我們在越來越多的領(lǐng)域都能遇到“機器學(xué)習(xí)”、“深度學(xué)習(xí)”以及 “人工智能”等術(shù)語。但它們到底是什么意思？具體可以應(yīng)用在哪里？我們又為什么需要？

?

一、 名詞解釋

深度學(xué)習(xí)是機器學(xué)習(xí)的子領(lǐng)域，而機器學(xué)習(xí)是人工智能的子領(lǐng)域。

（一）人工智能（AI）

AI通常是指由機器（一般是計算機程序）通過模仿或復(fù)制人類行為而構(gòu)造出來的體系結(jié)構(gòu)。“AI”這個術(shù)語涵蓋多個子領(lǐng)域，例如專家系統(tǒng)、模式分析系統(tǒng)或機器人?；贏I的系統(tǒng)會利用不同的方法來對人類行為和決策結(jié)構(gòu)進行模仿或建模，有關(guān)的方法包括統(tǒng)計算法、啟發(fā)式程序、人工神經(jīng)網(wǎng)絡(luò)(ANN)或其他機器學(xué)習(xí)衍生技術(shù)。

（二）機器學(xué)習(xí)

機器學(xué)習(xí)是AI的子領(lǐng)域，它由一系列自動程序組成，可以從一組示例數(shù)據(jù)推演出基本規(guī)則，即通過示例數(shù)據(jù)來“習(xí)得”規(guī)則。通過應(yīng)用預(yù)定義和可理解的算法和規(guī)則，或者使用人工神經(jīng)網(wǎng)絡(luò)（如深度學(xué)習(xí)）就可以實現(xiàn)此技術(shù)。機器學(xué)習(xí)技術(shù)可細分為“監(jiān)督式學(xué)習(xí)”和“非監(jiān)督式學(xué)習(xí)”。在監(jiān)督式學(xué)習(xí)中，學(xué)習(xí)的樣本數(shù)據(jù)同時包含輸入數(shù)據(jù)和相應(yīng)的預(yù)期結(jié)果（例如分類），而在非監(jiān)督式學(xué)習(xí)中，應(yīng)該由系統(tǒng)來自行確定輸入數(shù)據(jù)可能產(chǎn)生的結(jié)果。

（三）深度學(xué)習(xí)

深度學(xué)習(xí)是一種機器學(xué)習(xí)方法，它作為人工神經(jīng)網(wǎng)絡(luò)可以根據(jù)學(xué)習(xí)過程中的示例數(shù)據(jù)來獨立地構(gòu)建（訓(xùn)練）出基本規(guī)則。尤其是在機器視覺領(lǐng)域，神經(jīng)網(wǎng)絡(luò)通常采用監(jiān)督式學(xué)習(xí)的方法來訓(xùn)練，即通過示例數(shù)據(jù)和示例數(shù)據(jù)的預(yù)定義結(jié)果來進行訓(xùn)練。

?

二、深度學(xué)習(xí)的發(fā)展歷程

（一）Turing Testing

圖靈測試是人工智能是否真正能夠成功的一個標(biāo)準(zhǔn)，“計算機科學(xué)之父”、“人工智能之父”英國數(shù)學(xué)家圖靈在1950年的論文《機器會思考嗎》中提出了圖靈測試的概念。即把一個人和一臺計算機分別放在兩個隔離的房間中，房間外的一個人同時詢問人和計算機相同的問題，如果房間外的人無法分別哪個是人，哪個是計算機，就能夠說明計算機具有人工智能。

（二）醫(yī)學(xué)上的發(fā)現(xiàn)

1981年的諾貝爾將頒發(fā)給了David Hubel和Torsten Wiesel，以及Roger Sperry。他們發(fā)現(xiàn)了人的視覺系統(tǒng)處理信息是分級的。

從視網(wǎng)膜（Retina）出發(fā)，經(jīng)過低級的V1區(qū)提取邊緣特征，到V2區(qū)的基本形狀或目標(biāo)的局部，再到高層的整個目標(biāo)（如判定為一張人臉），以及到更高層的PFC（前額葉皮層）進行分類判斷等。也就是說高層的特征是低層特征的組合，從低層到高層的特征表達越來越抽象和概念化，也即越來越能表現(xiàn)語義或者意圖。

邊緣特征 —–> 基本形狀和目標(biāo)的局部特征——>整個目標(biāo) 這個過程其實和我們的常識是相吻合的，因為復(fù)雜的圖形，往往就是由一些基本結(jié)構(gòu)組合而成的。同時我們還可以看出：大腦是一個深度架構(gòu)，認知過程也是深度的。

（三）Deep Learning的出現(xiàn)

深度學(xué)習(xí)，恰恰就是通過組合低層特征形成更加抽象的高層特征（或?qū)傩灶悇e）。例如，在計算機視覺領(lǐng)域，深度學(xué)習(xí)算法從原始圖像去學(xué)習(xí)得到一個低層次表達，例如邊緣檢測器、小波濾波器等，然后在這些低層次表達的基礎(chǔ)上，通過線性或者非線性組合，來獲得一個高層次的表達。此外，不僅圖像存在這個規(guī)律，聲音也是類似的。比如，研究人員從某個聲音庫中通過算法自動發(fā)現(xiàn)了20種基本的聲音結(jié)構(gòu)，其余的聲音都可以由這20種基本結(jié)構(gòu)來合成！

?

三、深度學(xué)習(xí)的工作原理

（一）人工神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)使用了某種形式的人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)，因此必須先用示例數(shù)據(jù)進行訓(xùn)練。經(jīng)過訓(xùn)練的ANN就可以用來執(zhí)行相關(guān)任務(wù)。使用已經(jīng)過訓(xùn)練的ANN的過程被稱為“推理”。在推理時，ANN會根據(jù)習(xí)得的規(guī)則對所提供的數(shù)據(jù)進行評估。例如，可以評估輸入的圖像中的物體是否存在缺陷。

（二）神經(jīng)元、層和連接

ANN由多個互相連接的“神經(jīng)元”層組成。以最簡單的情況為例，這些層具體是指輸入層和輸出層。可以將眾多的神經(jīng)元和連接看作一個矩陣。連接矩陣中包含輸入矩陣的每個值，并連接到結(jié)果矩陣的值。連接矩陣的值包含了相應(yīng)連接的權(quán)重。借助邏輯矩陣值以及輸入值權(quán)重，可以在結(jié)果矩陣中生成相應(yīng)的值。

?

（三）深度人工神經(jīng)網(wǎng)絡(luò)

“深度學(xué)習(xí)”指的是對深度ANN進行的訓(xùn)練。除了輸入層和輸出層外，在深度ANN的可見層之間還存在成百上千個用于輸入和輸出的“隱藏層”。每個隱藏層的結(jié)果矩陣即是下一層的輸入矩陣。因此，只由最后一層的輸出矩陣來提供結(jié)果。

?

?（四）訓(xùn)練

訓(xùn)練ANN時，最初的焦點是隨機設(shè)置的，然后逐步添加示例數(shù)據(jù)。要根據(jù)輸入數(shù)據(jù)和預(yù)期結(jié)果并使用訓(xùn)練規(guī)則來調(diào)整關(guān)系權(quán)重。ANN的最終表現(xiàn)（即結(jié)果評估的精度）在很大程度上取決于訓(xùn)練時所用的示例數(shù)據(jù)。如果用于訓(xùn)練的內(nèi)容有大量可變性高的示例數(shù)據(jù)，則通常能產(chǎn)生更精確的推理結(jié)果。如果使用大量非常相似或重復(fù)的數(shù)據(jù)進行訓(xùn)練，那么在遇到與示例數(shù)據(jù)不同的數(shù)據(jù)時，ANN就會無法對字段進行估算。這種情況叫做ANN的過擬合(Overfitting)。

?

四、深度學(xué)習(xí)可以做到哪些功能？

（一）圖像分類

在圖像分類應(yīng)用中要將圖像分配為不同的類別，例如區(qū)分有缺陷的組件與無缺陷組件，并根據(jù)不同類型的缺陷對圖像進行排序，或者可用于將度假照片分配到不同的類別。在曲奇餅干的生產(chǎn)中，圖像分類技術(shù)將檢查所有餅干是否完好無損。

（二）圖像分割和物體識別

圖像分割可以將圖像的每個像素分配給某個類別。這樣就能識別出圖像上的多個不同物體，例如可以識別購物籃中的不同水果，或識別交通系統(tǒng)中的路標(biāo)、道路和的人員。此外，我們借助圖像分割技術(shù)還能查看生產(chǎn)線上形狀各異的曲奇餅干——圓形、方形或六邊形。

?

（三）圖像處理

深度學(xué)習(xí)技術(shù)還可用于處理和優(yōu)化圖像數(shù)據(jù)，例如，它能消除圖像的干擾噪聲或補償光學(xué)透鏡造成的干擾。

五、為什么需要深度學(xué)習(xí)？

如果有更多的數(shù)據(jù)，那么最好的選擇就是使用性能更好的深度網(wǎng)絡(luò)來處理。很多時候，使用的數(shù)據(jù)越多，結(jié)果就越準(zhǔn)確。經(jīng)典的ML方法需要一組復(fù)雜的ML算法，而更多的數(shù)據(jù)只會影響其精度，需要使用復(fù)雜的方法來彌補較低準(zhǔn)確性的缺陷。此外，學(xué)習(xí)也受到影響——當(dāng)添加更多的訓(xùn)練數(shù)據(jù)來訓(xùn)練模型時，學(xué)習(xí)幾乎在某個時間點停止。所示的圖形描述了深度學(xué)習(xí)算法與傳統(tǒng)的機器學(xué)習(xí)算法的性能差異。

本文轉(zhuǎn)載于公眾號：BFT機器人

更多資訊請關(guān)注該公眾號

BFT白芙堂機器人是一站式機器人工業(yè)互聯(lián)網(wǎng)平臺（www.bft-robot.com），能為客戶提供一站式機器人系統(tǒng)采購，包括協(xié)作機器人、工業(yè)機器人、移動機器人、服務(wù)機器人、3D機器視覺產(chǎn)品、工業(yè)相機、鏡頭、3D打印機等產(chǎn)品，也為客戶提供算法及系統(tǒng)定制、職校教學(xué)、K12教育及科研實驗室平臺、機器人展廳，線上機械機加工等服務(wù)。通過BFT平臺，客戶可以快速找到合適的機器人本體、夾具及相關(guān)應(yīng)用等產(chǎn)品和服務(wù)。目前，BFT機器人已與大量國內(nèi)外機器人知名公司建立戰(zhàn)略合作或代理關(guān)系。?