尽管从底层技术的层面来看，ChatGPT 并非具有创新性，然而其产生的社会影响却远远超出了人们的预料。这款由美国人工智能公司 OpenAI 所开发的聊天机器人，自 2022 年 11 月推出之后便迅速风靡全球，成为了有史以来增长速度最快的消费者应用程序。

让机器能够与真人实现自由对话，一直都是人工智能领域的重要目标当中的一个。ChatGPT 的爆火背后，实际上是深度学习技术历经十年的发展。

不久之前，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，当下规模化的 AI 大生产已经形成，深度学习在技术、生态、产业等多个维度逐渐走向成熟，人工智能的技术创新以及产业发展，步入了 “深度学习 +” 的阶段。

深度学习促使 AI 应用领域更进一步，要弄懂 “深度学习 +”，首先得明白什么是深度学习。基于神经网络算法的深度学习，它的 “深”，是和传统的机器学习算法相比较而言的。

虽然传统的机器学习算法在指纹识别、人脸检测等领域的应用基本上达到了商业化的要求，但是想要 “更上一层楼” 却困难重重，直到深度学习算法的出现。

深度学习属于无监督学习，无需通过人工的方式进行样本标注，就能够自动完成学习。需要指明的是，深度学习对硬件设施的依赖程度很高，因为它所需要的计算量极其庞大，而且需要耗费大量的时间以及大量的数据来进行训练。

一项技术能够将自身的影响范围拓展到各行各业，依靠的是其底层的通用性。

“深度学习具备很强的通用性，呈现出标准化、自动化以及模块化的工业大生产特点。” 王海峰从更具广泛支撑价值的角度指出，规模化的 AI 大生产已然形成。人工智能的技术创新和产业发展，进入了 “深度学习 +” 阶段。

深度学习推动各行业加速发展

深度学习让机器同时从海量的数据和大规模的知识当中进行融合学习，效果更为出色、效率也更高。例如，百度研制的文心产业级知识增强大模型，拥有跨模态、跨语言的深度语义理解与生成能力，可以应用于搜索、信息流、智能音箱等互联网产品，并且通过飞桨深度学习平台为制造、能源、金融、通信、媒体等各行各业赋予能量。

芯片、深度学习框架、模型以及应用共同构成了深度学习的良好生态，使得应用需求和反馈能够传递到深度学习技术的各个环节，各个环节持续进行迭代优化，加快 AI 技术的创新和产业的发展。此外，生态当中的产学研用各方，也在携手共同培养人工智能人才。

各行各业运用深度学习技术降低成本、提高效率，创新产品和业务从而加快产业智能化的进程，努力实现高质量的增长。我国的产业体系种类齐全、规模庞大，深度学习驱动的人工智能创新应用，有助于形成产业的良性循环，推动底层技术的突破，加快现代化产业体系的升级。比如，智能交通当中的 “智能调度系统”，就是深度学习与交通融合创新的智能应用。城市交通复杂多变，缺乏全局感知的数据，难以进行全域协同控制。运用深度学习技术，能够实现对整个区域交通流量的全局调控，最大程度地减少各方向绿灯的空放，缓解道路拥堵，节省出行时间。