原标题：AI 革命与 社会人 的逆袭

　　2016 年曾被称为 " 人工智能元年 "。

　　这一年的春天，一场 AlphaGo 与世界 围棋选手李世乭的世纪对战，让 " 人工智能 " 这一概念几乎一夜之间火遍全球。像科幻小说或电影描述得那样，吃瓜群众们第一次意识到被 " 天网 " 支配的恐惧已经距离自己如此之近；各大科技论坛之上，人们谈论的话题也变成了是 " 奇点已来 " 和机器人三定律。

　　然而人工智能这个走入大众视野的所谓 " 新概念 "，诞生至今却早已经超过了 50 年。

　　早在上世纪 50 年代，就已经有研究人员开始尝试通过模拟人脑的方式，赋予计算机 " 智能 "。

　　在他们看来，人脑识别物体并不是基于明确的规则，而是凭直觉判断。比如我们看到一只狗，我们很明确的知道这是一只狗，但却无法说清楚为什么会知道；事实上，相比于准确定义物体的特征，人脑识别更像是一种特征匹配，而这也是 " 神经网络学派 " 的最初思想。

　　到上世纪 70 年代，计算机科学家开始研究神经网络在推进人工智能上的可行性，但当时的主流学界普遍认为，神经网络在数学上有局限性，没有前途；因此神经网络学派一直到九十年代都视为边缘地带的 " 异类 "，拿经费、发论文都很困难。

　　2010 年，斯坦福大学一个叫李飞飞的华裔计算机科学家，组织了一个叫做 ImageNet 的机器学习图形识别比赛，从 2010 年开始每年举行一次。

　　这个比赛的有趣之处，在于它每年都为参赛者提供一百万张图片作为训练素材，其中每一张图都由人工标记了图中有什么物体。

　　比赛规则是选手用这一百万张训练图片练好自己的程序，然后让程序识别一些新的图片。每张新图片有一个事先设定的标准答案，而参赛的程序可以猜五个答案，只要其中有一个判断跟标准答案相符合，就算正确。

　　从 2010 到 2011 年的两年里，ImageNet 比赛中最好成绩的判断错误率都在 26% 以上，但是到了 2012 年，错误率一下子下降到了 16%，从此之后就是直线下降。

　　到 2017 年，机器识别的错误率已经降到了 2.3% ——这个水平已经超过了人类。

　　那么 2012 年到底发生过什么，让人工智能技术突然出现了一次质的飞跃？

　　答案是 " 卷积网络 " 被发明出来了。

　　那一年 ImageNet 大赛的冠军，是一个来自多伦多大学的研究组，他们创造性的在传统的 " 输入层 " 和 " 输出层 " 之间加入了几个逻辑层 —— 也就是所谓的 " 卷积层 "。

　　这个研究团队让每一个卷积层只识别一种特定规模的图形模式，然后后面一层只需要在前面一层的基础上进行识别；这样做的好处是每一个神经元只需要处理一个很小区域的数据，且参数可以重复使用，这就大大减少了运算量。

　　在这个新模型中，那些只有一层卷积的结构被称为简单神经网络（左图）；而那些有多层卷积的，就叫做 " 深度学习 " 神经网络（右图）。

　　这个新算法是如此成功，以至于几乎是一夜之间，以深度学习为代表的神经网络派 " 咸鱼翻身，当家做主 "，从边缘 " 社会人 " 一下成为了正统主流派——今天几乎所有人工智能企业的底层技术构架，全部是继承于神经网络派的衣钵。

　　总的来说，这是一个来自社会边缘的 " 革命者 " 砸烂旧世界的励志故事。

　　而 " 卷积网络 " 和 " 深度学习 " 的横空出世，也让新技术的曙光照进现实，人类文明似乎踏上一条全新的进化之路。