1.1.2　机器学习的研究现状与方向

机器学习历经70多年的曲折发展，以深度学习为代表借鉴人脑的多分层结构、神经元的连接交互信息的逐层分析处理机制，自适应、自学习的强大并行信息处理能力，在很多方面取得了突破性进展，其中最有代表性的是图像识别领域。

而进入21世纪90年代，多浅层机器学习模型相继问世，诸如逻辑回归、支持向量机等，这些机器学习算法的共性是数学模型为凸代价函数的最优化问题，理论分析相对简单，容易从训练样本中学习到内在模式，来完成对象识别、人物分配等初级智能工作。

2006年，机器学习领域的泰斗Geoffrey Hinton和他的学生Ruslan Salakhutdinov发表文章，提出了深度学习模型。主要论点包括：多个隐层的人工神经网络具有良好的特征学习能力；通过逐层初始化来克服训练的难度，实现网络整体调优。这个模型的提出，开启了深度网络机器学习的新时代。2012年，Hinton研究团队采用深度学习模型，获得了计算机视觉领域最具有影响力的ImageNet比赛的冠军，标志着深度学习开始进入机器学习的核心领域。

人工智能、机器学习、深度学习的关系如图1.1所示。

图1.1

深度学习近年来在多个领域取得了令人赞叹的成绩，推出了一批成功的商业应用，诸如谷歌翻译、苹果语音工具Siri、微软的个人语音助手Cortana、蚂蚁金服的Smile to Pay（扫脸技术）。

特别是2016年3月，谷歌的AlphaGo与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜。2017年10月18日，DeepMind团队公布了最强版AlphaGo，代号AlphaGo Zero，它能在无任何人类输入的条件下，从空白状态学起，自我训练的时间仅为3天，自我对弈的棋局数量为490万盘，能以100:0的战绩击败前辈。