- 百年前美国人在用什么 - 洗脸盆收集 [2019/09]
- 我对移民潮的看法 [2015/09]
- 一件小事 [2019/05]
- 川普擒鹤 [2019/02]
- 现代人大都有便秘的倾向 － 厕所史（屎）话 [2015/11]
- 中美关系正在失控，这里的华人生活在窄缝中！ [2019/10]
- 10个硅谷大公司6个CEO是印度人，为何世界没有印度威胁论？ [2020/04]
- 为什么大多数犹太人总是支持民主党？ [2016/08]
- 为什么美国股市一直没有垮掉？ [2019/08]
- 清明时节回国见闻 （４） － 重庆菜市场一览 [2016/04]
- 中国跟世界干了两仗了，下一仗结果会怎么样？ [2019/03]
- 星期六夜间实况（SNL）节目辱华的风波和华人表演艺术家的崛起 [2019/09]
- 与文明为敌 - 2019年起，高考政审又回来了! [2018/11]
- 美国逐渐消失的工匠精神和史上最精美的工具箱 [2021/02]
- 最后一课 - 写在中国禁止课外补课的政策生效之时 [2021/08]
- 清明时节回国见闻 （３） － 重庆，重庆 [2016/04]
- 中国，一个山寨大国能取代美国成为世界超强吗？ [2016/10]
- 奇惨的人生：高考上大学被人两次顶替 [2020/06]
- 从机器翻译语言说开去 [2018/01]
- 我忠实的朋友 - Trixie 的不归路 （2) [2015/06]
- NBA: 今年的总决赛势均力敌， 比分变成2：2 [2015/06]
- “印度裔正在接管美国”，对莫迪政府不是什么好事 [2021/03]
一般说来，这些公司在人工智能神经网络领域都具有一个或多个领军人物，在那里起到定海神针的功效。比如说
谷歌原来有Andrew Ｎｇ， 现在有Geoffrey Hinton和他的几位学生；
脸书现在有Yann LeCun， 一个法国科学家；
百度有Andrew Ng直到最近他离开。据说百度的研究团队仍旧非常大也很强。
微软直到２０１５年以前有John Platt。这人现在似乎在谷歌。
。。。
其实，谷歌大脑的形成有很大的偶然性。２０１１年早期，Jeff Dean，一个谷歌技术fellow，在办公楼的厨房偶遇刚好在谷歌实验室里做ｃｏｎｓｕｌｔａｎｔ的年轻的斯坦福教授Andrew Ng。 Dean以前并不是做有关神经网络和机器学习的。但是他曾把人工智能的研究作为他大学学习时一个短暂的课题。当Ng给Dean提到他正在谷歌组建一个由一千个GPU（Graphic Processer Unit)构成的机器系统以模拟人大脑的柔细可变的神经系统时（Marvin Project， named after the celebrated A.I. pioneer Marvin Minsky），Deff似乎发现了由此可能产生应用的重大意义。于是他重新燃起了对机器学习的热情。他把他每周五天中的一天，用到了有关神经网络的学习和研究上来。直到有一天，Dean对Ng说，让我们再加一个有神经科学背景的人进来，他就是Greg Corrado。于是三个人一起成立了一个新的项目：谷歌大脑（Ｇｏｏｇｌｅ Ｂｒａｉｎ）。严格意义上讲，这是一个关于人工智能的应用项目。
人工智能（Artificial Intelligence)这个词最初是由Dartmouth大学于１９５６年提出的。从那时以来，大多数研究者认为，要想做出真正的A.I.，最好的方法就是，基于世上现有的最严谨的逻辑推理，和最充分的科学理论，写出一个包罗万象的优美的程序来模拟大脑是怎么工作的。这是非常典型的传统的关于A.I.的定义。
举一个例子，如果你想做一个英译中的机器翻译，按照这种传统的思维，那么最直接的方式就是把所有英文的语法和整本牛津英语字典输进程序；同样把所有的中文的语法，主，谓，宾，补，定，状，和最新版本的汉语字典也全部纳入系统。然后在两种语言之间去建立mapping的关系。怎么建立这种对应关系，这一步是最重要的。一般人们把这种人工智能叫做，symbolic A.I.
这种所谓“好而老式的A。I。”主要存在两方面的问题。一方面为了让它工作得好，需要大量的人工输入去完善那些复杂多变的数学和逻辑运算以及资料的准备，另一方面，它仅仅在那些有着清晰，逻辑的规则和界限的领域工作得很好，比如说，数学和国际象棋。而翻译则是不一样的一个领域，这种传统的A.I.在这上面不能很好地完成任务。一方面是因为，即便是按照词典去翻译，同一个词在不同的环境下有不同的歧义，并且语言作为一种人类文明，与土人的习俗密不可分，并有书面和口语的双重表达形式。它们实际上在使用时有各种各样，不可预测的例外，而这些例外仍旧是无可指责的。
比如我们中国人说：“我差点没被你吓死”和“我差点被你吓死”。这两句话本身的语义完全是不同的。可是在人使用他们的时候，却完全用来表达同样的意思。只是一个在情感上更夸张（已经死过去了！），而另一个稍微收敛（还没有吓死）罢了。
另一个例子，文化的差异，在语言的表达上可以是完全不同。KFC的一条著名的广告词说，“We ｄｏ Chicken Right”。如果用谷歌的翻译译出来，即便就是用现今的谷歌翻译版本，得到的中文仍旧是，“我们做鸡吧”。这有点南辕北辙，牛头不对马嘴了。
由此可见从一种语言到另一种语言的转换，翻译，仅仅把字典的字和语法输入进去，再把它们一一对应起来，仍是不能解决基本正确这个问题的。
机器翻译并不是一字一词去翻译的，而是从整个句子的结构大意去翻译的。这就是所谓的强耦合输出理论。这种强耦合理论能够解决一部分问题，但不能解决文化差异和习俗的难题。这差异和习俗是模糊不清的，没有很强的逻辑规律，也不能用数学的公式加以表述。怎么办？
当人们面临这样的困难时，又一次，学习研究的对象转向了人， 人自己的大脑。人类自身到底是怎么学习的？人们发现，人类在小时候根本不是通过背诵字典和语法大纲来了解和学习一门语言的！
那么为什么人工智能里用到的电脑不能做同样的事情呢？