訂閱
糾錯
加入自媒體

醒醒吧 深度學(xué)習(xí)不是AI的未來

自從前年Alpha Go完虐李世石之后,深度學(xué)習(xí)就火了,但似乎沒人說得清它的原理,只是把它當(dāng)作一個黑箱來使,有人說,深度學(xué)習(xí)就是一個非線性分類器,也有人說,深度學(xué)習(xí)是對人腦的模擬,然而,筆者覺得都沒有捅透那層窗戶紙。

這幾年,人工智能引起了非常多的關(guān)注,深度學(xué)習(xí)和機(jī)器學(xué)習(xí)在AI核心技術(shù)上得到了充分的關(guān)注之外,在計算機(jī)視覺自然語言處理等領(lǐng)域又一次產(chǎn)生了巨大的影響,深度學(xué)習(xí)也是無人駕駛汽車的關(guān)鍵技術(shù)。

深度學(xué)習(xí)到底是什么?

在深度學(xué)習(xí)中,計算機(jī)模型學(xué)習(xí)直接從圖像、文本或聲音中執(zhí)行分類任務(wù),深度學(xué)習(xí)模式可以達(dá)到新的精確度,有時甚至超過人類的表現(xiàn),大多數(shù)深度學(xué)習(xí)方法使用神經(jīng)網(wǎng)絡(luò)的架構(gòu),這也是深度學(xué)習(xí)模型通常被稱為深度神經(jīng)網(wǎng)絡(luò)的原因。

所謂深度通常是指神經(jīng)網(wǎng)絡(luò)中隱藏層的數(shù)量,傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)只包含2到3個隱藏層,而深度神經(jīng)網(wǎng)絡(luò)最多可以有150個,深度神經(jīng)網(wǎng)絡(luò)最受歡迎的類型之一是卷積神經(jīng)網(wǎng)絡(luò),卷積神經(jīng)網(wǎng)絡(luò)通過輸入數(shù)據(jù)來卷積學(xué)習(xí)特征,并通過2D卷積圖層,使得這種架構(gòu)非常適合處理2D數(shù)據(jù)。

為何深度學(xué)習(xí)關(guān)注點(diǎn)很多?

最主要的原因是準(zhǔn)確性,深度學(xué)習(xí)模式可以達(dá)到前所未有的精確度,有時甚至超過人類的表現(xiàn),還有另外兩個因素使該技術(shù)得到了業(yè)界的關(guān)注,其一,深度學(xué)習(xí)需要大量的標(biāo)記數(shù)據(jù)。如,無人駕駛汽車的發(fā)展需要以數(shù)百萬計的圖像和數(shù)千小時的視頻為基礎(chǔ),這些大量的標(biāo)記數(shù)據(jù)現(xiàn)在已經(jīng)可以輕松獲得。

其二,深度學(xué)習(xí)需要大量的計算能力,高性能的GPU具有高效深度學(xué)習(xí)的并行架構(gòu),與集群或云計算結(jié)合使用時,開發(fā)團(tuán)隊可以將深度學(xué)習(xí)網(wǎng)絡(luò)的培訓(xùn)時間從幾周縮短到幾個小時甚至更短。

深度學(xué)習(xí)會是AI未來嗎?

其實,深度學(xué)習(xí)并不是人工智能的同義詞,由于谷歌、Facebook等巨頭公司宣傳人工智能工具時主要談的就是深度學(xué)習(xí),甚至只談深度學(xué)習(xí),因此大眾誤以為所有的人工智能都由深度學(xué)習(xí)書寫,然而,真實情況并非如此。

未來人工智能應(yīng)探索其它的新方法,或者被忽視的舊方法,而不僅僅使用深度學(xué)習(xí),深度學(xué)習(xí)的一個局限是把數(shù)據(jù)中最常見的內(nèi)容作為真理,把統(tǒng)計學(xué)上較稀少、或與較常出現(xiàn)的內(nèi)容相反的東西看作謬論,深度學(xué)習(xí)的公正性并非來自其自身,而是人類篩選和準(zhǔn)備的深度學(xué)習(xí)數(shù)據(jù)。

此外,有一些專家正在開發(fā)完全不包含深度學(xué)習(xí)的全新人工智能系統(tǒng),但他們?nèi)狈Y金支持,現(xiàn)在所有人都只投資深度學(xué)習(xí),而且這個風(fēng)潮還將持續(xù)一段時間,沒有人知道下一個人工智能大事件將會是關(guān)于什么的,但不太可能是深度學(xué)習(xí)。

總結(jié):如果你們還沒來得及學(xué)習(xí)人工智能,那么你們可以考慮等待下一個人工智能系統(tǒng)興起,并準(zhǔn)備好并直接研究它,跳過深度學(xué)習(xí),否則,如果你有需求學(xué)習(xí)人工智能,筆者建議你們一定要深入了解整個人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的知識,而不僅僅是深度學(xué)習(xí)。

聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點(diǎn)和對其真實性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請聯(lián)系我們。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯
    x
    *文字標(biāo)題:
    *糾錯內(nèi)容:
    聯(lián)系郵箱:
    *驗 證 碼:

    粵公網(wǎng)安備 44030502002758號