深度学习的方法论辨析
2018-07-10张玉宏秦志光
重庆理工大学学报(社会科学) 2018年6期
张玉宏,秦志光
(1.电子科技大学 网络与数据安全四川省重点实验室, 四川 成都 6100542;2.河南工业大学 信息科学与工程学院, 河南 郑州 450001)
近年来,深度学习(Deep Learning)在诸多领域都有着很多惊人的表现[1]。例如,它在棋类博弈、计算机视觉、语音识别及自动驾驶等领域,表现得跟人类一样好,甚至更好。在2013年,深度学习被麻省理工学院的《MIT科技评论》(MITTechnologyReview)评为世界十大突破性技术之一[2]。
2016年3月,代表人类围棋顶级水平的李世石九段,以1∶4负于谷歌公司研发的阿尔法围棋(AlphaGo),这标志着人工智能在围棋领域已经超越人类,一时震惊四野。而在背后支撑AlphaGo具备如此强悍智能的技术之一,就是深度学习算法。一时间,深度学习,这个本专属于计算机科学的术语,成为包括学术界、工业界甚至风险投资界等众多领域的热词,它对我们的工作、生活甚至思维都已产生深远的影响。
当前,学者多从技术或工程实现的角度来研究这个议题,而从科技哲学的角度,尚未有深入的讨论。在深度学习备受瞩目的背后,我们不禁思考,人工智能的技术本质是什么,深度学习的技术哲学特性是什么,它成功背后的方法论又是什么?本文着重对以上几个问题进行讨论。
一、人工智能的技术本质
从宏观的视角来看,人类科学与技术的发展一路走来,主要依靠两条腿的“并驾齐驱”:一条腿是能量传输,从生火、烧柴、烧煤、蒸汽机,到火电、风电、太阳能及核聚变;另一条腿就是信息传输,从语言、文字、烽火台、穿孔卡、磁带、无线电,到硬盘、电子计算机、量子通信,它们大致都遵循着这样的规律:发现现象、深入认识和人工模拟(或重现)。……
登录APP查看全文
