我们了解的机器学习可能只是冰山一角

但是你所看到的可能只是表面现象。许多研究正发生在那些非大型网络公司里，甚至那些大型网络公司的相关研究都没有被披露，只有一些重大突破以及ImageNet记录得到关注，但是这个领域的进步一直没有停止过。

就在最近，谷歌DeepMind团队报告了他们构建所谓的“神经网络图灵机”算法创建系统的前期工作；Facebook展示了一个“通用”的视频分析3D功能，微软的研究人员认为量子计算可能是会为某些类型的深度学习算法带来突破。

我们将在明年的会议结构数据会议上进一步讨论其中的一些成果，但谁想要真正了解深度学习领域的进展，上周在魁北克蒙特利尔的NIPS会议或许会给你答案。这个连年上演的会议越来越多地的被深度学习占领。在今年接收的411篇论文中，其中在前100大常用单词里有46篇含有“deep”一词（根据斯坦福大学博士生Andrej Karpathyde的主题模型），这是去年23的两倍。

在单独的深度学习研讨会上，海报数量从去年的28飙升至今年的47。虽然一些较大的研究突破已经报道过（如：Karpathy研究的两种类型神经网络组合自动生成图像标题），但是其他潜在的重要工作并未引起公众的广泛关注。

Yoshua Bengio——加拿大蒙特利尔大学的研究人员，在深度学习圈子里非常出名的一位研究人员，他到目前为止一直拒绝公司实验室的魅力——他的团队似乎很忙。Bengio被列为今年NIPS论文的5位合著者之一，但他的名字并不经常出现在有关Skype Translate或是Facebook正试图检查用户发布的醉酒照片的新闻里。

在最近的一次TEDx谈话中，Enlitic首席执行官Jeremy Howard谈到翻译和医学成像的突飞猛进，并且他也展示了他们公司开发的软件是如何帮助医生训练计算机，在短短几分钟内对医学图像进行分类。

这里我想强调的是，我不是说目前有多少机器学习的研究正在进行，也不是警告人类正在被AI接管。我只是想提醒大家，其实在表象之下，有很多是被媒体低估了的，但是尽管如此，该领域的人还是应该与时俱进。

如果我们的基础机构正在为机器智能的影响做准备，那么立法者、国家安全机构、伦理学家和经济学家需要意识到发生了什么，什么将可能发生，无论它被如何定义。（在另一个人工智能研究领域中，保罗•艾伦正在给一个项目源源不断的注入资金，这个项目试图给电脑实际知识）

原文链接： What we read about deep learning is just the tip of the iceberg （责编/魏伟）

免费订阅“ImapBox云计算”微信公众号，实时掌握第一手云中消息！

ImapBox作为国内最专业的云计算服务平台，提供云计算、大数据、虚拟化、数据中心、OpenStack、CloudStack、Hadoop、Spark、机器学习、智能算法等相关云计算观点，云计算技术，云计算平台，云计算实践，云计算产业资讯等服务。