《数文明：大数据如何重塑人类文明、商业形态和个人世界》第十六节

机器学习与人类决策相似，都是把过去的记录构建成模型用于新场景；计算机的优势在于能同时处理成千上万个变量，人脑则难以胜任。

机器学习与人类决策相似，都是把过去的记录构建成模型用于新场景；计算机的优势在于能同时处理成千上万个变量，人脑则难以胜任。20世纪六七十年代，明斯基在《感知器》中指出多层神经网络计算量过大而不可行，其权威论断使神经网络在此后十多年陷入无人问津的冰河期。辛顿坚信概念以分布式表征存在于神经元网络中，长期坚持研究；1986年他与鲁梅哈特提出反向传播算法，大幅降低计算量，使神经网络复苏。2006年辛顿提出深度网络，用预训练和微调技术减少计算量，并将其命名为深度学习。深度学习能拟合复杂现象但如同黑箱，无法解释自身运作。2012年辛顿团队凭深度学习将ImageNet错误率从25.7%降至15.3%，此后逐年降至2017年的2.25%，超越人眼识别能力。在人脸识别上，谷歌FaceNet提取128个特征点训练网络，使Facebook照片识别准确率达98%、苹果人脸解锁与支付可靠性超99%。深度学习的成功还依赖计算能力提升数百万倍与海量训练数据这两个外部条件。