LSTM之父最新長文：現(xiàn)代AI和深度學(xué)習(xí)發(fā)展史

【導(dǎo)讀】最近，LSTM之父Jürgen Schmidhuber梳理了17世紀(jì)以來人工智能的歷史。在這篇萬字長文中，Schmidhuber為讀者提供了一個大事年表，其中包括神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、人工智能等領(lǐng)域的重要事件，以及那些為AI奠定基礎(chǔ)的科學(xué)家們。

Annotated History of Modern AI and Deep Learning

https://people.idsia.ch/~juergen/deep-learning-history.html

論文：https://arxiv.org/abs/2212.11279

「人工智能」一詞，首次在1956年達(dá)特茅斯會議上，由約翰麥卡錫等人正式提出。

實用AI地提出，最早可以追溯到1914年。當(dāng)時Leonardo Torres y Quevedo構(gòu)建了第一個工作的國際象棋機(jī)器終端游戲玩家。當(dāng)時，國際象棋被認(rèn)為是一種僅限于智能生物領(lǐng)域的活動。

至于人工智能理論，則可以追溯到1931-34年。當(dāng)時庫爾特·哥德爾（Kurt G?del ）確定了任何類型的基于計算的人工智能的基本限制。

時間來到1980年代，此時的AI歷史會強(qiáng)調(diào)定理證明、邏輯編程、專家系統(tǒng)和啟發(fā)式搜索等主題。

2000年代初期的AI歷史會更加強(qiáng)調(diào)支持向量機(jī)和內(nèi)核方法等主題。貝葉斯推理（Bayesian reasoning）和其他概率論和統(tǒng)計概念、決策樹、 集成方法、群體智能和進(jìn)化計算，此類技術(shù)推動了許多成功的AI應(yīng)用。

2020年代的AI研究反而更加「復(fù)古」，比如強(qiáng)調(diào)諸如鏈?zhǔn)椒▌t和通過梯度下降（gradient descent）訓(xùn)練的深度非線性人工神經(jīng)網(wǎng)絡(luò)，特別是基于反饋的循環(huán)網(wǎng)絡(luò)等概念。

Schmidhuber表示，這篇文章對之前具有誤導(dǎo)性的「深度學(xué)習(xí)歷史」進(jìn)行糾正。在他看來，之前的深度學(xué)習(xí)史忽略了文章中提到的大部分開創(chuàng)性工作。

此外，Schmidhuber還駁斥了一個常見的錯誤，即神經(jīng)網(wǎng)絡(luò)「作為幫助計算機(jī)識別模式和模擬人類智能的工具是在1980年代引入的」。因為事實上，神經(jīng)網(wǎng)絡(luò)早在80年代前就已出現(xiàn)。

一、1676年：反向信用分配的鏈?zhǔn)椒▌t

1676年，戈特弗里德·威廉·萊布尼茨（Gottfried Wilhelm Leibniz）在回憶錄中發(fā)表了微積分的鏈?zhǔn)椒▌t。如今，這條規(guī)則成為了深度神經(jīng)網(wǎng)絡(luò)中信用分配的核心，是現(xiàn)代深度學(xué)習(xí)的基礎(chǔ)。

神經(jīng)網(wǎng)絡(luò)具有計算來自其他神經(jīng)元的輸入的可微函數(shù)的節(jié)點或神經(jīng)元，這些節(jié)點或神經(jīng)元又計算來自其他神經(jīng)元的輸入的可微函數(shù)。如果想要知道修改早期函數(shù)的參數(shù)或權(quán)值后，最終函數(shù)輸出的變化，就需要用到鏈?zhǔn)椒▌t。

這個答案也被用于梯度下降技術(shù)。為了教會神經(jīng)網(wǎng)絡(luò)將來自訓(xùn)練集的輸入模式轉(zhuǎn)換為所需的輸出模式，所有神經(jīng)網(wǎng)絡(luò)權(quán)值都朝著最大局部改進(jìn)的方向迭代改變一點，以創(chuàng)建稍微更好的神經(jīng)網(wǎng)絡(luò)，依此類推，逐漸靠近權(quán)值和偏置的最佳組合，從而最小化損失函數(shù)。

值得注意的是，萊布尼茨也是第一個發(fā)現(xiàn)微積分的數(shù)學(xué)家。他和艾薩克·牛頓先后獨立發(fā)現(xiàn)了微積分，而且他所使用的微積分的數(shù)學(xué)符號被更廣泛的使用，萊布尼茨所發(fā)明的符號被普遍認(rèn)為更綜合，適用范圍更加廣泛。

此外，萊布尼茨還是「世界上第一位計算機(jī)科學(xué)家」。他于1673年設(shè)計了第一臺可以執(zhí)行所有四種算術(shù)運算的機(jī)器，奠定了現(xiàn)代計算機(jī)科學(xué)的基礎(chǔ)。

二、19世紀(jì)初：神經(jīng)網(wǎng)絡(luò)、線性回歸與淺層學(xué)習(xí)

1805 年，阿德利昂·瑪利·?！だ兆尩拢?a target="_blank">Adrien-Marie Legendre）發(fā)表了現(xiàn)在通常稱為線性神經(jīng)網(wǎng)絡(luò)的內(nèi)容。

后來，約翰·卡爾·弗里德里?！じ咚梗↗ohann Carl Friedrich Gauss）也因類似的研究而受到贊譽(yù)。

這個來自2個多世紀(jì)前的神經(jīng)網(wǎng)絡(luò)有兩層：一個具有多個輸入單元的輸入層和一個輸出層。每個輸入單元都可以保存一個實數(shù)值，并通過具有實數(shù)值權(quán)值的連接連接到輸出。

神經(jīng)網(wǎng)絡(luò)的輸出是輸入與其權(quán)值的乘積之和。給定輸入向量的訓(xùn)練集和每個向量的期望目標(biāo)值，調(diào)整 權(quán)值，使神經(jīng)網(wǎng)絡(luò)輸出與相應(yīng)目標(biāo)之間的平方誤差之和最小化。

當(dāng)然，那時候這還不叫神經(jīng)網(wǎng)絡(luò)。它被稱為最小二乘法（least squares），也被廣泛稱為線性回歸。但它在數(shù)學(xué)上與今天的線性神經(jīng)網(wǎng)絡(luò)相同：相同的基本算法、相同的誤差函數(shù)、相同的自適應(yīng)參數(shù)/權(quán)值。

這種簡單的神經(jīng)網(wǎng)絡(luò)執(zhí)行「淺層學(xué)習(xí)」，與具有許多非線性層的「深度學(xué)習(xí)」相反。事實上，許多神經(jīng)網(wǎng)絡(luò)課程都是從介紹這種方法開始的，然后轉(zhuǎn)向更復(fù)雜、更深入的神經(jīng)網(wǎng)絡(luò)。

當(dāng)今，所有技術(shù)學(xué)科的學(xué)生都必須上數(shù)學(xué)課，尤其是分析、線性代數(shù)和統(tǒng)計學(xué)。在所有這些領(lǐng)域中，許多重要的結(jié)果和方法都要歸功于高斯：代數(shù)基本定理、高斯消元法、統(tǒng)計的高斯分布等。

這位號稱「自古以來最偉大的數(shù)學(xué)家」的人也開創(chuàng)了微分幾何、數(shù)論（他最喜歡的科目）和非歐幾何。如果沒有他的成果，包括AI在內(nèi)的現(xiàn)代工程將不可想象。

三、1920-1925年：第一個循環(huán)神經(jīng)網(wǎng)絡(luò)

與人腦相似，循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）具有反饋連接，因此可以遵循從某些內(nèi)部節(jié)點到其他節(jié)點的定向連接，并最終在起點處結(jié)束。這對于在序列處理期間實現(xiàn)對過去事件的記憶至關(guān)重要。

物理學(xué)家恩斯特·伊辛（Ernst Ising）和威廉·楞次（Wilhelm Lenz）在 1920 年代引入并分析了第一個非學(xué)習(xí)RNN架構(gòu)：伊辛模型（Ising model）。它根據(jù)輸入條件進(jìn)入平衡狀態(tài)，是第一個RNN學(xué)習(xí)模型的基礎(chǔ)。 1972 年，甘利俊一（Shun-Ichi Amari）使伊辛模型循環(huán)架構(gòu)具有自適應(yīng)性，可以通過改變其連接權(quán)值來學(xué)習(xí)將輸入模式與輸出模式相關(guān)聯(lián)。這是世界上第一個學(xué)習(xí)型RNN。

目前，最流行的RNN就是Schmidhuber提出的長短期記憶網(wǎng)絡(luò)LSTM。它已經(jīng)成為20世紀(jì)被引用最多的神經(jīng)網(wǎng)絡(luò)。

四、1958年：多層前饋神經(jīng)網(wǎng)絡(luò)

1958年，弗蘭克·羅森布拉特（Frank Rosenblatt）結(jié)合了線性神經(jīng)網(wǎng)絡(luò)和閾值函數(shù)，設(shè)計出了更深層次的多層感知器 （MLP）。

多層感知器遵循人類神經(jīng)系統(tǒng)原理，學(xué)習(xí)并進(jìn)行數(shù)據(jù)預(yù)測。它首先學(xué)習(xí)，然后使用權(quán)值存儲數(shù)據(jù)，并使用算法來調(diào)整權(quán)值并減少訓(xùn)練過程中的偏差，即實際值和預(yù)測值之間的誤差。

由于多層前饋網(wǎng)絡(luò)的訓(xùn)練經(jīng)常采用誤差反向傳播算法，在模式識別的領(lǐng)域中算是標(biāo)準(zhǔn)監(jiān)督學(xué)習(xí)算法，并在計算神經(jīng)學(xué)及并行分布式處理領(lǐng)域中，持續(xù)成為被研究的課題。

五、1965年：第一個深度學(xué)習(xí)

深度前饋網(wǎng)絡(luò)架構(gòu)的成功學(xué)習(xí)始于1965年的烏克蘭，當(dāng)時Alexey Ivakhnenko和Valentin Lapa為具有任意多個隱藏層的深度MLP引入了第一個通用的工作學(xué)習(xí)算法。

給定一組具有相應(yīng)目標(biāo)輸出向量的輸入向量訓(xùn)練集，層逐漸增長并通過回歸分析進(jìn)行訓(xùn)練，然后借助單獨的驗證集進(jìn)行修剪，其中正則化用于清除多余的單元。層數(shù)和每層單元以問題相關(guān)的方式學(xué)習(xí)。

與后來的深度神經(jīng)網(wǎng)絡(luò)一樣，Ivakhnenko的網(wǎng)絡(luò)學(xué)會了為傳入數(shù)據(jù)創(chuàng)建分層的、分布式的、內(nèi)部表示。

他沒有稱它們?yōu)樯疃葘W(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，但它們就是這樣。事實上，「深度學(xué)習(xí)」這個術(shù)語最早是由Dechter于1986年引入機(jī)器學(xué)習(xí)的，而Aizenberg等人在2000則引入了「神經(jīng)網(wǎng)絡(luò)」的概念。

六、1967-68年：隨機(jī)梯度下降

1967年，甘利俊一首次提出通過隨機(jī)梯度下降 （SGD）訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

甘利俊一與他的學(xué)生Saito在具有兩個可修改層的五層MLP中學(xué)習(xí)了內(nèi)部表示，該層被訓(xùn)練用于對非線性可分離模式類進(jìn)行分類。

Rumelhart和Hinton等人在1986年做出了類似的工作，并將其命名為反向傳播算法。

七、1970年：反向傳播算法

1970 年，Seppo Linnainmaa率先發(fā)表了反向傳播的算法，這是一種著名的可微節(jié)點網(wǎng)絡(luò)信用分配算法，也稱為「自動微分的反向模式」。

Linnainmaa首次描述了在任意、離散的稀疏連接情況下的類神經(jīng)網(wǎng)絡(luò)的高效誤差反向傳播方式。它現(xiàn)在是廣泛使用的神經(jīng)網(wǎng)絡(luò)軟件包的基礎(chǔ)，例如PyTorch和谷歌的Tensorflow。

反向傳播本質(zhì)上是為深度網(wǎng)絡(luò)實施萊布尼茨鏈?zhǔn)椒▌t的有效方式。柯西（Cauchy）提出的梯度下降在許多試驗過程中使用它逐漸削弱某些神經(jīng)網(wǎng)絡(luò)連接并加強(qiáng)其他連接。

1985年，計算成本已比1970年減少約1，000倍，當(dāng)臺式計算機(jī)剛剛在富裕的學(xué)術(shù)實驗室中普及時，David Rumelhart等人對已知方法進(jìn)行實驗分析。

通過實驗，魯姆哈特等人證明反向傳播可以在神經(jīng)網(wǎng)絡(luò)的隱藏層中產(chǎn)生有用的內(nèi)部表示。至少對于監(jiān)督學(xué)習(xí)，反向傳播通常比甘利俊一通過SGD方法進(jìn)行的上述深度學(xué)習(xí)更有效。

2010年之前，許多人認(rèn)為訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)需要無監(jiān)督預(yù)訓(xùn)練。2010年，Schmidhuber的團(tuán)隊與Dan Ciresan表明深度FNN可以通過簡單的反向傳播進(jìn)行訓(xùn)練，并且根本不需要對重要應(yīng)用進(jìn)行無監(jiān)督預(yù)訓(xùn)練。

八、1979年：首個卷積神經(jīng)網(wǎng)絡(luò)

1979年，福島邦彥（Kunihiko Fukushima）在STRL開發(fā)了一種用于模式識別的神經(jīng)網(wǎng)絡(luò)模型：Neocognitron。

但這個Neocognitron用今天的話來說，叫卷積神經(jīng)網(wǎng)絡(luò)（CNN），是深度神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)的最偉大發(fā)明之一，也是當(dāng)前人工智能的核心技術(shù)。

福島博士引入的Neocognitron，是第一個使用卷積和下采樣的神經(jīng)網(wǎng)絡(luò)，也是卷積神經(jīng)網(wǎng)絡(luò)的雛形。

福島邦彥設(shè)計的具有學(xué)習(xí)能力的人工多層神經(jīng)網(wǎng)絡(luò)，可以模仿大腦的視覺網(wǎng)絡(luò)，這種「洞察力」成為現(xiàn)代人工智能技術(shù)的基礎(chǔ)。福島博士的工作帶來了一系列實際應(yīng)用，從自動駕駛汽車到面部識別，從癌癥檢測到洪水預(yù)測，還會有越來越多的應(yīng)用。

1987年，Alex Waibel將具有卷積的神經(jīng)網(wǎng)絡(luò)與權(quán)值共享和反向傳播相結(jié)合，提出了延時神經(jīng)網(wǎng)絡(luò)（TDNN）的概念。

1989年以來，Yann LeCun的團(tuán)隊為CNN的改進(jìn)做出了貢獻(xiàn)，尤其是在圖像方面。

2011年末，Schmidhuber的團(tuán)隊大大加快了深度CNN的訓(xùn)練速度，使其在機(jī)器學(xué)習(xí)社區(qū)中變得更加流行。團(tuán)隊推出基于GPU的CNN：DanNet，比早期的CNN更深入、運算更快。同年，DanNet成為第一個贏得計算機(jī)視覺競賽的純深度CNN。

由Microsoft Research的4位學(xué)者提出的殘差神經(jīng)網(wǎng)絡(luò)（ResNet），在2015年的ImageNet大規(guī)模視覺識別競賽拔得頭籌。

Schmidhuber 表示，ResNet是其團(tuán)隊研發(fā)的高速神經(jīng)網(wǎng)絡(luò)（Highway Net）的一個早期版本。相較于以前的神經(jīng)網(wǎng)絡(luò)最多只有幾十層，這是第一個真正有效的、具有數(shù)百層的深度前饋神經(jīng)網(wǎng)絡(luò)。

九、1987-1990年代：圖神經(jīng)網(wǎng)絡(luò)與隨機(jī)Delta法則

可以操縱結(jié)構(gòu)化數(shù)據(jù)（例如圖形）的深度學(xué)習(xí)架構(gòu)于1987年由Pollack提出，并在20世紀(jì)90年代初由 Sperduti、Goller和Küchler進(jìn)行擴(kuò)展和改進(jìn)。如今，圖神經(jīng)網(wǎng)絡(luò)被用于許多應(yīng)用程序中。

Paul Werbos和R. J. Williams等人分析了在RNN中實現(xiàn)梯度下降的方法。Teuvo Kohonen的自組織映射（Self-Organizing Map）也流行起來。

1990年，Stephen Hanson引入了隨機(jī)Delta法則，這是一種通過反向傳播訓(xùn)練神經(jīng)網(wǎng)絡(luò)的隨機(jī)方法。幾十年后，這個方法在「dropout」的綽號下流行起來。

十、1990年2月：生成式對抗網(wǎng)絡(luò)/好奇心

生成對抗網(wǎng)絡(luò)（GAN）最早于1990年在以「人工智能好奇心」為名發(fā)表。

兩個對抗的NN（一個概率生成器和一個預(yù)測器）試圖在一個最小極限游戲中使對方的損失最大化。其中：

生成器（稱為控制器）生成概率輸出（使用隨機(jī)單元，如后來的StyleGAN）。

預(yù)測器（稱為世界模型）看到控制器的輸出并預(yù)測環(huán)境對它們的反應(yīng)。使用梯度下降法，預(yù)測器NN將其誤差最小化，而生成器NN試圖這個誤差最大化——一個網(wǎng)的損失就是另一個網(wǎng)絡(luò)的收益。

在2014年關(guān)于GAN的論文之前4年，Schmidhuber就在著名的2010年調(diào)查中，將1990年的生成式對抗NN總結(jié)如下：「作為預(yù)測世界模型的神經(jīng)網(wǎng)絡(luò)被用來最大化控制器的內(nèi)在獎勵，它與模型的預(yù)測誤差成正比」。

而之后發(fā)布的GAN，只是一個實例。其中，試驗非常短，環(huán)境只是根據(jù)控制器（或生成器）的輸出是否在一個給定的集合中而返回1或0。

1990年的原理被廣泛用于強(qiáng)化學(xué)習(xí)的探索和現(xiàn)實圖像的合成，盡管后者的領(lǐng)域最近被Rombach等人的Latent Diffusion接替。

1991年，Schmidhuber發(fā)表了另一個基于兩個對抗性NN的ML方法，稱為可預(yù)測性最小化，用于創(chuàng)建部分冗余數(shù)據(jù)的分離表征，1996年應(yīng)用于圖像。

十一、1990年4月：生成子目標(biāo)/按指令工作

近幾個世紀(jì)以來，大多數(shù)NN都致力于簡單的模式識別，而不是高級推理。

然而，在20世紀(jì)90年代初，首次出現(xiàn)了例外。這項工作將傳統(tǒng)的「符號」層次式人工智能的概念注入到端到端的可區(qū)分的「次符號」（sub-symbolic）NN中。

1990年，Schmidhuber團(tuán)隊的NN學(xué)會了用端到端可微分NN的子目標(biāo)生成器來生成層次化的行動計劃，用于層次化強(qiáng)化學(xué)習(xí)（HRL）。

一個RL機(jī)器得到額外的命令輸入，其形式為（開始，目標(biāo)）。一個評估器NN學(xué)習(xí)預(yù)測從開始到目標(biāo)的當(dāng)前獎勵/成本。一個基于（R）NN的子目標(biāo)生成器也看到了（開始，目標(biāo)），并使用評估器NN的（副本）通過梯度下降學(xué)習(xí)一連串成本最低的中間子目標(biāo)。RL機(jī)器試圖使用這種子目標(biāo)序列來實現(xiàn)最終目標(biāo)。

該系統(tǒng)在多個抽象層次和多個時間尺度上學(xué)習(xí)行動計劃，并在原則上解決了最近被稱為「開放性問題」的問題。

十二、1991年3月：具有線性自注意力的Transformer

具有「線性自注意力」的Transformer首次發(fā)表于1991年3月。

這些所謂的「快速權(quán)重程序員」（Fast Weight Programmers）或「快速權(quán)重控制器」（Fast Weight Controllers）就像傳統(tǒng)計算機(jī)一樣分離了存儲和控制，但以一種端到端差異化、自適應(yīng)，以及神經(jīng)網(wǎng)絡(luò)的方式。

此外，今天的Transformer大量使用無監(jiān)督預(yù)訓(xùn)練，這是Schmidhuber在1990-1991年首次發(fā)表的一種深度學(xué)習(xí)方法。

十三、1991年4月：通過自監(jiān)督的預(yù)訓(xùn)練進(jìn)行深度學(xué)習(xí)

今天最強(qiáng)大的NN往往是非常深的，也就是說，它們有很多層的神經(jīng)元或很多后續(xù)的計算階段。

然而，在20世紀(jì)90年代之前，基于梯度的訓(xùn)練對深度NN并不奏效（只對淺層NN有效）。

與前饋NN（FNN）不同的是，RNN有反饋連接。這使得RNN成為強(qiáng)大的、通用的、平行序列的計算機(jī)，可以處理任意長度的輸入序列（比如語音或者視頻）。

然而，在20世紀(jì)90年代之前，RNN在實踐中未能學(xué)習(xí)深層次的問題。

為此，Schmidhuber建立了一個自監(jiān)督的RNN層次結(jié)構(gòu)，來嘗試實現(xiàn)「通用深度學(xué)習(xí)」。

1991年4月：將一個NN蒸餾成另一個NN

通過使用Schmidhuber在1991年提出的NN蒸餾程序，上述神經(jīng)歷史壓縮機(jī)的分層內(nèi)部表征可以被壓縮成一個單一的遞歸NN（RNN）。

在這里，教師NN的知識被「蒸餾」到學(xué)生NN中，方法是訓(xùn)練學(xué)生NN模仿教師NN的行為（同時也重新訓(xùn)練學(xué)生NN，從而保證之前學(xué)到的技能不會被忘記）。NN蒸餾法也在許多年后被重新發(fā)表，并在今天被廣泛使用。

十四、1991年6月：基本問題——梯度消失

Schmidhuber的第一個學(xué)生Sepp Hochreiter在1991年的畢業(yè)論文中發(fā)現(xiàn)并分析了基本的深度學(xué)習(xí)問題。

深度NN受到現(xiàn)在著名的梯度消失問題的困擾：在典型的深度或遞歸網(wǎng)絡(luò)中，反向傳播的錯誤信號要么迅速縮小，要么超出界限增長。在這兩種情況下，學(xué)習(xí)都會失敗。

十五、1991年6月：LSTM/Highway Net/ResNet的基礎(chǔ)

長短期記憶（LSTM）遞歸神經(jīng)網(wǎng)絡(luò)克服了Sepp Hochreiter在上述1991年的畢業(yè)論文中指出的基本深度學(xué)習(xí)問題。

在1997年發(fā)表了經(jīng)同行評審的論文之后（現(xiàn)在是20世紀(jì)被引用最多的NN文章），Schmidhuber的學(xué)生Felix Gers和Alex Graves等人，進(jìn)一步改進(jìn)了LSTM及其訓(xùn)練程序。

1999-2000年發(fā)表的LSTM變體——帶有遺忘門的「vanilla LSTM架構(gòu)」，在如今谷歌的Tensorflow中依然還在應(yīng)用。

2005年，Schmidhuber首次發(fā)表了LSTM在時間上完全反向傳播和雙向傳播的文章（同樣也被廣泛使用）。

2006年一個里程碑式的訓(xùn)練方法是「聯(lián)結(jié)主義時間分類」（CTC），用于同時對齊和識別序列。

Schmidhuber的團(tuán)隊在2007年成功地將CTC訓(xùn)練的LSTM應(yīng)用于語音（也有分層的LSTM堆棧），第一次實現(xiàn)了卓越的端到端神經(jīng)語音識別效果。

2009年，通過Alex的努力，由CTC訓(xùn)練的LSTM成為第一個贏得國際比賽的RNN，即三個ICDAR 2009手寫比賽（法語、波斯語、阿拉伯語）。這引起了業(yè)界的極大興趣。LSTM很快被用于所有涉及序列數(shù)據(jù)的場合，比如語音和視頻。

2015年，CTC-LSTM的組合極大地改善了谷歌在安卓智能手機(jī)上的語音識別性能。直到2019年，谷歌在移動端搭載的語音識別仍然是基于LSTM。

1995年：神經(jīng)概率語言模型

1995年，Schmidhuber提出了一個優(yōu)秀的神經(jīng)概率文本模型，其基本概念在2003年被重新使用。

2001年，Schmidhuber表明LSTM可以學(xué)習(xí)HMM等傳統(tǒng)模型無法學(xué)習(xí)的語言。

2016年的谷歌翻譯，則是基于兩個連接的LSTM（白皮書提到LSTM超過50次），一個用于傳入文本，一個用于傳出翻譯。

同年，谷歌數(shù)據(jù)中心用于推理的超強(qiáng)計算能力中，有超過四分之一用于LSTM（還有5%用于另一種流行的深度學(xué)習(xí)技術(shù)，即CNN）。

到了2017年，LSTM還為Facebook的機(jī)器翻譯（每周超過300億次翻譯）、蘋果在大約10億部iPhone上的Quicktype、亞馬遜的Alexa的語音、谷歌的圖像標(biāo)題生成和自動電子郵件回答等提供支持。

當(dāng)然，Schmidhuber的LSTM也被大量用于醫(yī)療保健和醫(yī)療診斷——簡單的谷歌學(xué)術(shù)搜索就能找到無數(shù)標(biāo)題中帶有「LSTM」的醫(yī)學(xué)文章。

2015年5月，Schmidhuber團(tuán)隊基于LSTM原理提出了Highway Network，第一個具有數(shù)百層的非常深的FNN（以前的NN最多只有幾十層）。微軟的ResNet（贏得了ImageNet 2015比賽）便是它的一個版本。

早期Highway Net在ImageNet上的表現(xiàn)與ResNet大致相同。Highway Net的變體也被用于某些算法任務(wù)，在這些任務(wù)中，純殘差層的效果并不理想 。

LSTM/Highway Net原理是現(xiàn)代深度學(xué)習(xí)的核心

深度學(xué)習(xí)的核心是NN深度。

在20世紀(jì)90年代，LSTM為有監(jiān)督的遞歸NN帶來了基本無限的深度；在2000年，受LSTM啟發(fā)的Highway Net為前饋NN帶來了深度。

現(xiàn)在，LSTM已經(jīng)成為20世紀(jì)被引用最多的NN，而Highway Net的其中一個版本ResNet，則是21世紀(jì)被引用最多的NN。

十六、1980至今：在沒有老師的情況下學(xué)習(xí)行動的NNN

此外，NN也與強(qiáng)化學(xué)習(xí)（RL）有關(guān)。

雖然部分問題可以通過早在20世紀(jì)80年代之前發(fā)明的非神經(jīng)技術(shù)來解決。比如，蒙特卡洛樹搜索（MC）、動態(tài)規(guī)劃（DP）、人工進(jìn)化、α-β-剪枝、控制理論和系統(tǒng)識別、隨機(jī)梯度下降，以及通用搜索技術(shù)。但深度FNN和RNN可以為某些類型的RL任務(wù)帶來更好的效果。

一般來說，強(qiáng)化學(xué)習(xí)智能體必須學(xué)會如何在沒有老師的幫助下，與一個動態(tài)的、最初未知的、部分可觀察的環(huán)境互動，從而使預(yù)期的累積獎勵信號最大化。在行動和可感知的結(jié)果之間可能存在任意的、先驗的未知延遲。

當(dāng)環(huán)境有一個馬爾可夫接口，使RL智能體的輸入可以傳達(dá)確定下一個最佳行動所需的所有信息時，基于動態(tài)規(guī)劃（DP）/時序差分（TD）/蒙特卡洛樹搜索（MC）的RL會非常成功。

對于沒有馬爾可夫接口的更復(fù)雜的情況，智能體不僅要考慮現(xiàn)在的輸入，還要考慮以前輸入的歷史。對此，由RL算法和LSTM形成的組合已經(jīng)成為了一種標(biāo)準(zhǔn)方案，特別是通過策略梯度訓(xùn)練的LSTM。

例如，在2018年，一個經(jīng)過PG訓(xùn)練的LSTM是OpenAI著名的Dactyl的核心，它在沒有老師的情況下學(xué)會了控制一只靈巧的機(jī)器人手。

視頻游戲也是如此。

2019年，DeepMind（由Schmidhuber實驗室的一名學(xué)生共同創(chuàng)立）在《星際爭霸》游戲中擊敗了職業(yè)選手，其中用到的Alphastar，就是有一個由PG訓(xùn)練的深度LSTM核心。

與此同時，RL LSTM（占模型總參數(shù)數(shù)的84%）也是著名的OpenAI Five的核心，它在Dota 2中擊敗了專業(yè)的人類玩家。

RL的未來將是用復(fù)雜輸入流的緊湊時空抽象來學(xué)習(xí)/組合/規(guī)劃，也就是關(guān)于常識推理和學(xué)習(xí)思考。

Schmidhuber在1990-91年發(fā)表的論文中提出，自監(jiān)督的神經(jīng)歷史壓縮器，可以學(xué)習(xí)多層次的抽象和多時間尺度上的表征概念；而基于端到端的可區(qū)分NN的子目標(biāo)生成器，則可以通過梯度下降學(xué)習(xí)分層的行動計劃。

在隨后的1997年和2015-18年，更復(fù)雜的學(xué)習(xí)抽象思維的方法被發(fā)表。

十七、是硬件問題，呆子！

在過去的一千年里，如果沒有不斷改進(jìn)和加速升級的計算機(jī)硬件，深度學(xué)習(xí)算法不可能迎來重大突破。

我們第一個已知的齒輪計算設(shè)備是2000多年前古希臘的安提基特拉機(jī)械（Antikythera mechanism）。這是現(xiàn)今所知的最古老的復(fù)雜科學(xué)計算機(jī)，同時也是世界上第一臺模擬計算機(jī)。

而世界上第一臺實用的可編程機(jī)器，是古希臘機(jī)械學(xué)家海倫于公元1世紀(jì)發(fā)明的。

17世紀(jì)的機(jī)器變得更為靈活，可以根據(jù)輸入數(shù)據(jù)計算答案。

第一臺用于簡單算術(shù)的機(jī)械計算器由威廉·契克卡德（Wilhelm Schickard）于1623年發(fā)明制造。

1673年，萊布尼茨設(shè)計了第一臺可以執(zhí)行所有四種算術(shù)運算，并帶有內(nèi)存的機(jī)器。他還描述了由穿孔卡控制的二進(jìn)制計算機(jī)的原理并提出鏈?zhǔn)椒▌t，構(gòu)成了深度學(xué)習(xí)和現(xiàn)代人工智能的重要組成部分。

1800年左右，約瑟夫·瑪麗·雅卡爾 （Joseph Marie Jacquard） 等人在法國制造了第一臺首臺可設(shè)計織布機(jī)——雅卡爾織布機(jī)（Jacquard machine）。該發(fā)明對將來發(fā)展出其他可編程機(jī)器（例如計算機(jī)）起了重要作用。

他們啟發(fā)了阿達(dá)·洛芙萊斯（Ada Lovelace）和她的導(dǎo)師查爾斯·巴貝奇（Charles Babbage）發(fā)明了一臺現(xiàn)代電子計算機(jī)的前身：巴貝奇差分機(jī)。

在隨后的1843年，洛芙萊斯公布了世界上第一套計算機(jī)算法。

1914年，西班牙人Leonardo Torres y Quevedo成為20世紀(jì)第一位人工智能先驅(qū)，他創(chuàng)造了第一個國際象棋終端機(jī)器玩家。

1935年至1941年間，康拉德·楚澤（Konrad Zuse）發(fā)明了世界上第一臺可運行的可編程通用計算機(jī)：Z3。

與巴貝奇分析機(jī)不同，楚澤使用萊布尼茨的二進(jìn)制計算原理，而不是傳統(tǒng)的十進(jìn)制計算。這大大簡化了硬件的負(fù)荷。

1944年，霍華德·艾肯（Howard Aiken）帶領(lǐng)團(tuán)隊，發(fā)明世界上第一臺大型自動數(shù)字計算機(jī)Mark Ⅰ（馬克一號）。

1948年，弗雷德里克·威廉姆斯（Frederic Williams）、湯姆·基爾伯恩（Tom Kilburn）和杰夫·托蒂（Geoff Tootill）發(fā)明了世界第一臺電子存儲程序計算機(jī)：小型實驗機(jī) （SSEM），又被稱為「曼徹斯特寶貝」（Manchester Baby）。

「曼徹斯特寶貝」復(fù)制品

從那時起，計算機(jī)的運算在集成電路（IC）的幫助下變得更快。1949年，西門子的維爾納·雅各比（Werner Jacobi）申請了一項集成電路半導(dǎo)體專利，使一個公共基板可以有多個晶體管。

1958年，Jack Kilby展示了帶有外部導(dǎo)線的集成電路。1959年，羅伯特·諾伊斯 （Robert Noyce） 提出了單片集成電路。自上世紀(jì)70年代以來，圖形處理單元 （GPU） 已被用于通過并行處理來加速計算?，F(xiàn)在，計算機(jī)的GPU包含數(shù)十億個晶體管。

物理極限在哪里？

根據(jù)漢斯·約阿希姆·布雷默曼（Hans Joachim Bremermann）提出的布雷默曼極限，一臺質(zhì)量為1千克、體積為1升的計算機(jī)最多可以在最多10的32次方位上每秒執(zhí)行最多10的51次方操作。

然而，太陽系的質(zhì)量只有2x10^30千克，這一趨勢勢必會在幾個世紀(jì)內(nèi)打破，因為光速會嚴(yán)重限制以其他太陽系的形式獲取額外質(zhì)量。

因此，物理學(xué)的限制要求未來高效的計算硬件必須像大腦一樣，在三維空間中有許多緊湊放置的處理器以最小化總連接成本，其基本架構(gòu)本質(zhì)上是一種深度的、稀疏連接的三維RNN。

Schmidhuber推測，此類RNN的深度學(xué)習(xí)方法將變得更加重要。

十八、1931年以來的人工智能理論

現(xiàn)代人工智能和深度學(xué)習(xí)的核心主要是基于近幾個世紀(jì)的數(shù)學(xué)：微積分、線性代數(shù)和統(tǒng)計學(xué)。

20世紀(jì)30年代初，哥德爾創(chuàng)立了現(xiàn)代理論計算機(jī)科學(xué)。他引入了一種以整數(shù)為基礎(chǔ)的通用編碼語言，允許以公理形式將任何數(shù)字計算機(jī)的操作正規(guī)化。

同時，哥德爾還構(gòu)建了著名的形式化語句，通過給定一個計算性的定理檢驗器，從可列舉的公理集合中系統(tǒng)地列舉所有可能的定理。因此，他確定了算法定理證明、計算以及任何類型的基于計算的人工智能的基本限制。

此外，哥德爾在寫給約翰·馮·諾伊曼的著名信件中，確定了計算機(jī)科學(xué)中最著名的開放問題「P=NP？」。

1935年，Alonzo Church通過證明Hilbert和Ackermann的決策問題沒有一般的解決方案，得出了哥德爾結(jié)果的一個推論。為了做到這一點，他使用了他的另一種通用編碼語言，稱為Untyped Lambda Calculus，它構(gòu)成了極具影響力的編程語言LISP的基礎(chǔ)。

1936年，阿蘭·圖靈引入了另一個通用模型：圖靈機(jī)，重新得出了上述結(jié)果。同年，Emil Post發(fā)表了另一個獨立的計算通用模型。

康拉德·楚澤不僅創(chuàng)造了世界上第一臺可用的可編程通用計算機(jī)，并且還設(shè)計了第一種高級編程語言——Plankalkül。他在1945年將其應(yīng)用于國際象棋，在1948年應(yīng)用于定理證明。

Plankalkül

20世紀(jì)40-70年代的大部分早期人工智能實際上是關(guān)于定理證明和通過專家系統(tǒng)和邏輯編程進(jìn)行哥德爾式的推導(dǎo)。

1964年，Ray Solomonoff將貝葉斯（實際上是拉普拉斯）概率推理和理論計算機(jī)科學(xué)結(jié)合起來，得出一種數(shù)學(xué)上最優(yōu)（但計算上不可行）的學(xué)習(xí)方式，從過去的觀察中預(yù)測未來數(shù)據(jù)。

他與Andrej Kolmogorov一起創(chuàng)立了柯氏復(fù)雜性或算法信息論（AIT）的理論，通過計算數(shù)據(jù)的最短程序的概念，將奧卡姆剃刀的概念正式化，從而超越了傳統(tǒng)的信息論。

柯氏復(fù)雜性

自指哥德爾機(jī)更通用的最優(yōu)性并不局限于漸進(jìn)式最優(yōu)。

盡管如此，由于各種原因，這種數(shù)學(xué)上的最優(yōu)人工智能在實踐上還不可行。相反，實用的現(xiàn)代人工智能是基于次優(yōu)的、有限的、但并不被極度理解的技術(shù)，如NN和深度學(xué)習(xí)則是重點。

但誰知道20年后的人工智能歷史會是什么樣的呢？

審核編輯 ：李倩