在澳大利亚西海岸，阿曼达·霍奇森（Amanda Hodgson）正在向印度洋投放无人机，从空中俯拍海面，以便寻找珀斯湾里的海牛，从而保护这种濒临灭绝的海洋哺乳动物。

不过麻烦的是，霍奇森和她的团队没有充足的时间来筛查所有的航拍照片，因为照片实在太多（大约有4.5万张）。而且没有受过专门训练的人很难发现照片中的海牛。于是，她把这项工作交给了深度神经网络去完成。

深度学习正在重塑谷歌、Facebook、微软和亚马逊。

神经网络是一种机器学习模型，它不仅能够识别你发布在社交平台上各种照片中的人脸，还能理解你提出的问题，并轻松进行网络搜索。

神经网络算法大致上按照人脑的神经元网络建模，再通过扫描分析大量的数据，从而学会执行不同的任务。

澳大利亚莫道克大学的海洋生物学家霍奇森正是利用这项技术，在数万张开阔水域的照片中寻找海牛。目前，她在由谷歌开发的开源深度学习系统TensorFlow上运行这一神经网络。

霍奇森说，想要从照片中识别出海牛，必须要十分眼尖才行，主要因为这些动物通常在海面下进食。“它们看起来像是白色的浪花或者反射光。”她说。但现在，神经网络能够识别出珀斯湾里的海牛，其准确率达到80%左右。

虽然基于神经网络的深度学习技术还处于发展初期，但这并不能掩盖其过去一年在世界范围内带来的轰动和影响。其中，最引人注目的莫过于今年3月那场轰动世界的“人机大战”，人工智能AlphaGo以4:1的大比分击败了顶尖围棋高手李世石。

深度学习不再是无足轻重的研究。继这场博弈之后，谷歌、Facebook、微软和亚马逊这些互联网科技巨头们通过开源平台和云计算服务将这一人类科技的结晶迅速传播到世界各地。

新的机器翻译

在过去几年中，Google Photos等应用通过神经网络技术对其图像识别功能进行了改善，并将Google Now和Microsoft Cortana等智能机器助理的语音识别精度提升到一个新的高度。今年，他们实现了机器翻译质量的巨大跨越，可以自动将语音从一种语言翻译成另一种语言。

今年9月，谷歌推出了一项名为Google Neural Machine Translation（谷歌神经网络翻译）的新服务，据谷歌方面表示，这种新算法在进行某些语言之间翻译时，可以将误差率降低55%至85%。

谷歌通过将大量的现有翻译文本输入系统，以此来训练神经网络。其中既包括旧版Google Translate（谷歌翻译）中品质较低的翻译数据，也包括人类专家的翻译结果，并以这种高质量翻译数据居多。

对于深度学习算法而言，能够克服数据缺陷是它最大的魔力之一：只要给予的数据足够多，哪怕有些数据存在缺陷，它也可以被训练出远超低水平的翻译水准。

谷歌服务部门的首席工程师麦克·舒斯特（Mike Schuster）坦言，这项服务远远称不上完美，但它仍然代表了一次突破。

由于该服务完全基于深度学习，因此谷歌可以更轻松地开展相关的改进服务。它可以集中精力把系统作为一个整体去改进，而不是像老式机器翻译服务那样，只能调整其中的一部分。

与此同时，微软也在朝同一个方向努力。今年12月，微软发布了Microsoft Translator（微软翻译），这款应用程序可以支持9种不同语言的实时翻译。

负责人工智能（AI）研发部门的微软副总裁沈向洋表示，这个新系统几乎完全基于神经网络。这意味着，微软的机器翻译水平可能会更快地提高。

新的聊天机器人

2016年，深度学习技术还进入了聊天机器人领域。其中最引人注目的便是谷歌在今年秋天发布的Google Allo，它基于一种名为“Smart Reply”（智能回复）的谷歌早期技术，可以自动为您分析收到的文本和照片，并立即建议应该如何答复对方。

这项技术一经问世便广受好评，这很大程度上是因为它尊重了当前机器学习技术的局限性。Allo建议的回复内容往往简短幽默，而且程序经常提供不止一个建议，因为谷歌也知道目前的AI也并不总能把事情做对。

在Allo内部，神经网络技术也能响应你对谷歌搜索引擎提出的问题。它们会帮助谷歌搜索助手了解您的需求，，并提供答案。

谷歌研发产品经理大卫·奥尔（David Orr）说，如果没有深度学习技术，Allo不可能知道如何回答。“你需要使用神经网络，甚至可以说这是我们找到的唯一方法。我们必须使用我们拥有的所有最先进的技术。”

现在，对于神经网络技术而言，其实距离真正的人机对话还很遥远，这种聊天机器人仍有很长的路要走。但是，谷歌、Facebook等机构的研究人员正在更深入地探索深度学习技术，以帮助达到这个崇高的目标。

真正意义上的人机对话将成为下一个前沿领域。

新的数据中心

今年夏天，继AlphaGo征服围棋之后，戴米斯·哈萨比斯（Demis Hassabis）和他的谷歌DeepMind实验室又宣布，他们打造了一种全新AI系统——它使用深度强化学习技术可以帮助操作谷歌全球计算机数据中心网络。

这套AI系统知道何时应打开位于数据中心的数千台服务器中的散热风扇，并根据需要打开数据中心窗户以进行额外冷却，甚至还能决定何时需要打开室内空调。总之，它控制着每个数据中心内的120多项功能。

彭博社报道称，这种AI系统非常有效，可以为谷歌每年节省数亿美元开支。2014年时，谷歌以大约6.5亿美元收购DeepMind，如今看来，也算是物有所值了。

目前，DeepMind计划在这些数据中心里安装更多的传感器，以便收集更多数据，训练该AI系统达到更高的水平。

新的云服务

互联网巨头不仅把深度学习技术用于自己的产品，它们还把这项技术交给其他人。2015年年底，谷歌发布开源人工智能学习平台TensorFlow。

在过去一年，这款一度只掌握在一家之手的软件传播世界各地，一直传到像阿曼达·霍奇森教授这样有需要的人手中。

同时，谷歌、微软和亚马逊开始通过云计算服务提供他们的深度学习技术，让任何程序员或公司都可以使用这些技术来打造自己的应用程序。人工智能作为一项服务或许将成为这三家互联网巨头的最大业务。

随着AI的发展，计算机科学家的角色正在改变。

今年以来，这一新兴市场的井喷式发展也引发了AI人才抢夺大战。谷歌聘请了斯坦福大学的华人女教授、AI专家李飞飞，担任谷歌云计算机器学习负责人，她的加入让谷歌在机器学习和人工智能上有了新布局。亚马逊则聘请了卡内基梅隆大学教授亚历克斯·斯摩纳（Alex Smolna），让他在亚马逊云计算帝国中扮演类似的角色。

科技巨头竭尽全力招揽AI人才，没有为其他公司留下多少机会。所幸，他们竞争产生的研究成果都会为公众所用，这倒不是坏事。

随着AI的演变，计算机科学家的角色也正在发生改变。

传统的只会写代码的程序猿们也许将慢慢变得没那么重要，而越来越多的需要那些可以训练神经网络的科学家们，后者所需的技能非同以往。

与自己开发东西相比，它更类似于诱导数据产生想要的结果，而不是独自造东西。谷歌、Facebook等公司不仅积极招揽新型人才，并且也在着重培养员工这方面的能力。在未来，AI将会在每个人生活中重新定义科技。