AI换脸使用的生成对抗网络(GAN)
然而,当我们回顾历史,就会发现一个神奇的事实。就是人类早就发明了神经网络,及各类机器学习算法。早在1943年,人们就提出了神经网络的麦卡洛克-皮茨模型(《A logical calculus of the ideas immanent in nervous activity》)。1957年,美国心理学家罗森布拉特发明了感知器算法。1986年,人们已经提出了多层神经网络的反向传播(Backpropagation),确立了现代神经网络的理论基石。而其他算法也不遑多让,同样能解决非线性问题的决策树和向量机(SVM),都是在1970年前后提出,1990年前后成熟的。
既然机器学习是模拟归纳推理的关键工具,为什么在1990年代成熟之后,它没有马上获得足够重视呢?很简单,第一,计算机没有足够的算力,第二,互联网没有足够的数据。在外界条件的限制下,早期机器学习并不能高效地处理复杂数据,以至于较为简单的算法反而能获得更好的效果。所以在1985-1995年之间,人们更喜欢决策树算法,在1995-2005年之间,人们更偏好向量机算法。神经网络则长期被雪藏。
但是,神经网络有一个独特优势,就是它每一层的多个神经元支持并行计算。到了2006年,由于显卡效率的提高和并行计算的开放,神经网络的算力出现爆发,使得机器学习变得比任何算法都适合复杂数据,从而改变了人工智能领域的面貌。在2010年之后,对神经网络架构的创新犹如雨后春笋,就促成了我们今天面对的一大堆AI应用和“新一轮产业变革”。