使用海量数据来识别照片和语音并实时翻译讲话，深度学习计算机朝着真正的人工智能迈进了一大步。还有很多深度学习的应用则在我们的视线之外影响世界。互联网搜索、广告推荐、金融量化交易、机器翻译、医疗大数据分析、智能法律咨询……可以说凡是需要从大量数据中预测未知信息的领域都是深度学习可以一展拳脚的地方。

　　IBM的超级计算机“深蓝”打败了国际象棋世界冠军Gary Kasparov已过去20年，这是人工智能史上的首次胜利。

　　深度学习把科幻的智能预测变为现实

　　科学家们已经取得了巨大的进步，他们创建一个模拟人类大脑神经元的计算系统，用神经网络解决此类问题。今天，超级计算机已足够聪明，不仅可以轻松击败国际象棋玩家，而且可以在类似的复杂游戏中竞技成功，如已有3000岁的中国围棋游戏，以及最近扑克多人挑战赛。

　　Libratus战胜世界扑克顶尖高手

　　但是这些人工智能系统是如何获胜的呢？谷歌DeepMind开发的计算机程序AlphaGo是如何打败大师？一个名为Libratus的人工智能程序，是如何在美国宾夕法尼亚州匹兹堡的赌场连续三周挑战世界扑克顶尖高手，赢得了150万美元？人工智能必须不仅创造了高度的战略思维，而且体现了敏锐的直觉和预测性，甚至还不乏虚张声势。

　　自我学习取自人的学习，再超越它

　　人工智能的目标是使计算机更聪明，甚至比给它赋予的与人类同样的思维和推理能力还要聪明。现在有许多方法可以实现。

　　几年前，“深蓝”被人类手动赋予能力，复制人类顶级棋手的知识与智慧。通过实施人工智能，IBM的超级计算机能够识别曾经见过的东西、考虑所有可能的动作、预测人类的反应，然后再决定最好的行动。如果不训练它接受大量的数据并使用运算法则，它就不可能在没有任何人为干预的情况下完成任务。这个过程现在被称为“机器学习”。

　　但它并没有结束。在更复杂的游戏，比如中国围棋，尤其是扑克，需要更多的智能系统来击败人类玩家，不仅有数十亿种选择可以预见，而且需要感觉或直觉。这就是深度学习过程的开始。深度学习是机器学习的一个高度创新的分支，它密切模仿人脑在处理数据和创造决策模式方面的工作。

　　对比机器学习方法，通过“深蓝”的使用，alphago和libratus不仅从历史游戏中学习，而且利用一个30000万左右的步法数据库，通过对阵，在所有可能的选项中找到最佳方案。这和人类从实践中学习的方法一样，在做出最后决定之前尝试了许多不同的东西。通过自我学习的过程，在不增加人力投入或手动执行规则下，它能凭直觉经验知道如何达到最佳发挥。

　　深度学习使计算机超精密

　　深度学习是人工智能研究中最有前途的领域，使我们更近一步了解可以独立思考的视觉机器人。今天，深度学习被用于游戏行业，并发现许多应用在任何行业都依赖此技术。自学习算法在医疗保健、图像识别，无人驾驶汽车或个人助理等领域有助于达到不同程度的提升。它们可以帮助诊断脊柱损伤、心脏病以及癌症的情况，甚至可以在创作艺术中发挥作用，给黑白照片增加颜色。

　　深度学习提供的超精度也被用于广告业。自学习算法可以帮助实现超精确的产品推荐，同时，当用户点击广告（转换潜力）或购买价值（转换值）时更好的预测概率，使广告活动收效高达50%以上。

　　深度学习在广告中的作用是在算法中使用大量的数据，并且没有特定的指令或规则下和人类一样。它除了可以被电子商务公司用来说服客户购买额外的产品，也为其他公司推荐音乐、活动等，还可以在工作中提出其他建议。