作者：麻省理工科技评论
出版社：人民邮电出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
科技之巅3：《麻省理工科技评论》100项全球突破性技术深度剖析试读：
推荐序一 创新技术，创造未来
2007年，Steve Jobs（史蒂夫·乔布斯）的第一部iPhone面世，它无法读懂任何人类语言。那时的电脑就像“失聪”一样无法识别语音，人们似乎也淡忘了这件事。十多年后的今天，机器可以识别语音，其准确度可与人类匹敌。
iPhone问世之初，电脑就像盲人，无法辨认出照片中的各种简单物体。但如今，算法在某些图像识别任务中甚至比人类做得更好。比如可以发现哪些皮肤瑕疵可能致癌，甚至可以生成全新、逼真的“虚假”图像、视频和声音，即使训练有素的专业人士也无法将之与真实图像、视频和声音区分开来。
一般性技术，尤其是机器学习领域，在相对较短的时间内取得了一系列惊人的突破。当人们关注下个十年会有什么样的进步时，我们不妨回顾一下在过去十年中出现的两种重要模式。
其一，人类通常会高估技术的短期效果，而低估其长期效果。以已故美国科学家Roy Amara（罗伊·阿马拉）的名字命名的“Amara’s Law”（阿马拉定律）仍然大致成立，相关信息可查看有关《机器人启示录》的各种媒体报道，看看人类如何领先一步。
现在，我们定义的“长期”可能没有以前那么长。我们所处的超级连接、永远在线的实时通信环境意味着现阶段思想比以往任何时候都传播得更快、更远，变化发生得更快。工作不会因为时间固定在一个特定区间而停止。技术推动历史以更快的速度发展，这又加速了新突破性工具和技术的发展。因此，如果您在阅读这本书时了解到许多领域的最新飞跃令人惊讶，那么，可以期待，未来几年内创新步伐将会更快。
从过去几年《麻省理工科技评论》评选的“突破性技术”中，我们可以发现第二种模式：学科孤岛解体。
随着人类知识宝库的爆发性增长，专业化发展如此迅速，最聪明的人才也无法吸收所有知识。举例来说，曾经某个人是微生物学家，那么现在他可以把整个职业生涯缩到范围更小的领域，仅仅研究土壤中的微生物，甚至只关注一类特定的土壤微生物。智力劳动的专业化划分直接导致许多新的发现。然而，这也导致了重要的知识分布在不同群体的头脑和文件中，而这些人群彼此不交谈，就无法理解对方。
现如今，有一股新的力量在推动跨学科的研究和实践，由我担任首席技术专家的卡耐基梅隆大学技术与社会中心（Block Center for Technology and Society）就是其中一个机构。跨学科边界的协同作用就是一个很好的例证，粒子物理学中率先应用的数学技术已经找到了进入机器学习算法的方法，而机器学习算法现被用于制造依赖于物理知识的纳米材料。在能源专家和科学家的手中，这些材料可以帮助人类收集和储存更多的可再生能源，并解除人为气候变化带来的威胁。阅读这本书时，请注意一下模糊研究领域内偶然的或者几乎被遗忘的想法，这些想法一旦被应用于其他领域，将会引发巨大变革。
读完这本书，您一定会对人类的思想和辛勤杰作产生敬畏之情，人类有很多地方值得骄傲。人类不能停止创新。创新不是凭空产生的。创新能重塑世界、人类生活和社会结构。此外，人类对当前问题的许多解决方案不可避免地会产生意料之外的影响，包括正面影响和负面影响，而且会产生新问题需要解决。
例如，在机器学习领域，就道德使用这些技术以及它们所带来的影响等问题，社区提出了更多的前沿思想。人们发现，技术进步能改变工作本质。这意味着重新审视教育和提高全球劳动力技能等问题非常重要，包括技术本身在改进教育过程和结果方面如何发挥重要作用。
现如今，学习已经成了新的挑战，传统的教育模式陈旧落后，跟不上科技日新月异的变化，使人无法面对未来。机器学习可以使每个学习者获得前所未有的体验。学习者不但被个性化地尊重和对待，而且能低成本获得最高的学习质量，以更少的时间获得更好的效果。这种人工智能智适应的学习方法在全球范围内的快速应用，将给产业带来颠覆性改变，更重要的是，会将人脑的学习潜能大幅度发挥出来。这是我加入乂学教育松鼠AI（一个人工智能自适应学习平台）担任首席人工智能科学家的原因之一。
无论是技术专家、狂热分子，还是新事物接触者，都可以参与到创新技术和创造未来的过程中来。希望通过对最新突破性技术的全面研究，人们可以找到机会和灵感，为这个加速变革的时代做出积极贡献。Tom Mitchell美国工程院院士，卡耐基梅隆大学计算机科学学院院长，松鼠AI首席科学家
推荐序二 拨开云雾，前路更清晰
我们生活在一个名副其实的大时代，大时代意味着机会多，但机会多也预示着确定性和不确定性并存。
第四次工业革命正在到来，技术进步驱动全球发展
工业革命、电力革命和信息技术革命在过去120年间实现了人类文明的三次巨大发展，释放出的生产力远超数千年文明所积累的总和。今天，我们又来到新的时代拐点上，以信息和通信技术（ICT）为基石、人工智能（AI）为使能的第四次技术革命即将引领人类社会迈向万物感知、万物互联、万物智能的世界。数字世界将给每个人、每个家庭和每个组织带来巨大的红利，并将在我们的个人生活、商业和社会形态等领域掀起前所未有的变革，随之而来的是一个价值23万亿美元的数字化转型市场。
各行各业跨入数字化产业周期，产业数字化孕育新机会
毋庸置疑，技术发明加速了人类文明的发展。而今，AI、5G、生物医疗、机器人、基因等技术将起到关键的推动作用。
如5G，它将成为智能社会的连接平台和基础设施。预计5G只需要3年就可以达到5亿用户，而3G用了10年，4G用了5年。我们预测，到2025年，5G网络将覆盖全球58%的人口，服务28亿用户。5G不仅更快，还能互联万物，让人与人、人与物、物与物，在任何时候、任何地点都能连接智能的网络，给人带来极致体验。
又如AI，虽然目前还处于初级阶段并且有些泡沫，但已经在改变各行各业，如平安城市、智慧园区、交通运输、教育和医疗等。近几年，AI正在帮助企业加速上云。以大企业为例，AI是企业上云的核心驱动力，因为很多企业已经认识到，AI可以帮助它们利用云上的数据创造巨大的价值，将会是云上竞争的关键。我们预计，2025年，97%的大企业都会使用AI，77%的云上应用都会用到AI。
新的时代呼唤理论创新，突破技术发展瓶颈
不能忽视的是，时代呼唤理论的创新和基础技术的发明，因为它们是一切突破性技术的基础，也是产业发展的基础。以信息产业为例，众所周知，经过50多年的高速发展，产业已经遇到了发展瓶颈。一方面是理论瓶颈，现在的创新主要是把几十年前的理论成果，通过技术创新和工程创新来实现。比如，信息产业的基础香农定律是70多年前的1948年发表的，5G时代，产业几乎达到了香农定律的极限；码分多址（CDMA）是演员Hedy Lamarr（海蒂·拉玛）在1941年发明的。ICT产业发展已经遇到了瓶颈，需要新的理论突破和基础技术发明。另一方面是工程瓶颈，摩尔定律驱动了ICT的发展，以前CPU的性能每年提升50%，而现在只能提升10%，已经达到了工程极限，工程难题下一步该如何突破？
大学与工业界的合作，是双向的能量交换和增益过程
理论突破和基础技术发明的主要源头是学术界，是大学。工业界与大学的合作，并不是工业界单方面从大学获取成果，而是双向的能量交换和增益过程。工业界不仅可以帮助大学加快研究成果的商业落地，同时也可以让研究者们了解工业界遇到的挑战和真实场景、需求，这对研究有极大的促进作用。理论突破和技术发明的不确定性非常高，这种不确定性决定了创新不能是封闭式的，一定是开放式的，需要大学、研究机构与工业界联合起来，共同推动。
寄语未来
志士惜日短，在这样的大时代中，我们不仅要顺应潮流，抓住发展机遇，还要主动适应新时代！比如，我们要习惯与机器人一起工作，要习惯机器人/AI是我们的顶头上司，执行它们给我们下达的指令。
很高兴看到《科技之巅3》的出版，书中涉及的基因、材料、生物医疗、人工智能和机器人等技术，是我们智能时代的核心、基础技术，这些技术的突破和进步，必将对我们智能社会的发展起到巨大的推动作用，而《科技之巅3》为我们拨开云雾，让前路更清晰。徐文伟华为董事，华为战略研究院院长
前言 科技的动人与迷人
撰文：周鉴人类发展经历了漫长时期。最重要的进化，是学会使用工具，有了“技术”。
没有工具，人类就是一种脆弱的物种，没有任何人可以手无寸铁地面对自然。技术伴随人类成长，从野蛮走向文明。人类历史就是一部技术史。
几十万年前，地球上有多种猿人，都如同非洲丛林中的普通种群，以啃食野果为生。但是，其中一种猿人，也许是基因突变，也许是偶然使然，学会了以锋利的石块采割果实，捕猎动物，剥取兽皮。这一“技术”的获得，使其从其他猿人和动物中分离出来，人类学家称其为“智人”（Homo sapiens）。人类历史由此开始，史称旧石器时代。
石器之外，智人还学会了取火。火对于古人类犹如电对于现代人。火能煮熟食物，以前无法吃的块茎、种子、皮肉通过火烤可以成为熟食。食物的改善让人类大脑进一步发育，加快了进化。火提供温暖，让人类在冰河时期未遭灭绝。火提供照明，让人类在夜幕降临后也能活动，并能进入洞穴等黑暗场所。火能击退野兽，还能将茂密的丛林烧成食物满地的原野。语言是取火之外的又一重大技术。
语言从唱鸣喊叫进化而来，最初的语言是少数惊叹词和名词，慢慢发展到表达行动和关系。语言让人类得以交换、传递思想，集结同类，促使人类成为社会性动物，发展出社会组织（氏族、部落）。
约12,000年前，以制陶技术为标志，新石器时代开始。制陶技术属于“火化技术”，后来发展出冶金技术，用天然粗铜冷加工制作了很多有用的工具。新石器时代房屋建造已经使用灰泥和砂浆，利用土料土坯和石块建造房屋。新石器时代晚期，有了专职的陶匠、编织匠、泥水匠、工具制作匠。人们观察天空，判断方向、季节和收割时间。约10,000年前，人类掌握了野生植物的生长规律，开始播种、耕作，从食物采集转至食物生产，发展出农业和牧业技术。随后编织技术出现，人们剪羊毛，种植亚麻和棉花，纺线，织布，开始过上了定居的生活，并有了较完备的食物生产和生活方式。
约6,000年前，以青铜器（铜锡合金）的出现为标志，人类进入青铜器时代，直至公元初年。较之石器，金属工具有更大的优势。金属制造涉及采矿、冶炼、锻造和铸造等复杂技术，需要熔炉风箱。金银加工、面包酿酒技术也随后出现。动物被用来牵引和运输，出现了车、船。依靠新的灌溉技术和农业技术，生产力提高，人口增加，国家开始出现。
为了分配剩余产品，需要把口头的和定量的信息记录下来，于是出现了书写和计算。由“结绳记事”进化到文字，出现了楔形文字、象形文字、拼音文字。书写替代了身传口授，其后渐渐产生出有文学价值的成分。计算是随同书写一起发展起来的技术，用于计数、交换、记账。天文学、占星术、气象学和巫术伴随历法出现，历法不仅用于农业，也用于仪式活动和经济活动，如确定签约和履约的日期。天文学、占星术、巫术用于预测庄稼收成、军事行动或皇帝的未来。医术也发展起来，皇家有了专职御医，他们积累了解剖学和草药的经验与知识。
青铜器时代后期，出现了埃及、中国、印度、希腊、罗马等古文明。强盛的罗马帝国横跨地中海、欧洲和近东。
古罗马有古代最伟大的工程师和技师。罗马文明就是技术的文明。技术造就了所向无敌的罗马军团和四通八达的道路网、供水系统。罗马政体民主、法律完备，是保证帝国机器运转的极重要的社会技术。公元前100年，罗马人发明了水泥。这是创造世界的一项关键技术，它改变了建筑工程，成为构筑罗马文明的砌块。可以说，水泥支撑了罗马帝国的扩张。到处都有技术和工程活动。工程师得到社会的认可，有的人还得到过国家工程领域的最高地位，如罗马的Vitruvius（维特鲁威）曾担任罗马皇帝奥古斯都的建筑师。
约公元前600~公元前300年，史称古希腊时代。希腊人的心智中萌生了一种奇特的崭新的精神力量，开始了发现世界和认识自然的抽象思索与观察、辩论，对象包括天体、地震、雷电、疾病、死亡、人类知识的本性等。科学，又称为自然哲学，由此滥觞发源。
希腊海岸曲折，山岳嶙峋，寒风凛冽，生存条件并非优越，却孕育了一个活力充溢的种族，建立起先进的文明。很少有古代社会像古希腊一样涌现过那么多的贤哲，在远古建立过那么良好的政体。古希腊民主制度在一定程度上释放出自由空气，赋予部分希腊人思索的闲暇和乐趣，这些希腊人能理性地探讨社会制度，也就能理性地探究自然原理。科学在希腊诞生，绝非偶然。
希腊米利都的Thales（泰勒斯，公元前625~公元前545年）也许是世界上第一位科学家。他发现了静电，用三角形原理测量海上船只的距离，提出尼罗河河水每年的泛滥是地中海季风引起的，他认为大地像船浮在水上，地震是浮托大地的水在做某种运动时引起的，水是孕育生命的万物之源。他的观点也许是幼稚的，方法却是“科学”的：采用理性思考的方式，没有涉及神或超自然的东西。别忘了，当时是巫术和迷信盛行的蒙昧时代。泰勒斯及其追随者都是有神论者，他告诫人们“神无处不在”，例如，磁石就有“灵魂”。然而，泰勒斯却让自然界脱离神性，把自然当作研究目标，理性思考，提出解释。
希腊不断涌现科学家。Pythagoras（毕达哥拉斯，公元前580~公元前500年）证明了毕达哥拉斯定理（勾股定理）。Empedocles（恩培多克勒，公元前495~公元前435年）提出月亮因反射而发光，日食由月亮的位置居间所引起。Democritus（德谟克利特，公元前460~公元前370年）提出万物由原子构成。Euclid（欧几里得，公元前330~公元前275年）总结了平面几何五大公理，编著了流传千古的《几何原本》。Archimedes（阿基米德，公元前287~公元前212年），是静力学和流体静力学的奠基人，提出了浮力定律，用逼近法（微积分的雏形）算出球面积、球体积、抛物线、椭圆面积，研究出螺旋形曲线（阿基米德螺线）的性质，发明了“阿基米德螺旋提水器”，成为后来螺旋推进器的先祖；他研究螺丝、滑车、杠杆、齿轮等机械原理，提出“杠杆原理”和“力矩”的概念，曾说“给我一个支点，我就能撬起整个地球”；他设计、制造了举重滑轮、灌地机、扬水机等多种器械；为抗击罗马军队的入侵，他制造了抛石机、发射机等武器，最后死于罗马士兵的剑下。
这些科学开拓者要么自己拥有资产，要么以担任私人教师、医师为业，那时并不存在“科学家”这一职业（“科学家”这一名词直到2,000多年后的1840年才出现）。苹果为什么掉落在地上？星星为什么悬在空中？古希腊人探索科学完全发自对自然奥秘的兴趣或精神追求，形成了亚里士多德的纯科学传统。
Aristotle（亚里士多德，公元前384~公元前322年）与Plato（柏拉图，公元前427~公元前347年）、Socrates（苏格拉底，公元前469~公元前399年）并称为西方哲学奠基人。苏格拉底年轻时喜欢自然哲学，但哲学的偏好使他放弃了自然研究，专注于思考人的体验和美好生活。苏格拉底后来被雅典法庭以侮辱雅典神和腐蚀青年思想之罪名判处死刑，他本可以逃亡，却认为逃亡会破坏法律的权威，自愿饮毒汁而死。他的衣钵传给柏拉图。柏拉图建立了一所私人学校（柏拉图学园，存在800年之久），传授和研究哲学、科学。学园大门上方有一条箴言：“不懂几何学者莫入。”亚里士多德、欧几里得是其中的学生。
柏拉图死后，亚里士多德在爱琴海各地游历，被召为王子的家庭教师，王子就是后来的亚历山大大帝。如同所有的希腊科学家一样，亚里士多德不接受国家当局的监督，与当权者无任何从属关系。他的讲书院设在雅典郊区的一处园林里。他的纯科学研究涉及逻辑学、物理学、宇宙学、心理学、博物学、解剖学、形而上学、伦理学、美学，既是希腊启蒙的巅峰，也是其后两千年学问的源头。他塑造了中世纪的学术思想，影响力延及文艺复兴时期。他观察自由落体运动，提出“物体下落的快慢与重量成正比”。他研究力学问题，认为“凡运动的事物必然都有推动者在推着它运动”，因而“必然存在第一推动者”，即存在超自然的神力。他认为地上世界由土、水、气、火四大元素组成。在他看来，白色是一种纯净光，其他颜色是因为某种原因而发生变化的不纯净光。他对500多种不同的植物、动物进行了分类，对50多种动物进行了解剖研究，他是生物学分门别类第一人，也是著述多种动物生活史的第一人。他的显著特点是寻根问底：为什么有机体能从一个受精卵发育成完整的成体？为什么生物界中目的导向的活动和行为如此之多？他认为仅仅构成躯体的原材料并不具备发展成复杂有机体的能力，必然有某种额外的东西存在，他称之为eidos，这个词的意思和现代生物学家的“遗传程序”颇为相近。亚里士多德坚信世界基本完美无缺而排除了进化的观点。他专注于科学，却远离技术，认为科学活动不应考虑功利、应用。在追随亚里士多德的历代科学家看来，他代表了科学的本质和纯粹―对自然界以及人类在其中地位的一种非功利的、理性的探索，纯粹为真理而思考。
亚里士多德的科学方法论被奉为经典，影响了两千年。那时的科学清高脱俗，不触及实际问题，更不用说去解决实际问题了。不仅如此，从柏拉图开始就形成了一种轻视体力劳动的风气，排斥科学的任何实际的或经济上的应用，使理论与实践分离。
罗马与希腊相反，其工程技术欣欣向荣，科学却不景气。罗马人不重视——实际是蔑视科理论和希腊学问。他们全力以赴地解决衣食住行、军事征战的技术问题，不需要对日月星辰这些司空见惯的现象寻求解释。
公元476年，罗马帝国灭亡，被蛮族文化取代，大部分罗马文明被破坏，欧洲进入黑暗的“中世纪”（476~1453年）。罗马先进的知识和技术，包括水泥制造技术，都失传了。在其后的1,200年里，欧洲人不得不依赖落后的沙土黏合材料建造房屋，直至1568年法国工程师Philibertdel’Orme（德洛尔姆，1514~1570年）重新发现罗马的水泥配方。
在此后的1,000多年里，中国成为技术输出的中心，向欧亚大陆输送了众多发明，如雕版印刷术、活字印刷术、金属活字印刷术、造纸术、火药、磁罗盘、磁针罗盘、航海磁罗盘、船尾舵、铸铁、瓷器、轮式碾磨机、水碾磨机、冶金鼓风机、叶片式旋转风选机、风箱、拉式纺机、手摇纺丝机械、独轮车、航海运输、车式碾磨机、胸带挽具、轭、石弓、风筝、螺旋桨、走马灯（靠蜡烛的热气流转动）、钻井技术、平衡环、平面拱桥、铁索桥、运河船闸、航海制图法，等等。英国哲学家FrancisBacon（弗朗西斯·培根，1561~1626年）写道：“我们应该注意到这些发明的力量、功效和结果。印刷术、火药、指南针这三大发明在文学、战争、航海方面改变了整个世界许多事物的面貌和状态，并由此引起了无数变化，以致似乎没有任何帝国、任何派别、任何星球，能比这些技术发明对人类事务产生更大的动力和影响。”
所谓物极必反，中世纪的“黑暗”促成了欧洲的一系列技术创新，包括农业技术、军事技术及风力水力技术，使欧洲一跃成为一种生机勃勃的具有侵略性的高度文明。欧洲水源丰沛，农田不需要灌溉，但土壤板实，必须深耕。欧洲农业革命的两大技术创新，一是采用重犁深耕。重犁配有铁铧，安装在轮子上，由8头犍牛牵引，从深处翻起土壤。二是用马代替牛作为挽畜，马拉得更快，更有耐力。欧洲传统用牛，其颈上挽具只适合牛的短颈，不适合马。中国人的胸带挽具传入欧洲，这种像项圈一样的挽具将着力点移到马的肩部，不会压迫气管，使马的牵引力增加了四五倍。欧洲从此改用马做畜力，重犁获得普遍推广，由二田轮作改进为三田轮作，提高了生产力。马替代牛，降低了运输成本，扩大了人的活动范围，使社会更加丰富多彩。
技术促成中世纪欧洲崛起的不只是农业。马镫改变了欧洲的军事技术。骑士是欧洲封建制度的代表形象，全身披挂甲胄，威风凛凛地跨骑在用盔甲防护的战马上。但欧洲没有马镫，骑士双脚悬空骑在高头大马上，无法坐稳，一旦临敌，往往得滚身下马，步行迎战。马镫由中国传入，它没有运动部件，虽然简单，却可以让骑手稳坐马背，作战时不会摔下来。一位骑手配备了马镫，就构成一个稳固的整体，可快速驰骋，产生强大的冲力，形成所谓的“骑兵冲刺”，欧洲的骑兵简直就是中世纪的“坦克”。骑兵冲刺这种新型战争技术使骑士成为职业军人，由贵族领主供养，由此产生了封建关系。这种区域性封建关系自由分散，不需要专制社会那样的中央政府管理。
在发生这些变化的同时，欧洲的工程师们发明了新机械，找到了新能源，最突出的是改进和完善了水车、风车和其他机械，利用风力驱动风车，利用潮汐驱动水轮。欧洲各地都有丰满的小河，到处都能看到水车运转。水车推动着各种各样的机器，如锯木机、磨面机和锻打机等。机械的使用节省了劳力，奴隶制度随之消失。
中国人在9世纪发明了火药，13世纪传到欧洲，14世纪初欧洲人造出大炮。到1500年，欧洲制造枪炮成为十分普遍的技术。16世纪滑膛枪出现。在大炮、滑膛枪面前，弓箭、大刀、骑兵、长枪退出战场。“火药革命”削弱了骑士和封建领主的军事作用，取而代之的是用火药装备起来的陆军、海军。葡萄牙人发明了风力驱动的多桅帆船，取代老式的有桨划船。装上大炮，成为炮舰，最终产生了全球性影响，为重商主义和殖民主义开辟了道路。
技术的发展在欧洲产生如此巨大的影响，科学在其中并没起什么作用。重大的发明如火药和罗盘在中国发明。当时在自然哲学中无任何知识可用于研制兵器。航海属于技艺，不属于科学。炮兵、铸造匠、铁匠、造船工程师和航海家在进行发明创造的时候，靠的是代代相传的经验、技艺。以造船为例，船帆和索具不好用，就改进；炮舷窗不灵活，就尝试安装灵活机动的炮车。技术是逐步改进完善的，经验是实践积累的。技术和工业仍同古罗马时代一样，与科学没有联系，既没向科学贡献什么，也没从科学得到什么。
欧洲人认识到自然界有取之不尽的资源，应开发利用，于是独创了一种研究学问的机构―大学，成为科学和知识走向组织规范化的一个转折点。但早期的大学不是研究机构，既没有把科学也没有把技术作为追求目标，主要培养牧师、医生、律师。自然科学设在文学院，主要课程是逻辑学。亚里士多德的逻辑和分析方法成为研究任何问题的唯一概念工具，学者们按照神学观点来解释世界，地球是宇宙的中心，太阳照亮了星星。直到哥白尼、伽利略出现。
1543年，波兰科学家Nikolaj Kopernik（哥白尼，1473~1543年）出版了他的《天体运行论》，推翻了地心说，提出了日心说，开始了科学革命（至牛顿时期完成），让人类从中世纪的观点走出，从一个封闭的世界走向一个无限的宇宙。1616年，宗教裁判所判定哥白尼的学术为异端邪说。
意大利科学家Galileo Galilei（伽利略，1564~1642年）研究了斜面、惯性和抛物线运动。在已有望远镜的基础上，制成了放大30倍的望远镜，指向天空，搜寻天上世界，发现了月球的山脉、木星的卫星、太阳的黑子、银河由星星组成，验证了哥白尼学说。1632年，伽利略出版《关于托勒密和哥白尼两大世界体系的对话》，1633年，他被宗教裁判所判定为“最可疑的异教徒”，遭终身监禁并被迫在大庭广众下认罪。70岁的伽利略已是半盲，作为囚徒，又写出了一本科学杰作《关于两种科学的对话》，阐述了两项重要发现：受力悬臂的数学分析及自由落体运动，后者推翻了亚里士多德的“越重的物体下落得越快”的两千年定论，现代科学开始。
在伽利略逝世的同年，Isaac Newton（牛顿，1643~1727年）出生。1665年，牛顿因为躲避黑死病，离开剑桥回家乡隐居18个月。这18个月是科学史上的幸运时期，在此期间牛顿酝酿了一生主要的科学成果：微积分，色彩理论，运动定律，万有引力，几个数学杂项定理。但他不喜欢撰写和公布自己的学问，直到因为与皇家学会发生龃龉，在Edmond Halley（埃德蒙·哈雷，1656~1742年）的劝说下，才于1687年出版了《自然哲学的数学原理》，阐述了万有引力和三大运动定律，展示了地面物体与天体的运动都遵循着相同的自然定律，奠定了此后三个世纪里物理学和天文学的基础。借助牛顿定律正确算出彗星回归的哈雷，在牛顿的《自然哲学的数学原理》的前言中用诗句赞道：“在理性光芒的照耀下，愚昧无知的乌云，终将被科学驱散。”
科学当时仍属哲学范畴。《自然哲学的数学原理》充满了哲学意蕴，读过此书的人脑海中都会浮现出一个宇宙的形象：一部神奇而完美有序的机器，行星转动如同钟表的指针一样，由一些永恒而完美的定律支配，机器后面隐约可见上帝的身影。美国开国元勋制定宪法时不忘牛顿体系，称：“牛顿发现的定律，使宇宙变得有序。我们会制定一部法律，使社会变得有序。”
牛顿证明了科学原理的真实性，证明了世界是按人类能够发现的机理运行的。把科学应用于社会的舆论开始出现，人们期待科学造福人类。甚至牛顿也在论述流体力学时轻描淡写了一句：“我想这个命题或许在造船时有用。”视科学为有用知识的弗朗西斯·培根提升了该理论，提出了“知识就是力量”。
但是，也仅此而已。牛顿力学在300年后才被用于航天发射和登月飞行，当时只能作为知识储存在书本里。16世纪和17世纪的欧洲，在科学革命的同时并未发生技术革命或工业革命。印刷机、大炮、炮舰一类的发明未借助科学。除了绘图学，没有任何一项科学的成果在近代早期的经济、医学、军事领域产生过较大的影响。即使是伽利略的抛物线研究，显然在大炮和弹道学方面有潜在价值，可事实上，在伽利略之前，欧洲的大炮已有300年的历史，在没有任何科学或理论指导的情况下，凭着实践经验，大炮技术已发展得相当完备了。炮兵学校有全套教程，包括射程表等技术指南。毋宁说是炮兵技术影响了伽利略的抛物线研究，而不是伽利略的科学影响了当时的炮兵技术。
当时航海技术中最大的“经度难题”，也不是靠科学解决的。由于无法测量船只所在的经度，欧洲人的海上活动受到限制，只能傍海岸航行。包括伽利略在内的很多天文学家尝试过解决办法，未能成功。1714年，英国国会以2万英镑悬赏“确定轮船经度的方法”，要求仪器在海上航行时每日误差不超过2.8秒。1716年，法国政府也推出类似的巨额奖金。最后的解决办法，不是科学，而是技艺。英国钟表匠John Harrison（哈里森，1693~1776年）先后做出4个海上计时仪，其3号钟使用双金属条感应温度，弥补温度变化（今天依然在用），装上平衡齿轮（滚动轴承和螺旋仪的前身）防止晃动，抵消船上的颠簸和晃荡，比任何陆地上的钟表都精确，每日误差不到2秒。45天的航行结束，准确地预测了船只的位置，符合领奖条件，但英国国会拒绝履约。哈里森继续改进，4号钟用发条替代钟锤，进行了两次从英格兰到西印度群岛的航海实验，3个多月误差不超过5秒，相当于将航天探测器降落在海王星上，降落点误差只有几英尺（1英尺≈30.48厘米）。国会还想耍赖，但航海界认定4号钟比皇家天文台的航海图优越得多。哈里森在83岁生日那天得到了奖金。
17世纪是实验科学兴起和传播的时期。Gilbert（吉尔伯特，1544~1603年）用磁体做实验，伽利略让不同球体在斜面滚下，Evangelista Torricelli（托里拆利，1608~1647年）用装有水银的管子发现了空气压力原理，William Harvey（哈维，1578~1657年）解剖过无数尸体和活体以了解心脏的作用，Robert Hooke（胡克，1635~1703年）通过测试弹簧获得胡克定律，牛顿让光束通过透镜和棱镜从而研究光的组成。
实验成为检验理论或猜想的一种方便且必需的工具。科学家依靠仪器，同一时代的科学更多地靠技术帮助，却很少给技术以帮助。以望远镜为例，天文学家一直在使用技术上不断改进的望远镜，得出许多惊人的发现。第一架望远镜是荷兰眼镜匠Hans Lippershey（汉斯·利伯希，1570~1619年）发明的。高倍望远镜光束穿过透镜后会产生色散、球面像差和畸变。解决方案还是来自技术领域，依靠玻璃制造工艺解决。用几种折射率不同的玻璃互相补偿制成复合透镜，这已经是1730年以后的事情了。
18世纪初，牛顿、伽利略等科学巨人引领的科学革命正归于沉寂，欧洲仍然是一片农业社会景象。90％的人住在乡村，从事农业。即使城市居民，能够见到的制成品要么是农田的产物，要么是能工巧匠的制品。能源不过是动物或人类的肌肉力量，加上木材、风力、水力而已。
18世纪60年代，James Watt（瓦特，1736~1819年）在Thomas Newcomen（纽科门，1663~1729年）发明的基础上改良蒸汽机。煤在蒸汽机中燃烧，提供动力，引发工业革命。蒸汽机加快了新能源（煤）的开采和使用。（此前动力和热力来源，包括炼铁，主要靠燃烧木材。）中国的铁匠在11世纪就发明了用煤做燃料的熔炼方法，英国直到1709年才由Abraham Darby（亚伯拉罕·达比，1676~1717年）发明了焦炭，不再依靠森林提供燃料。
炼铁局面改观，世界进入铁器和机器时代。英国发明家Richard Trevithick（理查德·特里维西克，1771~1833年）的高压蒸汽机用于铁路，1814年第一台蒸汽机车出现，1830年迎来铁路时代。1886年，德国工程师Karl Friedrich Benz（卡尔·本茨，1844~1929年）制造出世界上第一辆汽车。这一系列技术革命引发了从手工劳动向动力机器和工厂化生产的飞跃。
18世纪之前，人们不知工厂为何物。工业革命后出现的工厂发展出高度集中的规模生产，标准化部件的制造制度（源于英国，在美国得到更广泛的应用）被Henry Ford（亨利·福特，1863~1947年）在汽车工业中发展成生产流水线，大大提高了生产力。
构成18世纪工业革命基础的所有技术，仍然是工程师、技师、工匠发明出来的，几乎没有或根本没有科学理论的贡献。科学家仍沿袭亚里士多德的传统，追求知识和精神上的满足，不考虑理论的应用。技术行家们也未汲取科学的营养，如同古罗马的工程师，追求实用，实践出真知，对理论不感兴趣。科学与技术各行其道，直到19世纪末。
在技术独步天下的时代，英国首先颁行专利法，成为技术史上的重大事件。18世纪80年代，法国化学家C.L.Berthollet（贝托莱，1748~1822年）发明漂白织物的氯化方法。因蒸汽机而富裕的瓦特，其岳父是一位漂白剂制造商，瓦特想由他们三人共同申请专利，获取厚利。贝托莱拒绝道：“一个人爱科学，就不需要财富。”他以纯科学态度进行研究并发表了结果。这件事显示了18世纪以后技术与科学的一个区别：科学是发表、共享，寻求知识和真理；技术是垄断，寻求实用和价值。仍以瓦特为例，他并非蒸汽机的发明人，只是改良人，但他首先申请了专利，并想方设法延长专利保护期。英国当时的大政治家Edmund Burke（埃德蒙·布克，1729~1797年）在国会上雄辩经济自由，反对制造不必要的垄断，但瓦特的合作伙伴太强大，简单的原则无法打败他。专利获批后，瓦特的主要精力就不再放在蒸汽机技术的改进上，而是借助法律打压和阻挡其他发明者和改良者。蒸汽机在英国的真正普遍推广和重大改进实际上是在瓦特专利期满之后。
科学史和技术史都证明了同样或类似的发现发明可以在不同区域、由不同的人做出。牛顿和莱布尼茨分别发明了微积分，达尔文和华莱士分别发现进化论，就是有力的证明。自然规律、原理就在那里，它们迟早会在某处或某时被某人发现或利用。蒸汽机如果不是瓦特改进，也会有别人改进。但专利法的基础是：某种发明或点子只能是一个人想到，别人如果想到，就是窃取；最初的发明不可触动，不允许别人做出改进，否则就是侵权。这与科学精神背道而驰。
科学与技术的这一分野，导致了人们对科学和技术的不同观感。一个重大的科学发现，几乎全人类为之庆贺；一项重大技术的出现，人们首先想到的是又一个商业机会、盈利模式。正如美国科学家James Trell（特莱菲尔，1938~）所谓的Trel Laww（特莱菲尔定律）所说：“每当有人发现自然的原理，其他人很快就会跟从研究，并找出如何从中牟利的方法。”我们看到十几岁的孩子因为下载歌曲而被追诉“音乐盗版”，看到非洲艾滋病人因为无力支付专利持有者的高价药物而死亡，也看到某些国家的政府宁愿侵犯知识产权也支持仿制药物，以挽救人的性命。“知识产权”“专利和版权”现在已成为争论的主题。专利制度保护了发明，也阻碍了技术的改进和推广。但这是另一话题，在此不表。
历史进入19世纪。英国科学家Michael Faraday（迈克尔·法拉第，1791~1867年）于1821年发现了电磁感应现象，奠定了电磁学基础。1870年，James Clerk Maxwell（麦克斯韦，1831~1879年）在法拉第的基础上总结出电磁理论方程（麦克斯韦方程），统一了电、磁、光学原理，与牛顿物理一起成为“经典物理学”的支柱。Albert Einstein（爱因斯坦，1879~1955年）书房的墙壁上，悬挂着牛顿、法拉第、麦克斯韦三人的相片。
除了电学理论，化学、热力学等领域也取得重大进展，形成了物理和化学的基础定律。电力带来第二次工业革命。与历史不同的是，此次工业革命是以物理学和化学为基础。科学不再是纯理论，而是用于设计更为精良的技术和工艺。自此开始，科学引领技术，成为文明的引导力量。
此后的20世纪，科学可谓群星灿烂。Max Planck（普朗克，1858~1947年）的方程式，爱因斯坦的相对论，Erwin Schrödinger（薛定谔，1887~1961年）和Paul Dirac（狄拉克，1902~1984年）的量子力学，Alfred Lothar Wegener（魏格纳，1880~1930年）的大陆漂移学说，Thomas Hunt Morgan（摩尔根，1866~1945年）的遗传变异理论，Edwin P.Hubble（哈勃，1889~1953年）的宇宙膨胀说，Werner Karl Heisenberg（海森堡，1901~1976年）的不确定性原理，Francis Harry Compton Crick（克里克，1916~2005年）和James Dewey Watson（沃森，1928~）的DNA结构，John von Neumann（冯·诺依曼，1903~1957年）和Alan Mathison Turing（图灵，1912~1954年）的计算机理论。航天技术将人类送上太空和月球，哈勃望远镜在600千米的太空观察到130亿光年外的原始星系。人类对世界有了全新的认识，科学有了全新的工具。计算机无限地扩大了人的脑力，其意义要超过机器扩大人的体力。
20世纪是人类的悲惨世纪，两次世界大战，伤亡人数超过1.2亿。参战方都从实验室源源不断推出新式武器：战机、坦克、潜艇、毒气、原子弹。16世纪，Leonardo Da Vinci（列奥纳多·达·芬奇，1452~1519年）就构思过“可以水下航行的船”，被视为“邪恶”“非绅士风度”而遭摒弃。但第一次世界大战时期的1914年9月22日，德国U-9号潜艇在一个小时内就击毁3艘英国巡洋舰。第一次世界大战期间，各国潜艇共击沉192艘战舰、5,000余艘商船。第二次世界大战更被称为物理学家的战争，图灵的破译机破解了德国“Enigma”密码系统，帮助盟军制服了德国潜艇，雷达帮助英国皇家空军赢得了不列颠之战，原子弹加速了第二次世界大战的结束。
历史上，帝国的兴起都不会依靠巫术般的科技，也很少有战略家想到要制造或扩大科技的差距。19世纪前，军事的优势主要在于人力、后勤和组织；但20世纪以后，特别是原子弹的威力，唤起了各国政府对科学和技术的迷恋与贪求，揭开了科技发展的新一页。强大的武器需要精确的制导技术，推动了计算机、电子技术的发展，人类步入数字时代。集成电路、微处理器和互联网普及到每个家庭和个人，科技进入了一个更广阔的空间——商业应用。
政治和商业的卷入，重新塑造了科学和技术本身。亚里士多德开创的纯粹科学越来越稀有，科学和技术越来越受政治和资本的支配，没有明确应用前景或商业价值的科学和技术难以获得资本的支持。科学家不再是希腊先贤那样的自由个体，而是研究机构或组织的雇员，按主管者规划的“专业”方向探索。许多科学研究和技术发展，都是军事所发起。随着一个又一个难题的攻克，人们开始相信科技无所不能。
一个世纪前，人们或许还能把科学与技术区分开来，机器由工程师或技术人员制造。但在数字时代，科学和技术相互依存：没有科学就产生不出新技术，而产生不出新技术，科学研究也就失去了意义。科学和技术实际上以“流水线”模式衔接推进——基础研究发现原理、规律，打开视野和思路；应用研究探索其技术或商业的可行性；技术研发把成果制成有用的产品。
20世纪奠定基础的数字技术，在21世纪大放异彩。移动网络、大数据渗透到每个领域，机器人不仅进入生产流水线，更进入以前被认为是“专业工作”的领域，顶替人的岗位。即使是最复杂的医疗领域，医院的所有检查和大部分诊断已不是由医生而是由机器承担；人工智能（AI）的诊断水平已开始超越最有经验的医生，纳米机器人做手术比外科医生更快、更完美。人工智能已具备深度学习的能力，意味着人工智能必将超越人的知识、能力，彻底改变未来的社会场景。
21世纪，生物技术异军突起。过去数千年来，人们探索宇宙星辰、原子电子，对自身的生老病死却鞭长莫及。20世纪后期，DNA双螺旋结构模型的发现、遗传信息传递“中心法则”及DNA重组技术的建立，使生命科学找到了方向。世界第一份人类基因草图公布，人类基因组的全序列（遗传密码）不久就可测定完毕，记忆与行为、衰老与死亡、细胞增殖、胚胎发育及癌症的各种基因密码可望破译。生物技术将有效地解决人类所面临的健康、环境、食品、资源等重大问题。
今天，人类生活的各个方面，没有科技尚未进入的领域。以无处不在的手机为例，方寸之间，集人类数千年科学和技术成果之大成，数百位科学家、发明家薪火相传，才带来今天这种执世界于掌心的智能设备。每次打开手机，都在使用物理、化学、光学、电磁学、计算机、互联网、无线电、通信、量子力学、相对论的原理。科学与技术水乳交融，技术进化日益加速。
回顾历史，技术胼手胝足、劳苦功高地扶持人类的发展。3,000年前，科学涓涓细流，滥觞发源。从泰勒斯发现静电到法拉第发现电磁感应，科学家走了2,000年。21世纪，技术创新如同井喷。车库或地下室里的青年一夜之间推出一项改天换地的新技术，世界丝毫不会惊讶。
为了聚焦“改变世界”的重大科技创新，著名的科技杂志MIT Technology Review（《麻省理工科技评论》）自2001年起，评选和发布各年度的“十大突破性技术”（TR10），并预测其大规模商业化的能力以及对人类生活和社会的影响。
本书《科技之巅3》，是《麻省理工科技评论》2009~2018年间“新兴突破技术”的汇集，并配有相关专家精到的深度评述。这百项技术，有的已经走向市场，主导着产业技术的发展，有的还在艰难挺进，但无一例外地展示了前沿科技创新的惊人效果和潜力。即使是看似“夭折”的项目，也英气犹存，寄托着理想和雄图，富含着启发和教训，潜藏着新的突破。如书中的Joule Biotechnologies公司，成功发明了一种微生物，通过光合作用直接将二氧化碳和水转换为汽油和柴油，历经10年奋斗，公司虽然倒在产业化和大规模生产的门槛上，但世界各地实验室里获取氢气、甲烷、酒精、柴油等太阳能燃料的研究却更为蓬勃，创新层出不穷，终有一天，将彻底摆脱人类的能源与环境之痛。这是科技创新者的冰与火之歌。科技的动人与迷人，正在于此。第一章人工智能，“吃一堑长一智”的机器撰文：赵珊
主要技术：
机器能思考吗？
早在20世纪初，人类就开始想象机器像人类一样思考的可能性。
如果说1900年出版的童话故事《绿野仙踪》里渴望有一颗心的铁皮人还只是对这个话题的初步涉猎，那么到了20世纪50年代，著名科幻小说作家艾萨克·阿西莫夫所创作的机器人系列科幻小说就已经铺垫了史诗般的未来科幻世界架构，极大地丰富了机器人独立思考能力的各种细节。阿西莫夫笔下的机器人，除了在能力上可以成为人类工作和日常生活的助手，它们随着强大计算能力而衍生出的独立思想也会带来各种各样的威胁。
在各种文学作品里面我们看到的“思考的机器”，就是人工智能的起源。
到了20世纪50年代，科学家和数学家们迈出了实现机器思考这个可能性的第一步。人工智能（Articial Intelligencee，AI）这个概念被正式提出。英国科学家和数学家阿兰·图灵在1950年提出了这个问题：如果人类可以从已有信息进行推理和逻辑判断来解决问题，那为什么机器不可以这么做呢？“可以”，很多人都是这么想的。
在之后的几十年，发达国家的政府都在人工智能上投入了大量的研究经费，还有世界顶尖的科学家耗费了巨大的心血和精力来证明“可以”这个答案。遗憾的是，这么多的投入却收效甚微。人工智能技术尽管有所发展，但离实际的应用还是十分遥远。
人工智能是在进入21世纪后才得以繁盛发展起来的，这主要得益于机器学习方式，尤其是深度学习领域的突破、电脑硬件急速发展和信息爆发式增长，这三个条件缺一不可。机器学习（Machine Learning）的手段是让电脑从大量的真实经验、信息和案例中学习，然后会像人类一样吃一堑长一智，在以后遇到同样的问题时，电脑就有能力用学习到的经验做出准确的判断。互联网的爆发让大数据变成了可能，给机器学习提供了充足的原材料。同时，我们的电脑越来越强大，能够存储并处理这些庞大的数据。1970年，Intel 4004处理器每秒可以运行92,000条指令，而我们现在的普通手机能每秒处理10亿条指令。
不断涌现的成果向投资者和研究者证明了人工智能是可以实现的，而且其应用能极大地提高商业利润和社会生产力。人工智能也在最近10年迎来了重要的发展，从实验室研究全面走向商业应用，并且普及到我们日常生活中的很多细节：在购物网站可以看到根据个人浏览和购买记录推荐的商品；智能手机的语音助手根据对话就能为人们提供天气信息，找到最优的出行路线；我们的车可以实现“自动驾驶”。很多这些在10年前只存在于想象中的场景，现在都在人工智能的推动下变成了人们生活中习以为常的事情。
2017年麦肯锡关于人工智能的报告指出，人工智能领域的投资仍在高速增长中，主要以Google（谷歌）和百度这样的科技巨头为主。全球范围内，人工智能领域2016年吸引的投资高达390亿美元。其中科技巨头占了最大头，投资预测在200亿~300亿美元，其中90%的投资是花费在研发上，而10%是用于人工智能相关的收购。私募资金、风险投资和种子资金的增长也十分迅速，加起来虽然比不上大科技公司，但总体也达到相当庞大的60亿~90亿美元。机器学习作为人[1]工智能的主要技术手段，吸收了高达六成的投资份额。
除了企业和民间投资之外，各国政府也大力支持人工智能的科研项目。美国政府2015年投资于人工智能领域的研发高达10亿美元。韩国政府宣布投资1万亿韩元（将近60亿元人民币）和其国内领先的联合企业共同创建一个人工智能研究中心。中国已将人工智能列为重[2]大科技项目，并于2017年建立了以百度为首的深度学习技术及应用国家工程实验室。
人工智能领域的相关技术在近五年频繁入选《麻省理工科技评论》十大突破性技术。在2017年和2018年，全球十大突破性技术里人工智能领域连续两年独占三项，可见人工智能领域近几年受到的关注之大。
人工智能领域在过去10年来达到目前的发展高度，技术上最大的功臣无疑是深度学习（Deep Learning）。深度学习利用多层人工神经网络，从极大的数据量中学习，对未来做出预测，让机器变得更加聪明。
过去10年，深度学习是人工智能领域里绝对的王牌主力，被《麻省理工科技评论》评为十大突破性技术的其他重要人工智能技术的发展都得益于深度学习的技术支持。深度学习的涵盖范围之大，对社会和科技发展的影响之深，使其无论是现在还是在未来10年都会是人工智能领域里最重要的课题之一。
除了深度学习之外，强化学习（Reinforcement Learning）也是近几年来机器学习领域的热门技术。强化学习能使计算机在没有明确指导的情况下像人一样自主学习。在达到足够的学习量之后，强化学习的系统最后能够预测正确的结果，从而做出正确的决定。强化学习和深度学习的整合，让机器学习有了进一步的运用，衍生出深度强化学习（Deep Reinforcement Learning）。2016年，Google的围棋软件利用深度强化学习击败了世界围棋冠军，成为人工智能的又一个里程碑。虽然国际象棋、围棋等脑力运动代表着人类智慧的堡垒，但是强化学习技术的“接地气”的应用场景还不算多，目前也无法在产出的商业价值上与深度学习相媲美。这主要是受限于很多领域目前还无法提供强化学习系统训练过程中所需的极大数据量。
无论是深度学习还是强化学习，在发展到一定程度之后都受到一个瓶颈的困扰：主要的机器学习手段还是来自蛮力计算，而且极其依赖大量的数据来训练系统。Dueling Neural Networks，又称为Generative Adversarial Networks（对抗性神经网络，GAN），是近年来最有潜力解决这个困扰的重要机器学习模型，在2018年入选了十大突破性技术。GAN的原理是两个人工智能系统可以通过相互对抗来创造超级真实的原创图像或声音。GAN赋予了机器创造和想象的能力，也让机器学习减少了对数据的依赖性，对于人工智能是一大突破。
有了技术上的突破，人工智能的商业应用也是全面开花。其中《麻省理工科技评论》认为最具突破性的应用，是利用人工智能改进自动驾驶汽车的表现，如特斯拉自动驾驶仪（2016年）、自动驾驶货车（2017年），还有图像识别，如苹果支付（2015年）、刷脸支付（2017年），以及语音识别，如巴别鱼耳塞（2018年）。对抗性神经网络的原理
下面，本章将先介绍人工智能里最有发展前景的三种机器学习方式：深度学习、强化学习和对抗性神经网络，然后细述这些技术支持下最显著的商业应用及其市场前景。深度学习，人工智能的一大突破
深度学习，在某种意义上是“深层人工神经网络”的重命名，从2006年开始在Geoffrey Hinton、Yann LeCun（杨立昆）、Yoshua Bengio、Andrew Ng（吴恩达）等教授以及学术界、工业界很多研究人员的推动下重新兴起，并在语音（2010年）和图像（2012年）识别领域取得了重大技术突破。
尽管在2013年才被列为全球十大突破性技术之一，但事实上，深度学习已经有几十年的发展历史了。
传统机器学习系统主要是由一个输入层和一个输出层组成的浅层神经网。在神经网络里，程序绘制出一组虚拟神经元，然后给它们之间的连接分配随机数值或称“权重”，经由反复的训练来实现误差最小化。但是早期的神经网络只能模拟为数不多的神经元，所以不能识别太复杂的模式。
深度学习中的“深度”是一个术语，指的是一个神经网络中的层的数量。顾名思义，深度学习网络与更常见的单一隐藏层神经网络的区别在于层数的深度，也就是数据在模式识别的多步流程中所经过的节点层数。浅层神经网络有一个所谓的隐藏层，而深度神经网络则不止一个隐藏层。多个隐藏层让深度神经网络能够以分层的方式学习数据的特征，因为简单特征（比如两个像素）可逐层叠加，形成更为复杂的特征（比如一条直线）。
在深度学习网络中，每一个节点层在前一层输出的基础上学习识别一组特定的特征。随着神经网络深度的增加，神经元节点所能识别的特征也就越来越复杂，因为每一层会整合并重组前一层的特征。第一层神经元学习初级特征，例如分辨图像边缘或语音中的最小单元，方法是找到那些比随机分布出现得更多的数字化像素或声波的组合。一旦这一层神经元准确地识别了这些特征，数据就会被输送到下一层，并自我训练以识别更复杂的特征，例如语音的组合或者图像中的一个角。这一过程会逐层重复，直到系统能够可靠地识别出音素（根据语音的自然属性划分出来的最小语音单位）或物体为止。
一旦算法框架构建起来后，人工神经网络就需要很多的“训练”来达到误差最小化。所以这也是深度学习的名字的由来，深度（多层的神经网络）和学习（大量的数据训练）都是必不可少的。机器学习有三种主要学习方式：监督学习、无监督学习和强化学习。每一种学习方式都可以用在深度人工神经网络的训练过程中。“神经网络”
发展至今，深度人工神经网络的算法在图像识别、声音识别、推荐系统等重要问题上不断刷新准确率纪录。从沉寂了几十年到火爆的[3]热门技术，有三个重要原因推动了深度学习的发展。1.大数据
根据Cisco（思科）统计，全球互联网流量在1992年的时候是每日100GB，而到了2015年的时候，流量已经达到了每秒20,235GB。现在全球九成的数据都是在过去两年里产生的。
这些大数据是训练深度人工神经网络里上百万的神经元和权重的前提。
用数据构建神经网络的最好例子是Google X的一个项目。2012年6月，Google展示了当时最大的神经网络之一，其拥有超过10亿个连接，启用了16,000个CPU。由斯坦福大学计算机科学教授Andrew Ng和Google研究员Je Deann（杰夫·迪安） 带领的团队给这个系统展示了1,000万张从YouTube视频中随机选择的图片。这种图片数据量在十年前是无法想象的。2.图像处理器带来的强大计算能力
让人工神经网络快速运行是很困难的，因为成千上万的神经元要同时互动。取决于任务种类，有时候使用传统的中央处理器（Central Processing Unit，CPU）运行神经网络需要几周才能出结果。然而用图形处理器（Graphics Processing Unit，GPU），时间能大大节省，同样的任务只需要几天或者几小时就可以出结果。
NVIDIA（英伟达）公司首先推出了GPU，主要用于处理游戏中每秒产生的大量的帧数据。专家们发现，将GPU加入深度学习的架构中，赋予其训练神经网络的能力，可以有执行大量任务的并行计算能力，能更迅速地处理各种各样的任务。GPU让深度学习系统有能
试读结束[说明：试读内容隐藏了图片]