回想一下,当你还是个孩子的时候。你还记得第一次看到猫,或者看到猫的图片吗?你需要看多少只猫才能完全理解猫是什么？
你可能只需要看一两只就可以轻易地将猫与其他动物区分开来。这种通过观察极少数例子来学习的方式，对人类来说非常容易和自然，但对于AI来说却非常困难。为了让AI理解什么是猫,它必须经过训练。如今,这通常是通过深度学习来实现的,深度学习是过去十年来推动AI取得主要进展的机器学习形式。
无论是训练AI识别猫、狗还是咖啡杯,都是从神经网络开始的。这是一种具有多层“神经元”的软件,模拟人脑中的神经元。
科学家们常用的训练神经网络的方法有几种。一种是监督学习,这是一种深度学习,AI被灌输一组带有描述的训练示例。在AI经过训练后,我们可以给它展示一张猫的图片。接下来,图片中的像素通过神经网络流动,之后机器将确认——我们希望——它“看到”的东西确实是猫。
即使它猜对了,这个AI仍然完全不知道“猫”这个词所代表的意义——它不知道猫在做什么或者它是否活着。为了让AI理解这一点,它需要通过依托语言学习来训练。这是一种深度学习方法,将句子或单词与图像、视频或现实世界中的对象相关联。
所有这些技术都使深度学习具有各种潜在的应用。例如,依托语言学习可以帮助发展AI的语言技能,使其在Siri等个人助手中变得有用。而深度学习已经被用来训练AI玩游戏。在最著名的例子中，AI AlphaGo通过观察许多围棋游戏进行训练，最终能够打败最好的人类冠军。
