——人类造出来的计算机越来越强大，最后展出一台级终端，这台终端可以理解人类的一切语言，感知和人类一样敏锐的视觉、听觉，并且可以和人类一样“理解”图片和音符的含义。

　　这种误入歧途的信念，在1997年IBm公司制造出“深蓝”、并且用“深蓝”击败当时的国际象棋世界冠军卡斯帕洛夫时，展到了顶峰：看，电脑已经会真正的思考了。造出拥有人工智能的机器还会远么？

　　一片乐观之中，杰夫辛顿恰好是那个保持了冷静的人，他对这个问题的设想恰好相反。

　　杰夫辛顿一直觉得，虽然级终端也有可能最终像人类一样“能够真正理解万物”，但是那太遥远了，目前的硬件水平，起码再展几十年，才有可能到那种地步。

　　在此之前，人类应该有更好的捷径，通过把无数不够先进的单一计算机终端。用一张网络连接起来，让每一个节点犯的错误能够被其他节点所借鉴，让计算机的自我学习和进化不仅限于总结自身犯过的错误，而是拓展到“总结一切同类曾经犯过的错误”。那么。人类就有可能提前几十年，在硬件还不是特别强大的时候，就提前享受人工智能带来的好处。?¤八一中文?网◎?◎、、-．-８、１`ｚ`

　　这种设想中提到的网络拓扑模型，最初被称为“卷积神经网络”，为了实现“卷积神经网络”的不断优化学习，需要一系列对处理结果的网际反馈算法。那一系列算法集合，被称为“深度学习算法”。

　　杰夫辛顿就是一个在“卷积神经网络”研究领域处于全人类学术地位前五名的级大牛，而具体到“深度学习算法”的研究方向上，他是不折不扣的世界第一。

　　如此描述，或许有些枯燥。但是后世之人，如果从结果逆推往回看，就可以现这一指导思想有多么伟大：

　　自从杰夫辛顿总结归纳出了完整的“深度学习算法”理论之后，仅仅一年之内，谷歌公司成功研出了“图片搜索引擎”，让搜索引擎从此不再仅限于搜索链接当中的文字，而是可以搜索一张图片——因为谷歌的搜索引擎使用了深度学习算法的思想，让电脑也学会了“如何读懂一张图片的意思”。

　　同样，当时还在成长期的FaceBook公司，通过借鉴杰夫辛顿的思想，明了人脸识别技术。从此以后，在FaceBook空间上上传的照片，一旦被阅读者点击脸部部位，就可以跳出人的名字来。而且只要用户在某一张照片上定义了某一张脸的名字，那么在同一用户上传的其他照片中，只要出现了同一个人，哪怕化妆和表情略有不同，FaceBook也能识别出来。

　　这个技术在两三年后，传入了中国，只不过国人没法使用FaceBo

　　请收藏：https://m.zhwcp.com

（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）