有意思，他曾在卡内基-梅隆大学做过5年教职。我在卡内基-梅隆大学读博士时，杰弗里·辛顿的办公室就在我的办公室的斜对面。有时候，人们会觉得杰弗里·辛顿的思维和交流方式很奇怪，似乎是一种多维跳跃的模式。跟他讲话时，时常陷入尴尬。如果对你讲的东西没什么兴趣，他就会茫然地看着某个地方。