你天天用的功能，早就有深度学习在干活
别一听到深度学习就觉得是实验室里飘着仙气的黑科技，跟普通人没关系。你早上起来刷脸解锁手机，出门买包子刷脸付账，刷短视频给你推你爱看的猫片，甚至拍 portrait 模式自动给你虚化背景——这些全是深度学习在后台安安静静干活。
好多科普上来就给你甩定义：深度学习是机器学习的分支，是一种以深度神经网络为架构，对数据进行表征学习的方法……听完你更懵了对吧？
换个说法。你就把深度学习当成一群交给你训练的小朋友。你要让它学会认猫，就给它堆一万张三花猫、英短、蓝猫的照片，再堆一万张别的乱七八糟动物的照片，告诉它哪堆是猫，哪堆不是。它就一遍一遍翻，翻多了自己摸出来规律——哦，长这样带毛尖尖耳朵圆溜溜的就是猫，不用你一条一条写规则说“猫有尖耳朵”“猫尾巴长”，它自己找的规律比你写的准多了。
就这么简单。原来的老方法，都是人把规则一条一条写好，计算机按规则跑，碰到规则外的情况直接懵。深度学习是计算机自己从堆给它的一大堆数据里摸规律，摸对了奖励，摸错了罚，练久了就越来越准。
我见过最多人踩的几个坑
说实话，网上吹的太邪乎，好多刚接触的人上来就掉坑里出不来。
第一个坑：深度学习得超级计算机才能玩，普通人碰不了。 真不是这么回事。我去年帮一个开宠物店的朋友做过一个识别猫品种的小模型，就用我那台用了三年的普通笔记本，几千张照片跑了一下午就出结果了，识别准确率能到九成多，够用来给客人做科普了。又不是训练那种动辄几千亿参数的大语言模型，日常解决小问题根本不需要什么超算。
第二个坑：AI就是深度学习，深度学习就是全部AI。 扯呢。早在上世纪就有AI了，那时候哪来的深度学习。当年的国际象棋AI，是人类把下棋的规则、策略全一条一条写进去的，那也是AI，不是深度学习。深度学习只是AI里最近十几年火起来的一个分支而已，只是刚好它干很多活比老方法好用太多，所以名气最大罢了。
第三个坑：深度学习无所不能，再过几年就要取代所有人上班了。 每次看到这种标题我都想笑。它现在最擅长的就是从一堆数据里找规律，比如识别图片、转写语音、写个新闻稿初稿，这些重复找规律的活它干得比人快又便宜。但是你让它去跟客户谈合同，去给小孩做心理辅导，去写一篇有个人温度的专栏，它能行吗？ 它就是个工具。跟你手里的菜刀、电脑没区别，菜刀能切菜也能砍人，全看拿的人怎么用。
还有一个常见误区，说深度学习出来之后，老的机器学习方法都没用了，全都得换深度学习。 不对。如果你就解决个简单问题，比如判断一个用户会不会办信用卡，就十几个特征，用个老的逻辑回归方法，又快又准，根本不需要折腾深度学习。杀鸡不用牛刀，这个道理放到哪都对。
接下来它会往哪走？我见过的有意思的方向
这两年最明显的变化，就是大家不再一股脑堆参数了。前几年圈子里比谁的模型参数多，多一个零就是厉害，现在慢慢回过味来了——不是所有场景都需要几千亿参数的大模型啊。 好多团队现在都在做「小模型」，把大模型学出来的知识压缩到很小的模型里，就能直接放到你手机里跑，不用什么都传到云端处理。既快，又不会把你的隐私数据传出去，多好。你现在手机里的语音助手，很多都已经改成本地推理了，你说话不用传去服务器，手机自己就能听懂，就是这个方向的落地。
还有一个挺有意思的方向，就是把人类已经知道的知识塞给深度学习，不让它从头开始瞎摸。原来的深度学习就是一张白纸，你给它数据它自己摸，哪怕物理规律我们早就知道了，它也得重新摸一遍，浪费数据还容易错。现在把人类已经搞清楚的化学、物理、生物规则直接嵌进去，它只需要学规则之外的那部分，效率一下子就提上来了。 我前阵子看一个做水文预测的团队这么玩，预测准确率比纯深度学习提了快两成，真的挺惊喜的。
不过话说回来，深度学习到今天还有好多没搞明白的问题。比如它为啥会犯那种特别低级的错？你给一张停止路标牌，往上面贴一张小小的广告贴纸，它就能把停止路标认成限速路标，这种对抗样本的问题，到现在也没有完美的解决办法。 它摸出来的规律很多时候是黑箱，人类也说不清楚它到底为啥得出这个结论，这在医疗、法律这些需要讲清楚原因的领域，还是挺大的麻烦。
那天聊完避完雨，雨停了，小孩说原来深度学习也不玄乎啊，就是个帮人干活的工具。 我说对啊。别听那些人瞎忽悠，把它吹得神乎其神，也不用觉得它遥不可及。你今天摸手机的时候，说不定深度学习已经帮你干了好几件活了，只是你没发现而已。
作者|科技
排版|科技
审核|小北