Google 的 deep learning 系統與自動化的未來

日前的一篇報導「能自行總結出「貓」這個概念的深度學習系統」，簡單的介紹了 Google 在做的 deep learning 系統，可以「不必人去教電腦，電腦就可以自行產生概念」。

人工智慧（Artificial Intelligence, AI）這個研究領域，大概在有電腦之前就存在了。早期一直是「規則」（ rule-based，或者「演算法」 algorithm）的思維，認為所謂的「知識」，是一大堆「如果─就─」規則的組合，而這些規則需要人的智慧來發掘，然後教給電腦。

一直到了80年代末期，基於「統計」的機器學習（machine learning）想法才慢慢浮上檯面。如果去問一些資深學者，還有很多人會振振有詞的說「機器學習不是演算法！」，因為在這個架構下，規則是電腦自己從資料裡去學的，人做的是「準備資料」跟「設計讓電腦怎麼學」，感覺上人的不可取代性就降低了。然而在實務應用上的成功，讓機器學習普遍的運用在各種領域，語音辨識、影像辨識、機器翻譯...，巨資料的商業化應用，背後很大的成份，分析，也是要倚賴機器學習。

Google 算是把機器學習商業化最成功的公司，這個領域的最前線大概也是靠他們推動了。

或許有人會問，Google 做這個要幹嘛？

如果我們想像的未來當中，包括能夠自動幫我們整理東西的電子產品，那麼 deep learning 就是不可或缺的基礎元件：電腦學會了自行分類、形成概念，那麼你上傳到 Picasa （或是你的 Android 手機自動備份到 Google+）的照片，以後就會依照主題自動整理好，而不必有任何人去看你的照片內容。

然後呢，電腦會慢慢的「理解」你的狀態和習性，context aware computing 在 convenience 跟 creepy 之間的界線會越來越模糊。