09 技术奇点——人工智能的自我挑战（第3/3页）

图9-6 多粒度级联森林结构

资料来源：https://arxiv.org/pdf/1702.08835.pdf

表9-1 在人脸识别上的精确比较

表9-2 在GTZAN数据库中的测试精确度比较

资料来源：https://arxiv.org/pdf/1702.08835.pdf

据智库“新智元”向周志华教授了解，“深度森林”的方法论意义在于探索深度神经网络以外的算法可能。深度神经网络的有效运作，需要巨大的数据和计算能力，深度森林有可能提供新的选择。当然，深度森林依然向深度神经网络借鉴了关键思想，比如对特征的提取和构建模型的能力。所以，它依然是深度学习的一个新颖分支。

中国科学家在人工智能研究方面有很多世界领先的成果。我们认为，自信心与开放心态将是促进科学进步的重要动力。

如今，各大研究人工智能的科技公司都提倡共享算法代码。其中以谷歌的Tensorflow深度学习开源平台影响最广。但是很多深度学习科学家认为，从生态的角度考虑，应该有多个深度学习代码平台平行竞争才会有利于繁荣发展和平衡，不可垄为一尊。除了Caffe和Mxnet等深度学习开源平台外，百度在2016年9月开放了全新的PaddlePaddle深度学习开源平台，采用新架构，对序列输入、稀疏输入和大规模数据的模型训练有着良好的支持，同时支持GPU运算，支持数据并行和模型并行，仅需少量代码就能训练深度学习模型，大大降低了用户使用深度学习技术的成本。多元的共享平台支持机器学习工作者从不同角度训练和创造种种应用，仿佛生物多样性一样有助于人工智能的提升。

归根结底，即便在遥远的未来，人工智能真的能够强大到统治世界，那在这之前，所有的挑战也都是人类自身智慧的挑战。人工智能科学家身上闪烁的智慧之光，为后来者照亮了方向。即使非人工智能从业者，想必也能从中得到很多策略启发。

2017年初，AlphaGo的变身Master横扫中韩围棋顶级高手，一时间人们分化为悲观派、降临派、冷静派、脑洞派……我们希望有更多人是默默学习派。

[1] 摩尔定律是由英特尔（Intel）创始人之一戈登·摩尔（Gordon Moore）提出来的。其内容为：当价格不变时，集成电路上可容纳的元器件的数目，约每隔18~24个月便会增加一倍，性能也将提升一倍。

[2] http://tech.china.com/news/company/domestic/11066129/20141213/19102201.html.

[3] RDMA通过网络把数据从一个系统快速移动到远程系统存储器中，而不对操作系统造成影响，这样就不需要用到多少计算机的处理功能。它消除了外部存储器复制和文本交换操作，因而能解放内存带宽和CPU周期，改进应用系统性能。

[4] https://arxiv.org/pdf/1412.6572v3.pdf .

[5] http://www.kdnuggets.com/2015/01/deep-learning-flaws-universal-machinelearning.html.

[6] https://arxiv.org/pdf/1603.04904v2.pdf.

[7] 雷锋网：www.leiphone.com/news/201612/1KhB2H10bMc2a8hu.html.

[8] http://www.msra.cn/zh-cn/news/blogs/2016/12/dual-learning-20161207.aspx.