未来不会仅由人类或机器单独创造，而是由二者协同共创。模仿人类大脑运作方式的技术已经在增强人们的能力，并且随着社会逐步适应这些日益强大的机器，其影响力只会越来越大。
技术乐观主义者曾设想一个人类生产力和生活质量不断提升的世界，人工智能系统将承担生活中的枯燥劳作和琐碎事务，惠及每一个人。而悲观主义者则警告说，这些进步可能会付出失业和生活被打乱的沉重代价。而危言耸听者则担心，人工智能最终可能会使人类变得多余。
然而，人们并不擅长想象未来。乌托邦和世界末日都不太可能出现。在我的新书《深度学习革命》中，我的目标是解释这一快速发展的科学技术领域的过去、现在和未来。我的结论是，人工智能将让你变得更聪明，但其方式会让你感到惊讶。
识别模式
深度学习是人工智能中取得最大进展的部分，能够解决复杂问题，例如识别图像中的物体、辨识多人语音以及以人们说话或书写的方式处理文本。深度学习也已被证明可用于从传感器、医疗设备和科学仪器所生成的日益庞大的数据集中识别模式。
这种方法的目标是找到让计算机能够表示世界复杂性、并从以往经验中进行归纳的途径，即使接下来发生的事情与以前并不完全相同。正如一个人能够识别出一种从未见过的特定动物实际上是一只猫，深度学习算法能够识别各个方面，即所谓“猫性”的特征，并从新的猫图像中提取这些属性。
深度学习的方法基于驱动人类大脑的相同原理。例如，大脑会同时在许多处理单元中处理各种各样的大量数据。神经元之间有许多相互连接，这些连接的强度会根据其使用频率而增强或减弱，从而在感官输入与概念输出之间建立关联。
最成功的深度学习网络基于20世纪60年代对视觉皮层结构的研究，视觉皮层是大脑中我们用来观看的部分，同时也基于20世纪80年代发明的学习算法。那时，计算机还不够快，无法解决现实世界中的问题。而如今，它们已经足够快了。
此外，学习网络被逐层叠加，形成了更接近视觉皮层中层级结构的连接网络。这是融合的一部分，这一融合正在人工智能与生物智能之间发生。
深度学习在现实生活中的应用
深度学习已经在增强人类能力。如果你使用谷歌服务搜索网页，或使用其应用程序在不同语言之间进行翻译，或将语音转换为文字，那么技术已经让你变得更聪明或更高效。最近在一次中国之行中，一位朋友对着他的安卓手机说英语，手机将其翻译成中文语音，播放给出租车司机听，这恰如《星际迷航》中的通用翻译器一样。
一项对实际实时翻译设备的测试。
这些以及许多其他系统已经在运行，即使你并未意识到，它们也在日常生活中为你提供帮助。例如，深度学习正开始接管对X光图像和皮肤病变照片的阅读工作，用于癌症检测。你所在地的医生很快就能发现目前只有最顶尖专家才能察觉的问题。
即使你确实知道有机器参与其中，你也可能无法理解它们实际在做的事情的复杂性：亚马逊Alexa的背后是大量识别你请求的深度学习网络，它们会筛选数据以回答你的问题，并代表你采取行动。
推进学习
深度学习在解决模式识别问题方面非常有效，但要超越这一点，则需要大脑的其他系统。当动物因某个行为获得奖励时，它未来更有可能采取类似的行为。大脑基底神经节中的多巴胺神经元会报告预期奖励与实际获得奖励之间的差异，即所谓的奖励预测误差，该误差用于改变大脑中预测未来奖励的连接强度。
将这种被称为强化学习的方法与深度学习相结合，可以赋予计算机识别意外可能性的能力。通过识别某种模式，然后以能够带来奖励的方式做出回应，机器或许能够以接近所谓人类创造力的方式处理行为。这种结合的方法正是DeepMind开发名为AlphaGo的程序的方式，该程序在2016年击败了围棋大师李世石，次年又击败了世界围棋冠军柯洁。
游戏不像充满不断变化的不确定性的现实世界那样混乱。Massimo Vergassola任教于加利福尼亚大学圣地亚哥分校，我最近在实地使用强化学习，教一架滑翔机如何在湍急的热气流中像鸟一样翱翔。可以将传感器安装在真实的鸟类身上，以测试它们是否使用相同的线索并以相同方式做出反应。
尽管取得了这些成功，研究人员仍未完全理解深度学习是如何解决这些问题的。当然，我们也不知道大脑是如何解决它们的。
尽管大脑的内部运作机制可能仍然难以捉摸，但研究人员提出深度学习理论只是时间问题。不同之处在于，在研究计算机时，研究人员可以获取网络中每一个连接和活动模式的信息。研究进展的速度很快，每天都有研究论文发表在arXiv上。今年12月，人们热切期待在蒙特利尔举行的神经信息处理系统大会上出现令人惊讶的进展，该大会8000张门票售罄，仅用11分钟，还有9000名满怀希望的报名者在候补名单上等待。
要让计算机实现人类的通用智能，仍有很长的路要走。目前最大的深度学习网络，其能力仅相当于一块米粒大小的人类神经皮层。而且我们尚不清楚大脑如何动态地组织更大脑区之间的相互作用。
自然界已经具备这种程度的整合能力，能够创造出大规模的脑系统，既能操控人体的各个方面，又能思考深刻的问题并完成复杂的任务。最终，自主系统可能会变得同样复杂，加入我们星球上无数的生命体行列。
