这是被整个世界忽视的那种学术时刻，但在这篇论文发表之后，神经网络进入了一个乐观和进步的新时代。随着该领域走出第一个漫长的寒冬，并乘着更大的人工智能投资的浪潮前进，研究人员所说的反向传播不再仅仅是一个想法了。

识别、存储和回忆图像在某种程度上与创造图像有关联。

学习之所以成为可能，只是因为我们的祖先进化出了代表空间、时间和持久物体等事物的‘机器’。我的预测——这只是一个预测，我无法证明——当我们学会将类似的信息整合到人工智能中时，人工智能的效果会更好。”[插图]换句话说，他相信，有很多东西是人工智能无法独立学习的，必须由工程师手工编码。

在招募了芯片制造商英伟达的一名关键工程师后，百度推出了自己的巨型GPU集群。余凯已经离开该公司，在中国创立了一家初创公司，目标是按照谷歌TPU的模式，打造一款新型的深度学习芯片。

纳德拉和微软同意给OpenAI投资10亿美元，OpenAI同意将这笔钱的大部分返还给微软，因为仅仅为了训练该实验室的系统，这家科技巨头打造了一套全新的硬件基础设施。

神经网络只是构建人工智能的一种方式，明斯基像他的很多同事一样，开始探索其他途径。到了20世纪60年代，随着注意力被其他技术吸引，他开始质疑，除了罗森布拉特在纽约北部实验室演示的简单任务之外，神经网络是否能够处理其他任何事情。

政治运动、民族国家、活动家和叛乱分子不必付钱给大量人工去创建和分发假图像和假视频，他们可能会打造一些系统，由系统自动完成这项工作。

没有人能真正理解大脑，也没有人能再造它，但有些人相信这两种努力最终会相互带动。哈萨比斯称之为“一种良性的循环”。

和感知机一样，玻尔兹曼机通过分析数据，包括声音和图像数据来学习。但它增加了一个新的变化，就是会创造自己的声音和图像，然后通过对比自己创造的数据与分析的数据，来进行学习。

通过语音识别工作，辛顿和他的学生们在整个科技行业引发了连锁反应。

谷歌前首席执行官兼董事长埃里克·施密特表示：“你可以把人工智能想象成一个大的数学问题，它能看到人类看不见的模式。科学和生物学的大量知识中，存在着一些人类无法看到的模式，当被发现时，它们就能帮助我们开发出更好的药物和更好的解决方案。”

马斯克自己从实验室挖走了一名顶级研究员，将一位名叫安德烈·卡普西(AndrejKarpathy)的计算机视觉专家调出OpenAI，并任命他为特斯拉人工智能的主管，这样他就可以领导自己的公司推进自动驾驶汽车项目。

施米德胡贝和他的一名学生打造了他们所描述的具有短期记忆的神经网络。它可以“记住”最近分析过的数据，并在运行的每一步都利用这种回忆改进它的分析。他们称之为LSTM，即长短期记忆(LongShort-TermMemory)。

这种情况经常发生在大型科技公司或小公司内部：大多数人看不到自己正在做的事情之外的东西。阿兰·尤斯塔斯认为，诀窍在于让自己处在一些特定人群周围，这些人能够将新的专业知识应用到旧技术似乎无法解决的问题上。“大多数人是以特定的方式、特定的视角和特定的历史来看待特定问题的，”他说，“他们无法看到那些能改变格局的专业知识的交会点。”

他说：“我每天都很煎熬，情况发展到了可能会瘫痪的地步，所以我很认真地对待这件事。如果我能完全控制自己的生活，它就不会带来任何问题。”

深度学习革命中最重要的大玩家已经在为竞争而努力了。谷歌有辛顿、萨特斯基弗、克里哲夫斯基，以及哈萨比斯、莱格和西尔弗；Facebook有杨立昆；百度有吴恩达。但在像辛顿或哈萨比斯这样的人物是一种“无价商品”的世界里，微软没有属于自己的顶尖人物，而这些人物是公司了解未来变化、打造新技术、吸引顶尖人才，以及推广企业品牌（最重要的）的一种方式。

这就是LeNet，一个由杨立昆创建的系统，该系统最终以他的名字命名。

当他们讨论人工智能和机器人以及这些技术的走向时，他说未来的机器人需要睡觉。他认为，机器人需要睡觉，因为它们需要做梦。他的观点是，人工智能研究的未来在于不仅能识别图片和口语单词，还能自行生成自己的系统。做梦是人类进行学习的重要组成部分。晚上，我们“重播”白天经历的事情，把记忆植入大脑。总有一天，机器人也会如此。

于是，他们创建了一个系统，这个系统可以分析标记过的图像，并学会识别物体，其准确度远远超过任何人以前打造的任何技术，这表明，当人类将其指向正确的方向时，机器的效率会更高。如果有人给神经网络指明猫的确切位置，神经网络就会以更加强大的方式进行学习。

谷歌没有宣布这个项目，并要求国防部也不要宣布这个项目。即使公司员工也必须自己去了解马文项目。