让机器和真人自由对话，一直是人工智能领域的重要目标之一。ChatGPT的爆火背后，其实是深度学习技术的十年发展。
不久前，在百度Create AI开发者大会上，深度学习技术及应用国家工程研究中心主任、百度首席技术官王海峰表示，当前规模化的AI大生产已然形成，深度学习逐渐在技术、生态、产业等多个维度成熟，人工智能的技术创新和产业发展，进入“深度学习+”阶段。
深度学习让AI应用领域再进一步
要了解“深度学习+”，首先要了解什么是深度学习。
基于神经网络算法的深度学习，它的“深”，是相较于传统机器学习算法而言。
虽然传统机器学习算法在指纹识别、人脸检测等领域的应用基本达到了商业化要求，但要“再进一步”却很难，直到深度学习算法出现。
深度学习属于无监督学习，不需要通过人工方式进行样本标注，就能自动完成学习。需要指出的是，深度学习十分依赖硬件设施，因为它需要的计算量实在太大，且需要花费大量时间以及大量数据来进行训练。
一项技术能够将它的触角延伸至各行各业，靠的是其底层通用性。
“深度学习具有很强的通用性，呈现出标准化、自动化和模块化的工业大生产特征。”王海峰从更具广泛支撑价值的角度指出，规模化的AI大生产已形成。人工智能的技术创新和产业发展，进入“深度学习+”阶段。
深度学习促进各行业加速发展
深度学习让机器同时从海量数据和大规模知识中融合学习，效果更好、效率更高。例如，百度研制的文心产业级知识增强大模型，具备跨模态、跨语言的深度语义理解与生成能力，可应用于搜索、信息流、智能音箱等互联网产品，并通过飞桨深度学习平台赋能制造、能源、金融、通信、媒体等各行各业。
芯片、深度学习框架、模型及应用构成了深度学习良性生态，使得应用需求和反馈传递到深度学习技术的各个环节，各环节持续迭代优化，加速AI技术创新和产业发展。此外，生态中的产学研用各方，也在携手培养人工智能人才。
各行各业应用深度学习技术降本增效，创新产品和业务加快产业智能化进程，努力实现高质量增长。我国的产业体系品类齐全、体量庞大，深度学习驱动的人工智能创新应用，有助于形成产业良性循环，促进底层技术突破，加快现代化产业体系升级。比如，智能交通中“智能调度系统”，就是深度学习+交通融合创新的智能应用。城市交通复杂多变，缺乏全局感知数据，难以全域协同控制。应用深度学习技术，可实现对整个区域交通流量的全局调控，最大限度地减少各方向绿灯的空放，减缓道路拥堵，节省出行时间。（记者 刘 艳）
