可能有人对此并无明晰的观感，那么，我们可以看几个例子◆■◆■★。比如贷款审核员，他们评估借款人的信用好坏◆■■，是通过分析对方的面部表情、声调、手部动作甚至体味来识别生化模式■★◆■◆★。而人工智能只要搭配适当的传感器■◆■★，绝对可能把这些工作做得比人类更精确可靠■■★◆。比如现在的测谎仪，在测谎方面就已经超过了大多数人，不是吗？
谢诺夫斯基总结说■★★◆◆，神经网络学习的重大突破每30年就会发生一次★■◆◆。这三个节点分别为■◆◆■★：上世纪50年代引入感知器；上世纪80年代学习多层感知器算法；2010年开始兴起的深度学习。
谢诺夫斯基和辛顿合作研究出了一种新型神经网络模型◆◆，叫“玻尔兹曼机■★■★”，打破了阻碍一代人研究多层网络模式的僵局，证明了基于大脑式计算的全新方法是可行的◆★★◆，最终为深度学习的发展奠定了基础■◆★。
但受限由于计算机能力的限制，人工智能发展缓慢。而马文明斯基和西摩尔帕特普出版的《感知器》一书★◆★◆★★，则让人工智能在上世纪70年代陷入深寒，“寸草不生◆◆■★★”。《感知器》一书的观点是：感知器学习算法并不能扩展到多层感知器。
而谢诺夫斯基正是推动神经网络学习的先驱★■◆◆。或许是冥冥之意◆■，他出生的上世纪五十年代，正是人工智能的萌芽期■■◆，深度学习革命的种子，正在那时开始播下。
特伦斯谢诺夫斯基作为深度学习领域的先驱及奠基者，来回答这一问题，是最合适不过了。他所写的《深度学习■■★：智能时代的核心驱动力量》一书■■◆◆■★，可以看作是人工智能的发展简史★■◆★◆。
但是，人工智能究竟是如何走到现在的■■◆◆◆★，它进化的路线究竟是什么样，同时它将走向什么方向？很多人可能并不了解。
谢诺夫斯基回忆说◆■◆，■◆■■★◆“这种毫无根据的直觉（除此之外◆■◆★◆，这倒是一本好书）对神经网络学习的发展产生了令人不寒而栗的影响，让一代人的研究就此停滞不前◆◆。”
这不是一本讲技术的书，而是一本故事书■■，它不是写给程序员看的■◆◆■，而是写给大众看的。
谢诺夫斯基认为，深度学习将对社会和个人生活产生深远的影响，但你无需担心谁将接管你的工作。就像工业革命时期蒸汽机放大了物理能力一样，人工智能也会放大人类的认知能力■◆◆★，人工智能会让你更聪明◆■■■。
而且◆■，谢诺夫斯基还有机会怼一下学术上的“宿敌”■★◆◆。2006年，在达特茅斯人工智能会议“AI@50■■◆”的晚宴上，他问明斯基：“神经网络社区有一种看法：你是上世纪70年代需要为神经网络萧条负责的魔鬼。你是魔鬼吗■■★◆？”明斯基犹豫了片刻贝斯特登录入口◆◆◆■■，然后喊道：◆■“是的，我是魔鬼！”
更为厉害的是，随着训练的深入◆■★■★■，阿尔法围棋团队发现◆★◆■，AlphaGoZero还独立发现了游戏规则，并走出了新策略，为围棋这项古老游戏带来了新的见解。
次年5月，在中国乌镇围棋峰会上，AlphaGo的升级版AlphaGoZero与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分完胜★◆★■。
另一件是2016年3月★★◆■，谷歌的AlphaGo与围棋世界冠军李世石进行人机大战，结果以4比1的总比分获胜。之前，很多人曾认为计算机并不能掌握围棋的复杂规则。
令人类震惊的是，AlphaGoZero一开始就没有接触过人类棋谱。它使用了新的强化学习方法★■■★■，只是从单一神经网络开始◆◆■■，通过神经网络强大的搜索算法◆◆■◆，进行自我对弈训练。随着自我对弈的增加，神经网络逐渐调整，提升预测下一步的能力◆◆★■，最终成为具备超强棋力的■◆◆“选手★★”。
著名作家尤瓦尔赫拉利在《今日简史》中写道，人们普遍认为，机器学习将改变几乎所有的工作，从制作酸奶到教授瑜伽都无法幸免。我们有充分的理由相信这次情况不同◆◆★★■■，机器将会真正让整个情况彻底改变。
国家体育总局通讯地址：北京市东城区体育馆路2号邮政编码■■◆★：100763联系电线网站联系电线
所以，尤瓦尔赫拉利指出◆★，在过去几十年中，在神经科学和行为经济学等领域的研究◆★，让科学家能够■■★◆“破解”人类★■★■，更清楚地了解人类究竟是如何做出各种决定的。事实证明，我们从选择食物到选择伴侣■■★★■，都不是出于什么神秘难解的自由意志◆■■★★■，而是数十亿神经元在瞬间计算各种可能性的结果■★◆。过去大受赞赏的“人类直觉■■■■◆”，其实只是“辨识模式★■◆■★”罢了。
好在原本研究生物学的谢诺夫斯基，对神经网络抱有坚定的信心■■★◆，并幸运地遇到了他的搭档杰弗里辛顿。两人在此领域坚持了下来，一干就是几十年■■。
而尤瓦尔赫拉利则大胆地进行了一些预测★■◆★◆。他说，2050年的就业市场，很可能在于人类与人工智能的合作，而非竞争◆★。虽然“深蓝”击败了卡斯帕罗夫★◆★◆，但人类并没有停止下棋。相反◆★，在人工智能的协助下，人类的国际象棋大师水平比过去更高。所以很有可能■★◆★■，人工智能也能如法炮制，协助培养出历史上最优秀的侦探◆■■★★、银行经理和军人◆◆◆★◆。
但深度学习是数据密集型的，在当时的计算机条件下，人工智能无法取得重大突破。直到30年之后，计算机开始变得足够快，同时也可以获得大量可利用的数据，这让深度学习实现了重大突破，并且在当前的人工智能领域占据主导地位。
曾经，人工智能在人们心目中的形象大多停留在《星球大战》等科幻片中★★■■◆★，但AlphaGo的面世，让人们意识到★★★，人工智能，真的来了。
