“机器学习”与“神经网络”

人工智能学会诞生的1986年，正好处于第二次AI潮的全盛期，这时讨论的人工智能概念，为方便行文，笔者权且称之为“第二代AI”。图灵时代提倡的人工智能（姑且称之为“第一代AI”）是模仿神经回路的“神经网络”（神经元之间的所有相互连接）的设想，当然它的外延更广泛一些。然而第二代AI，则是符号处理和知识信息处理成为了主流。日本便是从这个时候开始投入大量的预算，致力于开发人工智能，在此之后，包括日本在内，全球的人工智能概念已经偏向于符号处理和知识信息技术处理了。即使到现在，全球九成以上的AI研究人员都属于这种第二代AI的研究者。第二代AI的研究硕果累累，给全球技术的进步做出了巨大贡献。例如万维网（World Wide Web）就是第二代AI研究成果的应用结果，谷歌之类的搜索引擎也是如此。

然而进入21世纪，电脑的计算能力实现飞跃式提升之后，一直以来被忽略的“机器学习”领域也很快地呈现出了活力。机器学习是一种算法，它可以让计算机对特定事件的数据进行解析，从其结果中学习它的倾向，并用于以后的判断和预测。虽然这种方法早就存在，但随着计算机计算能力的不断提高，实用性的机器学习才逐步得以实现。此外，随着计算能力的提高，通过大量数据让以往学习能力弱的多层神经网络进行机器学习也成为了可能。这就是深层学习（Deep Learning）。