工业革命将人类从体力劳动中解放出来，atv，信息技术把全世界紧密的联系在一起，而人工智能则是要将人类从繁重的脑力劳动中解放出来。人工智能可能是最后一个需要靠人类自身智慧去攻克的革命。

　　11月13日，由B12、观数·涂子沛频道主办，智东西、良仓加速器、腾讯大浙网、创享基金联合主办的第二届万物互联创新大会「创业下一潮水：大数据与智能时代」在杭州召开。

　　作为重磅嘉宾，科大讯飞研究院院长胡国平分析了人工智能浪潮背后的三大推手，并分享了科大讯飞17年来在智能语音和人工智能走过历程中的经验教训。

　　以下内容根据胡国平现场演讲整理，有删减：

　　60年来，人工智能经历了三次浪潮，或者说三起三落。目前我们正在经历第三次人工智能的浪潮。也许这一次还可能会有一些波折，但无论如何人类去追求人工智能的梦想会持续的往前推进。

　　大部分人包括科大讯飞都认为，我们正在经历的第三次浪潮，已经处在人工智能真正爆发的前夜，人工智能技术会被应用到各个行业。

　　这一次人工智能真的火了起来，机器下棋攻克了围棋的最后一个难题，语音识别达到了97%的识别率，人脸识别也已经超过了人类肉眼所能达到的水平。

　　人工智能火起来之后有一个很明显的迹象：政府、巨头、创业者以及资本都在大量涌入。包括美国、中国，都把人工智能定义为国家战略。Google、Facebook、苹果、讯飞、百度都进入了人工智能前沿领地。特别是最近2016年以来，阿里、华为、腾讯、乐视、联想，小米都已宣布要进入人工智能领域。

　　目前国际范围内人工智能的对抗依然主要是中美两国之间的对抗，这主要是因为人工智能的技术依赖于大数据、移动互联网、云计算，和广大的用户群体。在这方面，中国和美国是佼佼者。

　　这次人工智能技术火起来背后真正原因，我把它们归结为三点：

　　第一个是深度学习；

　　第二个是大数据；

　　第三个是云计算。

　　首先是深度学习，或者说深度神经网络的横空出世。这个2006年提出来的深度学习的方法取得了历史性的重大突破。它的基本原理其实也比较简单，就是输入相关数据，通过网络产生最后的输出。

　　如果这个输出和原来所标注的答案不一样，它可以通过一个BP的错误回馈算法去修正相关网络中的参数，使得最终对整个训练级而言，它的预测和建模的准确度最高。

　　方法其实很简单，但是最大的一个作用是它的网络量非常大，自由数非常多，建模能力非常强。类似在图象识别中，它能有效地抓住从像素到边界，部件，到人脸一系列特征，从而做出有效的人脸识别。所以它其实是一个更强大，更通用的，更耗训练数据的建模机器。

　　我们举一个具体的例子供大家理解深入学习关键突破的点，模式识别。左边假设是一张人脸，按照经典人脸识别套路，可以提取它的特征，头发、胡须，训练相关模型，用各种语言，一系列机器学习的模型，最后来建初模型，做触摸式识别，来判断图像显示的人脸性别。

　　但是用了深入学习之后有一个很关键的变化：提取特征的环节已经没有了。对于机器而言，整个模式识别内容已经简化为准备数据和训练模型两个最简单的环节。

　　如果大家注意到AlphaGo的算法原理，它也是类似这样操作的，对图象识别来说不再需要任何特征的提取，直接把像素值输进去。对于AlphaGo而言，它也是用深度学习，直接把19×19格子上围棋黑白棋信息输入神经网络，判断当前棋局下黑棋赢的概率是多少。不再用人工方法告诉AlphaGo应该去看什么样的东西，它输入的都是最原始的信息。

　　如果把深入学习看成一个黑盒子的话，或许可以理解这次人工智能的变革。拿足够多的,有监督的海量训练数据直接输入一个黑盒子，它就可以获得一个与人类可媲美的人工智能技术。

　　简单来说，一万个小时训练样本，再去训练10的7次方自由度或者参数、个数的神经网络，就可以达到与人类可媲美的语音识别效果。