李彦宏双创周释疑“新动能”

2017全国双创活动周在上海拉开帷幕，百度创始人李彦宏作为“双创”领袖代表在启动仪式上致辞。在发言中，“人工智能忠实粉丝”的他除了介绍了AI技术对于创新创业的推动作用外，还提到了一些神秘字符——

9月15日，2017年全国大众创业万众创新活动周在上海举行，百度创始人李彦宏作为企业家代表进行发言。

今年活动周的主题是“双创促升级，壮大新动能”，在描绘“双创”升级之路时，李彦宏表示，近年来互联网的人口红利已经逐渐释放殆尽，但一个比互联网规模和影响都更大的新浪潮，正在扑面而来，就是人工智能。

李彦宏在发言中提到：技术在人工智能时代起到的作用非常大，而且技术进步的速度也很快……过去几年，深度学习从DNN，到RNN，到CNN，再到GAN，不停地在升级换代，触发新的创新。

掐指一算，这段话里一共出现了7个N。人工智能技术虽然现在已经不是新概念，但这些N究竟是什么意思？DNN（深度神经网络）、RNN（循环神经网络）、CNN（卷积神经网络）、GAN（生成式对抗网络）究竟代表了什么技术，为何最近人工智能技术会飞速发展，结合到人工智能的未来又将会如何呢？

李彦宏说道DNN、RNN、CNN、GAN其实都是深度学习的内容。这些名词听上去高深莫测。其实道理并不复杂——

DNN是啥？

所谓神经网络其实这个词是后来的，最早这个东西叫感知机，就是有一个输入层，一个隐含层，一个输出层。通过算法迭代完成一个解。

但是只有一层是处理不了复杂函数的，于是后来就发明了多层感知机，有多个隐含层，然后有算法让各个层的各个节点互相联通。

这种联通很像人体中的神经，于是这种多层的感知机就有了名字，叫神经网络。

理论上，隐含层当然是越多越好，但是科学家在使用中发现层数多了往往是局部最优。

就好比你下象棋，多层数的神经网络，算了很多步，计算怎么把对方的马吃了，然后选了最佳一步棋。但是下棋是杀死对方的帅啊，吃掉马能占据子力优势，但是并不一定赢啊。

为了吃掉对方马的最优步，不一定是赢棋的最优步，这个问题不解决，层数多了反而不好用。

同时层数多了，训练数据的有效性就弱了，整体学习的效率也就不行了。

这个难题一直到2006年才解决，然后DNN（深度神经网络）就流行了。

DNN引出的CNN

DNN已经可以实用，但是DNN的问题是参数太多，每个点连接产生的数据量太大，虽然有算法改良还是容易陷入局部最优，而现实中有些东西是固定，不需要一层层地去学习计算。

于是，科学家就提出一个叫“卷积核”的东西，用这个东西来降低参数量，参数量少了，计算效率就提升了，而且陷入局部最优解的概率也就下来了，深度计算就好用了。

时间问题引出的RNN

全部连接的DNN存在一个问题，就是没法按照时间序列的变化建立模型。但是人工智能深度学习的东西可不是静态的。

语音识别是动态的，手写也是动态的，需要解决时间序列的问题，于是就有了RNN（循环神经网络）。在DNN的基础上发展出时间戳，发展出长短时记忆单元，可以有解决时间序列的应用，这就是RNN。

以假乱真的GAN

GAN（生成式对抗网络）是给生成模型用的，机器出来的语言，图像能够以假乱真，需要一个标准，需要一个判定模型。譬如要模拟生成一张画，就有一个生成画的模型，有一张事实存在的画，有一个判定生成的画，与事实存在的画差异的模型。

首先固定生成模型，反复训练判断模型，让判断模型学会判断，判断模型学习好了，就可以训练生成模型，最终让生成模型生成的东西能以假乱真。

我们听到百度度秘能模仿人说话，就是这种技术在起作用。

在李彦宏看来，随着人工智能技术的进一步开放共享，它也将更好地賦能产业、完善生态、助力创新创业。在人工智能实际应用中，李彦宏说的DNN、CNN、RNN、GAN是混在一起用的。度秘看到你，识别你的面孔需要CNN，听取你的语音需要RNN，回答你生成语言需要GAN。

而在包括人工智能技术这些新动能发展起来之后，现代社会中简单的劳动都可以被取而代之了。endprint