人工智能：每个领域都有自己的发展规律

讲人工智能的发展的时候，很多人通常会拿出这么一张图，来说明人工智能的三个发展阶段。

但从我的角度来说，整体上要把人工智能归结成这样的一个或几个阶段是不负责任的。

因为人工智能的每个垂直领域都有它自己的发展规律，人工智能的发展其实是一个百花齐放的过程，各个行业都有自己垂直领域的发展规划。

只是到了今天，它有了一个很大的差别，过去每一个行业分别有不同的技术路线，现在会被数据驱动的方法所统一，而数据驱动方法的背后就是深度学习。

Deep Learning

深度学习：它是一种表达的复用

因为有了深度学习之后，一些看似完全不相关的行业被整体规划起来了。

在十年前，几乎没人承认自己做的方向叫人工智能，十多年之后很多行业就被人工智能化了。

很多人会问，深度学习到底是一个什么内容？

从我的理解它就是一种表达的复用，它是每一层都是一个计算单元，把单元累积起来的时候，它能够形成一个更好的表达模式。

那深度学习到底是学什么，我用一个研究人员的比喻，所谓AI就是对未来世界的一个预测，这个事情就相当于，是我要把事情记下来之后，我才能预测。

某种意义上深度学习就是抽象记忆的网络，它可以看成是一个剪纸的过程，比如平时我要剪纸，我可能用张纸先把它剪下来，那这样剪纸很依赖，依赖什么呢？

第一， 我对于现实世界的理解；第二，依赖于我的手工能力。

在很多情况下，它没有办法真正用到这个数据的全局化的特征，因为剪的特别好的人可以把左右减的比较对称。

但是如果剪的不好的人，可能基本上剪出来别人看不出来这是个对称的结构。

现实生活当中也是有这样的情况，非常多的数据里面有一些全局化的特征。例如视频，前后桢的关系。

那为什么是全局概念？因为它有一个全局特征的表述，那么在这个过程当中，就有另外一种模式，我先观测这些数据，观测到这个数据之间有些关系。

之后我就通过折纸的方法来做表述，每多折一层，就相当于深度学习的多一层，也就是表达能够复用。

机器视觉：人工智能当中不可或缺的一个主要的因素

对于人工智能，我们做的机器视觉到底有哪几部分？从我角度来看，我们是让机器看清并且看懂世界。

机器视觉分为成像、感知、识别、理解这几个大的模块。

那很多对机器视觉不是特别理解，举一个简单的例子，在这么小的图片上，大家能够看清这些图片上的人物的表情到底是开心的还是不开心吗？

很多人都说是开心的。

这个非常不容易，就这么小的表情，大家都能看清楚，她是开心的。这说明人是有一个比较强的感知能力，我们放大了再看看，是不是都觉得她不是很开心了。

为什么会有这么大的差异？其实这是机器把一个高频和低频的信息融合，然后高频的时候小图当中的响应，低频的时候在大图当中的响应，所以它可以制造出来，让你感觉到“是这样，其实是那样”的一个图。

但是反过头来，它解释了咱们计算机视觉里面的两件事情：一件那就是把图片看清，第二件就是把图片看懂。所以从看、识别到理解这个过程，解决的是一个视觉的链条。

另外还有很多人问，机器能不能有一些更艺术性的表现？

我们来做一次比较，我搜索一个很著名的植物，在南方这叫朱槿，也被称为大红花。我们机器可以画成这个样子，水分晕彩的感觉。

再来讲一些好玩的例子。这张图就我小时候一直觉得看不懂，到底发生什么事情，以为是经过photoshop的，实际上它没有，这个叫Ames room的一个幻觉。

它是利用近大远小的关系，然后有一个人靠的比较近，另一个靠得比较远，所以它是自然形成这样的一个关系。

可能第一次看的时候，很多人都会被这张照片欺骗，但机器它可以说完完全全地看到这里面的深度的变化。单张图片从细节找到它的深度变化，从而进行这样的一些识别分析。

所以说从某种角度，机器在一些任务上，它可以做到超越人的感知。除此之外说有了这样的深度时候，我们还可以做一些3D的交互和视频的理解等。

再讲一个比较有意思的例子，如果用一句话描述这小鸟的情况，白色胸部浅色头部黑色翅膀和尾巴，很多人都觉得应该是挺准确的。

但是这个过程是我们先给字，在生成鸟，世界上根本不存在图中这些鸟，它是无中生有的。这种技术可以带来很多新的应用，我们说技术突破，原创技术在于说你可以做一些事情，超过我们现在想象。

那这就是我们常说的根据智能语言自然生成图像StackGAN算法。