Page 119 - 基于深度学习的人工智能技术研究
P. 119
第四章 深度学习下的人工智能技术
第四章 深度学习下的人工智能技术
第一节 深度学习赋能人工智能
虽然从底层技术看，ChatGPT 并不算创新，但其社会影响远远超出了预期。
这款由美国人工智能公司 OpenAI 开发的聊天机器人，2022 年 11 月推出后火遍
全球，成为史上增长最快的消费者应用程序。让机器和真人自由对话，一直是人
工智能领域的重要目标之一。ChatGPT 的爆火背后，其实是深度学习技术的十年
发展。
在百度 Create AI 开发者大会上，深度学习技术及应用国家工程研究中心主
任、百度首席技术官王海峰表示，当前规模化的 AI 大生产已然形成，深度学习
逐渐在技术、生态、产业等多个维度成熟，人工智能的技术创新和产业发展，进
入“深度学习 +”阶段。
要了解“深度学习 +”，首先要了解什么是深度学习。基于神经网络算法的
深度学习，它的“深”，是相较于传统机器学习算法而言。虽然传统机器学习算
法在指纹识别、人脸检测等领域的应用基本达到了商业化要求，但要“再进一步”
却很难，直到深度学习算法出现。深度学习属于无监督学习，不需要通过人工方
式进行样本标注，就能自动完成学习。需要指出的是，深度学习十分依赖硬件设施，
因为它需要的计算量实在太大，且需要花费大量时间以及大量数据来进行训练。
一项技术能够将它的触角延伸至各行各业，靠的是其底层通用性。“深度学
习具有很强的通用性，呈现出标准化、自动化和模块化的工业大生产特征。”王
海峰从更具广泛支撑价值的角度指出，规模化的 AI 大生产已形成。人工智能的
技术创新和产业发展，进入“深度学习 +”阶段。深度学习让机器同时从海量数
据和大规模知识中融合学习，效果更好、效率更高。例如，百度研制的文心产业
级知识增强大模型，具备跨模态、跨语言的深度语义理解与生成能力，可应用于
搜索、信息流、智能音箱等互联网产品，并通过飞桨深度学习平台赋能制造、能
源、金融、通信、媒体等各行各业。芯片、深度学习框架、模型及应用构成了深
111
