回顾丨未来已来，你想要一个什么样的世界？——记第十八期创客沙龙•创客心分享

人工智能在我们的生活中扮演着越来越重要的角色，减少了大量原先由人力完成的繁重的工作，提高了生产效率，帮助每个人的生活变得更好。但随着人工智能在越来越多领域呈现“过人”之势，也有不少人担心人工智能会对人类社会带来威胁。

未来已来，身处巨变当中，智能化时代的来临必将给人类以更多启示和指引，让人类在这条前进之路上越走越远。10月14日晚，武汉大学图书馆工学分馆特邀武汉大学计算机学院彭敏教授做客“创客沙龙·创客心分享”活动，与广大学子畅谈人工智能的学术研究、产业发展等，90余位来自全校各学院的学生齐聚工学分馆服务大厅。本次活动由图书馆与武汉大学大学生创新实践中心、“小咖轻询”青年课堂联合举办，工学分馆馆长卢林、副馆长杨淼等参加了活动。

彭敏教授从“何为人工智能、人工智能的前世今生、机器怎样学习、怎样的学习算深度学习”等方面为大家详细讲解了人工智能的发展历史和现状，并引导在座同学深入思考、展开讨论，一场精彩的讲座过后，大家都收获满满。

彭教授首先解释了机器学习的定义——它是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。简单地说，机器学习就是通过算法，使得机器能从大量的历史数据中学习规律，从而对新的样本做出智能识别或预测未来。彭教授还谈到了几种常用的机器学习的算法，即贝叶斯网络、支持向量机、K最近邻等。这些算法较好地解决了对于庞大数据的快速有效的分类。

彭教授从深度学习的起源讲起，自2006年起，深度学习（Deep Learning）已经成为机器学习研究中的一个新兴领域，其通常也被称作深层结构学习或分层学习，即试图模拟人脑的机制来解释数据，在此基础上建立神经网络。

深度学习的概念源于人工神经网络的研究。神经网络，顾名思义就是类似人脑的神经结构，这一概念运用在计算机领域，则是按照一定规则连接起来的神经元，每一个输入值都会为有一个权值与之对应，与偏置值一同求和后经过激活函数f得到神经元的输出。

讲解完深度学习的概念后，彭教授把目光转向了深度学习几种常用的模型：卷积神经网络、循环神经网络和图神经网络。我们现在通常见到的神经网络是卷积神经网络，它将数据分成大量不同的卷积层，很好的降低了复杂度，使得数据成指数性的下降，例如，对一个10G的文件进行处理相当费时费力，而通过卷积神经网络该数据可以被压缩成1MB，这大大提升了效率和处理速度。