Jeff Dean | 高级研究员，研究组| 谷歌
作为明尼苏达大学的高级教授，Jeff Dean建立了一个人工脑。 Kinda。 使用当时被认为是一个超级计算机，他模仿了你头脑中的神经元网络，创建一个系统，可以分析信息，甚至学习。 麻烦是它没有工作，以及。 这些电脑没有提供足够的果汁。 他们不能拼凑足够的数据。 “我们只是在玩具问题上训练它，”他说这个神经网络。 “计算能力不是很大。
但是这是25年前，在Dean去谷歌之前，改变了计算能力的本质。
作为Google最早的工程师之一，Dean帮助创建了基础计算系统，支持公司庞大的在线帝国，跨越数万台机器的系统。这项工作给他在硅谷工程师中的名人般的地位，人们认识到他走过谷歌的自助餐厅。现在，配备这些大规模分布式系统和驱动他们的想法，他已经回到了神经网络的世界。这一次，这些人工大脑的工作非常好。
与其他大名研究员的团队一起，Dean正在建立可以识别照片中的面孔，识别口语，甚至理解自然语言的神经网络。而许多其他科技公司，从微软，Facebook到Twitter，都在创造类似功能的服务。
驱动这些系统的基本算法与我们在80年代的算法没有什么不同。但现在，由于像Dean这样的人，我们有他们需要的计算能力。 “我一直认为人类学习是相对简单的规则结合大量硬件和大量数据的结果。我们现在有了这一点，“Sebastian Thrun说，他是负责监督公司赢咖4注册汽车项目的前Google员工，这也可以受益于Dean和船员建造的神经网络。 “这是我们将学习模式从非常浅，非常有限的统计数据改变为极端开放的数据的机会。
在90年代，Dean是DEC的研究员，这使得那些时代运行世界上的商业的大型计算系统。但是随着世界DEC的爆发，他搬到了谷歌，在那里他是小团队，意识到我们可以通过串联成千上万的相对小的机器产生更多的计算能力。
他帮助创建了可以在所有这些机器上存储和处理数据的软件，就像他们是一台大型计算机一样。 有了像Bigtable和MapReduce这样的名称，这些工具是秘密武器，使公司的搜索引擎立即为全球数亿人服务。 根据谷歌稍后发表的研究，其他公司，如Facebook和Twitter和雅虎开始使用类似的工具。 现在，借助许多相同的想法，允许这样的工具在数千机器上交易数据，人们喜欢Dean最终可以构建神经网络工作。
他们可以可靠地识别您在Android手机中使用的语音命令，或者识别您在Google+社交网络中发布的图片中的人脸。 在微软相似的神经网络支持一个新的Skype工具，立即翻译从一种语言到另一种语言。 百度正在使用此类AI技术在其搜索引擎上定位广告，这大大提高了收入。
在某些方面，驱动这些系统的大脑算法与那些Dean作为大学高年级学生没有什么不同。然而，事情是，研究人员现在更好地了解如何构建在多个层次上操作的网络，模仿在大脑中运行的多层神经元。 “这不是神经元做的真正重建。但是这是一个抽象的概念，我们如何相信神经元在大脑中工作，“Dean说。 “如果你有很多很多这些神经元，他们都训练了接受不同类型的模式，并有其他神经元，拾起这些神经元本身已经建立的模式，你可以构建非常复杂的函数，系统做的很有趣的事情。
深度学习是这个的总体术语，在未来的几年里，它将远远超过Skype和其他互联网产品。像Thrun，Dean说深度学习可以改善我们的自驾车，帮助他们更好地了解他们周围的世界。如果它可以帮助汽车学习，它可以帮助其他机器学习。换句话说，有意识的赢咖4可能会走下坡路。
