“百度一下”的未來

王瀟陽

作為搜索引擎的代名詞，“百度一下”已經(jīng)在人民日常生活中發(fā)揮著無可取代的作用，而深度學習技術的誕生與發(fā)展則為“百度一下”的未來發(fā)展提供了巨大的技術支撐，文章從此出發(fā)，首先對“百度一下”及其發(fā)展前景做了簡要的描述，然后探討了深度學習技術的內涵與價值，并分析了其應用現(xiàn)狀，繼而以深度學習技術的應用前景為分析內容，指出了其在文本領域、圖像領域、音頻領域、視頻領域的應用前景。

網(wǎng)絡信息時代的到來極大地改變了人類社會生產(chǎn)生活的方式，特別是在信息搜集領域，搜索引擎取代了傳統(tǒng)的文獻查閱，成為人們信息獲取的主要方式。百度作為我國市場份額最大的搜索引擎網(wǎng)站，“百度一下”也成為網(wǎng)絡搜索的代名詞。深度學習技術屬于人工智能的范疇，是機器學習領域的重要分支，是相對于傳統(tǒng)的淺度學習，即僅包含單層非線性變換的淺層學習結構而言的新型學習結構，具有廣闊的發(fā)展前景與強大的應用價值，是實現(xiàn)人工智能的有效路徑，深度學習將簡單的特征進行組合，成為高層次的特征，從而實現(xiàn)對特定數(shù)據(jù)或者實際對象抽象表達的目標。百度于2012年引入深度學習技術，以此來實現(xiàn)深度神經(jīng)網(wǎng)絡，并取得了不錯的應用成果，從未來的發(fā)展前景而言，深度學習技術與“百度一下”的融合將更加緊密。

1 “百度一下”及其發(fā)展前景

“百度一下”是百度網(wǎng)站2007年推出的廣告語，全稱為“百度一下，你就知道”，指代在百度網(wǎng)站中對某個詞語進行搜索。隨著信息技術的迅猛發(fā)展，“百度一下”逐漸成為網(wǎng)絡搜索的代名詞，從廣義的角度來說，凡事借助搜索引擎進行搜索，均可以視作“百度一下”，而從狹義的角度而言，則專指代以百度為搜索引擎的網(wǎng)絡搜索。由于百度在中國搜索引擎市場份額巨大，占比在80%以上，“百度一下”的廣義含義與狹義含義具有很大的重合性。“百度一下”很大程度上改變了人們信息的獲取方式，使網(wǎng)絡成為現(xiàn)代人信息的主要來源，在具備海量數(shù)據(jù)以及便捷性、個性化服務優(yōu)勢的同時，“百度一下”也存在不少問題，比如信息泛濫導致的可靠性下降，又如依附效應導致的思維碎片化等。深度學習技術的誕生與發(fā)展為“百度一下”的未來發(fā)展提供了重要的支撐，2012年百度公司引入了深度學習技術，并在多個領域取得了重要的突破，就以圖片搜索為例，傳統(tǒng)的搜索方式為隱文搜索，用戶借助圖片的主要文字信息，比如“故宮”搜索出故宮的圖片，而深度學習技術使得以圖搜圖成為常見的搜索方式，用戶只需拍攝圖片，并上傳百度搜索，就可以迅速找出類似的圖片，深度學習技術極大地提升“百度一下”的效率與價值，對“百度一下”的發(fā)展有著重要意義。

2 深度學習技術

2.1 深度學習技術的內涵、優(yōu)勢

深度學習最早由Hinton教授于2006年提出，屬于人工智能領域的新技術。此后又有很多科學家和學者深入研究，很多研究表明，根據(jù)學習深度的不同，機器學習可以分為淺度學習與深度學習兩大類型，淺度學習是最為傳統(tǒng)我們所普遍認知的學習模式，僅僅包含單層非線性變換的淺層學習結構，在信息技術不斷發(fā)展，數(shù)據(jù)呈指數(shù)級增長的今天其現(xiàn)狀和性能已經(jīng)越來越難以滿足社會發(fā)展的需求。深度學習的概念由此提出，所謂深度學習，指的是計算機以人腦的多層抽象機制為基礎，借助神經(jīng)網(wǎng)絡來模擬人腦的學習過程。具體而言，便是構建具有很多隱藏的機器學習模型以及海量訓練數(shù)據(jù)的機器學習方法?，F(xiàn)代意義上的深度學習涉及到多門學科，典型的代數(shù)學、統(tǒng)計學、微積分、概率論等，主要借助設計和研發(fā)一些有助于計算機自動學習的算法來實現(xiàn)機器深度學習的目標。與傳統(tǒng)的淺度學習相比，深度學習有著非常突出的優(yōu)勢，可以很好地化解淺度學習中存在的維數(shù)災難現(xiàn)象。不僅有效解決了局部最優(yōu)的問題，且其內部訓練，或者說自主學習的過程不依賴樣本標簽信息，應用領域非常廣闊，特別是在非線性自然信號的處理中更是如此，常見的有語音識別、圖像識別、自然語言處理等。正是深度學習技術不可多得的優(yōu)勢，使得其成為百度等搜索引擎發(fā)展完善的重要技術支撐。

2.2 深度學習技術的應用現(xiàn)狀

深度學習技術作為人工智能的分支，有著非常廣泛的應用領域，但從當前的應用現(xiàn)狀而言，受各種因素的影響，情形并不容樂觀，或者說，深度學習技術的應用價值并沒有得到有效的發(fā)揮，首先，訓練模式優(yōu)化問題。監(jiān)督學習是深度學習模型訓練的主要方式，此種學習方式離不開大量人工標準的訓練樣本，存在費時費力的問題，與人工智能的初衷違背，且訓練樣本的規(guī)模會影響到模型的應用精度；其次，理論創(chuàng)新問題?，F(xiàn)階段，大部分深度學習模型所以來的理論，都是卷積神經(jīng)網(wǎng)絡等最為基本的神經(jīng)網(wǎng)絡結構的疊加或混合，在復雜數(shù)據(jù)結構、數(shù)據(jù)關系的處理中不具備優(yōu)勢；最后，規(guī)模應用問題。相比于科研工作中的火熱性，深度學習技術在實際的應用研究中仍然處于起步階段，并沒有規(guī)?；貞糜谌粘Ｉ钪?，即便是技術較為成熟的領域，比如語音識別、圖像識別等，也離普遍應用有一段距離。

3 深度學習技術的應用前景

3.1 文本領域的應用

文本領域是深度學習技術應用較為廣泛的領域之一，并且，隨著深度學習技術的不斷發(fā)展，近年來，有關文本領域的研究也大都集中于深度學習的應用上。作為國內市場份額最大的搜索引擎，百度文本數(shù)量巨大，且每天以海量的速度遞增，大規(guī)模文本分析是深度學習技術應用最為重要的內容。相關研究表明，在MATLAB平臺上，基于淺層結構RSM的DBN模型可以有效地利用20-newgroups文檔集進行訓練與測試，研究結果清楚地表示，基于淺層結構RSM的DBN模型在大規(guī)模文本分析中具有可行性，為后續(xù)相關應用的開展奠定了技術基礎與應用路徑。文本分類是搜索引擎中的難點所在，特別是在文本海量遞增的宏觀環(huán)境下，如何有效地開展文本分類，提升文本分類的精確度與準確度，關系到搜索引擎未來的發(fā)展態(tài)勢，對此，深度學習技術同樣有著很好的應用價值。以知乎實驗數(shù)據(jù)為依托的測試結果顯示，基于深度學習技術的模型在文本分類的準確度上有顯著的進步，特別是對于長文本而言，分類準確度高達98.06%，而對于分類難度更高的短文本，準確度也超過了90%。

3.2 圖像領域的應用

對“百度一下”而言，圖像領域的應用是深度學習技術應用的重要領域，一來，百度圖片作為百度搜索引擎的重要功能，在滿足社會圖片搜索中發(fā)揮著重要的作用，二來，百度搜索正從單一的文字搜索向多元的文字、語音、圖像搜索發(fā)展與延伸，拍照搜圖已經(jīng)成為現(xiàn)代搜索的重要方式。在圖像識別的應用中，卷積神經(jīng)網(wǎng)絡是應用得比較早的深度學習技術，在人臉識別以及其他特征較為明顯的圖像識別，比如車牌識別、花草樹木識別中有著特殊的優(yōu)勢，并誕生了不少行之有效的模型，比如谷歌公司的GoogleNet模型就是基于卷積神經(jīng)網(wǎng)絡的典型模型。深度學習技術在圖像領域的應用有著很強的拓展性，尤其是在遙感圖像的獲取、識別中有著重要意義，這為“百度一下”服務道路交通以及地形探測均有著很好的作用。有研究者構建了深度卷積神經(jīng)網(wǎng)絡模型（DCNN），用來進行遙感水體的識別，實驗借助無人機來獲取遙感圖像，然后以支持向量機法以及面向對象法作為對比的方法，對比結果顯示，與其他模型相比，深度卷積神經(jīng)網(wǎng)絡模型的識別效果更佳，是圖像領域應用的有效模型。

3.3 音頻領域的應用

語音識別是“百度一下”中的重要內容，在語音搜索成為常態(tài)的今天，如何有效地提升語音識別的質量成為深度學習技術應用的關鍵。信息技術的迅猛發(fā)展在提高社會生活便捷度的同時，也帶來了海量的數(shù)據(jù)，海量數(shù)據(jù)的有效利用成為“百度一下”當前的重點所在。在大數(shù)據(jù)時代，傳統(tǒng)的語音識別機制已經(jīng)越來越難以滿足人們的搜索需求，因為傳統(tǒng)語音識別一方面在孤立語音的識別中存在著很大的缺陷，難以準確地將孤立語音識別出來，比如一個字、一個詞，或者一種聲響，另一方面，傳統(tǒng)語音識別存在較高的錯誤率，影響識別的效果。深度學習技術的應用為語音識別的發(fā)展與完善提供了新的思路。舉例而言，針對傳統(tǒng)的混合高斯-隱馬爾科夫（GMM-HMM）模型中存在的問題，相關研究者進行了改革，用深度神經(jīng)網(wǎng)絡（DNN）替換了傳統(tǒng)的GMM，構建了新的DNN-HMM模型，與混合高斯-隱馬爾科夫模型相比，結合了深度學習技術的模型在詞匯識別的準確率上有了極大地提升。不僅如此，深度自動編碼器（DAE）在孤立語音識別中的應用表明，深度學習技術可以有效提升語音識別的適應性，使其滿足孤立語音的識別需要。

3.4 視頻領域的應用

多元化發(fā)展與綜合化運用是“百度一下”未來發(fā)展的主要趨勢，視頻領域的應用則是深度學習技術推動“百度一下”發(fā)展的重要領域。從當前深度學習技術的應用現(xiàn)狀而言，目標跟蹤以及交通監(jiān)管是視頻應用中的重點。此處，深度自動編碼器已然有強大的應用機制。基于稀疏約束的DAE模型，能夠以非監(jiān)督訓練監(jiān)督式微調的方法來對模型進行訓練，進而在目標追蹤中予以應用，比如正在行走的人物或汽車等。仿生眼監(jiān)控系統(tǒng)的研發(fā)與應用對深度學習技術在視頻領域中的應用起到了很好的推動作用。有研究人員在GooleNet模型的基礎上進行了改進與重構的工作，構建一個三分類的卷積神經(jīng)網(wǎng)絡模型，使深度學習技術得以成功地應用于仿生眼監(jiān)控系統(tǒng)中，能夠有效地對道路交通狀況進行識別。視頻應用作為目標追蹤的主要方式，在實際的使用中存在一些難點，比如在長距離、多目標的追蹤中很容易出現(xiàn)混亂乃至丟失追蹤目標的現(xiàn)象，而基于深度學習技術的卷積神經(jīng)網(wǎng)絡輔助跟蹤法可以有效地彌補此一不足，提升復雜環(huán)境下目標追蹤的準確度。

4 結語

機器的深度學習是學科交叉融合的產(chǎn)物，主要以人工智能為研究對象，是探討機器模擬人腦學習的技術，它的核心目標是使機器具有類似于人類那種自我學習、自我發(fā)展的能力，從而使自身的性能更加完善，更好地被人類應用于社會實踐中，產(chǎn)生更大的影響和效益。百度一下的普及和深入人心是一場突破和開始，百度一下也越來越完善，語音輸入、圖片輸入、智能區(qū)分等，在這些基礎之上可以明顯的遇見，深度學習技術的提倡和發(fā)展對“百度一下”的未來發(fā)展將產(chǎn)生越來越重要影響，深度學習的理念和延伸將成為“百度一下”未來發(fā)展的核心推動力。

（作者單位：臺州路橋中學）