人工智能進入“深度學習+”階段

　　雖然從底層技術看，ChatGPT并不算創新，但其社會影響遠遠超出了預期。這款由美國人工智能公司OpenAI開發的聊天機器人，2022年11月推出后火遍全球，成為史上增長最快的消費者應用程序。

　　讓機器和真人自由對話，一直是人工智能領域的重要目標之一。ChatGPT的爆火背后，其實是深度學習技術的十年發展。

　　不久前，在百度Create AI開發者大會上，深度學習技術及應用國家工程研究中心主任、百度首席技術官王海峰表示，當前規模化的AI大生產已然形成，深度學習逐漸在技術、生態、產業等多個維度成熟，人工智能的技術創新和產業發展，進入“深度學習+”階段。

　　深度學習讓AI應用領域再進一步

　　要了解“深度學習+”，首先要了解什么是深度學習。

　　基于神經網絡算法的深度學習，它的“深”，是相較于傳統機器學習算法而言。

　　雖然傳統機器學習算法在指紋識別、人臉檢測等領域的應用基本達到了商業化要求，但要“再進一步”卻很難，直到深度學習算法出現。

　　深度學習屬于無監督學習，不需要通過人工方式進行樣本標注，就能自動完成學習。需要指出的是，深度學習十分依賴硬件設施，因為它需要的計算量實在太大，且需要花費大量時間以及大量數據來進行訓練。

　　一項技術能夠將它的觸角延伸至各行各業，靠的是其底層通用性。

　　“深度學習具有很強的通用性，呈現出標準化、自動化和模塊化的工業大生產特征。”王海峰從更具廣泛支撐價值的角度指出，規模化的AI大生產已形成。人工智能的技術創新和產業發展，進入“深度學習+”階段。

　　深度學習促進各行業加速發展

　　深度學習讓機器同時從海量數據和大規模知識中融合學習，效果更好、效率更高。例如，百度研制的文心產業級知識增強大模型，具備跨模態、跨語言的深度語義理解與生成能力，可應用于搜索、信息流、智能音箱等互聯網產品，并通過飛槳深度學習平臺賦能制造、能源、金融、通信、媒體等各行各業。

　　芯片、深度學習框架、模型及應用構成了深度學習良性生態，使得應用需求和反饋傳遞到深度學習技術的各個環節，各環節持續迭代優化，加速AI技術創新和產業發展。此外，生態中的產學研用各方，也在攜手培養人工智能人才。

　　各行各業應用深度學習技術降本增效，創新產品和業務加快產業智能化進程，努力實現高質量增長。我國的產業體系品類齊全、體量龐大，深度學習驅動的人工智能創新應用，有助于形成產業良性循環，促進底層技術突破，加快現代化產業體系升級。比如，智能交通中“智能調度系統”，就是深度學習+交通融合創新的智能應用。城市交通復雜多變，缺乏全局感知數據，難以全域協同控制。應用深度學習技術，可實現對整個區域交通流量的全局調控，最大限度地減少各方向綠燈的空放，減緩道路擁堵，節省出行時間。