引子

?????? 在人工智能領(lǐng)域，機器學(xué)習(xí)與深度學(xué)習(xí)是兩個重要名詞。如果我們要學(xué)習(xí)它們，就得先在一個大的方向、輪廓上看到它們。比如爬一座山，先遠遠地看看，對它有個大致的了解。好了，先上一張圖，遠遠的看一下：

?????? 如何理解人工智能、機器學(xué)習(xí)和深度學(xué)習(xí)三者的關(guān)系呢？再來一張圖：

?????? 可以看出，人工智能是個很大的概念，機器學(xué)習(xí)是其中的一個子集，而深度學(xué)習(xí)又是機器學(xué)習(xí)的子集。

?????? 而在理解深度學(xué)習(xí)之前我們要先了解兩個概念：機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)。

?

機器學(xué)習(xí)

?????? 簡單地說，機器學(xué)習(xí)就是讓機器去分析數(shù)據(jù)找規(guī)律，并通過找到的規(guī)律對新的數(shù)據(jù)進行處理。機器學(xué)習(xí)理論主要是設(shè)計和分析一些讓計算機可以自動“學(xué)習(xí)”的算法。這些算法是一類從數(shù)據(jù)中自動分析獲得規(guī)律，并利用規(guī)律對未知數(shù)據(jù)進行預(yù)測的算法。由于其中涉及了大量的統(tǒng)計學(xué)理論，機器學(xué)習(xí)與推斷統(tǒng)計學(xué)聯(lián)系尤為密切，也被稱為統(tǒng)計學(xué)習(xí)理論。算法設(shè)計方面，機器學(xué)習(xí)理論關(guān)注可以實現(xiàn)的，行之有效的學(xué)習(xí)算法。很多推論問題屬于無程序可循難度，所以部分的機器學(xué)習(xí)研究是開發(fā)容易處理的近似算法。

?

神經(jīng)網(wǎng)絡(luò)

?????? 神經(jīng)網(wǎng)絡(luò)簡單點說就是由好多個神經(jīng)元組成的系統(tǒng)。這是模擬人類的神經(jīng)網(wǎng)絡(luò)。其中，神經(jīng)元是一個簡單的分類器，比如我們有一大堆貓狗照片，把每一張照片送進一個神經(jīng)元中，神經(jīng)元需要判斷這張照片里的東西是貓還是狗。我們把這堆照片處理一下，左邊是狗的特征屬性，右邊是貓的。

?????? 但神經(jīng)元有一個缺點是：它只能“切”一刀。那要是下面這種情況只“切“一刀肯定是不能完成分類的。

?????? 解決辦法是多層神經(jīng)網(wǎng)絡(luò)，底層神經(jīng)元的輸出是高層神經(jīng)元的輸入，通過神經(jīng)元串聯(lián)的方法對數(shù)據(jù)進行更精細的劃分。我們可以在中間橫著砍一刀，豎著砍一刀，然后再把左上和右下的部分合在一起，與右上和左下部分分開；也可以圍著左上角的邊沿著砍10刀把這一部分先挖出來，然后和右下角合并。

?????? 只要能夠“砍”足夠多刀，把結(jié)果拼在一起，不管什么奇怪形狀的邊界，神經(jīng)網(wǎng)絡(luò)都能表示，所以神經(jīng)網(wǎng)絡(luò)在理論上可以表示很復(fù)雜的函數(shù)/空間分布。當然真實情況下神經(jīng)網(wǎng)絡(luò)的運行還有許多細節(jié)要考慮。

?

深度學(xué)習(xí)

1.簡單理解

?????? 那么什么是深度學(xué)習(xí)呢？簡單來說，就是一種為了讓層數(shù)較多的多層神經(jīng)網(wǎng)絡(luò)可以訓(xùn)練，能夠運行起來而演化出來的一系列新的結(jié)構(gòu)和新的方法。就像下圖：

?????? 普通的神經(jīng)網(wǎng)絡(luò)可能只有幾層，深度學(xué)習(xí)可以達到十幾層。深度學(xué)習(xí)中的深度二字也代表了神經(jīng)網(wǎng)絡(luò)的層數(shù)之多。

?

2.原理解釋

?????? 通過神經(jīng)網(wǎng)絡(luò)的多層處理，逐漸將初始的“低層”特征表示轉(zhuǎn)化為“高層”特征表示后，用“簡單模型”即可完成復(fù)雜的分類等學(xué)習(xí)任務(wù)。由此可將深度學(xué)習(xí)理解為進行“特征學(xué)習(xí)”或“表示學(xué)習(xí)“（看不懂沒關(guān)系）。相較于以往機器學(xué)習(xí)中由人類專家來設(shè)計描述樣本的特征，深度學(xué)習(xí)則通過機器學(xué)習(xí)技術(shù)自身來產(chǎn)生好特征，并以此反饋給前驅(qū)進行數(shù)據(jù)分析。

?

3.特點

?????? 顯而易見的一點是深度學(xué)習(xí)強調(diào)了模型結(jié)構(gòu)的深度，通常有5、6層甚至10多層的隱藏層結(jié)點；其次是明確了特征學(xué)習(xí)的重要性，即自我學(xué)習(xí)并將學(xué)習(xí)結(jié)果用于精確化學(xué)習(xí)，這能夠?qū)崿F(xiàn)我們對復(fù)雜事務(wù)處理的自動化要求。

?

4.應(yīng)用

①語音識別

?????? 最具代表性的就是現(xiàn)在大家手機上的各種智能助手：“Siri、小愛同學(xué)、小藝”等等。在語音識別和智能語音助手領(lǐng)域，我們可以利用深度神經(jīng)網(wǎng)絡(luò)開發(fā)出更準確的聲學(xué)模型。

②自動機器翻譯

?????? 我們都知道，谷歌支持100種語言的即時翻譯，速度之快宛如魔法。谷歌已經(jīng)完全將深度學(xué)習(xí)嵌入進了翻譯中。事實上，這些對語言翻譯知之甚少的深度學(xué)習(xí)研究人員正提出相對簡單的機器學(xué)習(xí)解決方案，來打敗世界上最好的專家語言翻譯系統(tǒng)。文本翻譯可以在沒有序列預(yù)處理的情況下進行，它允許算法學(xué)習(xí)文字與指向語言之間的關(guān)系。谷歌翻譯利用的是大型遞歸神經(jīng)網(wǎng)絡(luò)的堆疊網(wǎng)絡(luò)。

③即時視覺翻譯（拍照翻譯）

?????? 深度學(xué)習(xí)可以用來識別照片中的文字。一旦識別了，文字就會被轉(zhuǎn)成文本，并且被翻譯，然后圖片就會根據(jù)翻譯的文本重新創(chuàng)建。這就是我們通常所說的即時視覺翻譯。

④自動駕駛

?????? 現(xiàn)在深度學(xué)習(xí)算法使自動駕駛汽車領(lǐng)域達到了一個全新的水平，設(shè)計師不再使用老的手動編碼算法，而是編寫程序系統(tǒng)，使其可以通過不同傳感器提供的數(shù)據(jù)來自行學(xué)習(xí)。

除了上述幾個具有代表性的應(yīng)用外，深度學(xué)習(xí)在生活、生產(chǎn)、科研等方面還有著廣泛的應(yīng)用金融領(lǐng)域的預(yù)測股價、醫(yī)療領(lǐng)域的疾病監(jiān)測，教育領(lǐng)域的技術(shù)賦能等等。

?

結(jié)語

?????? 看山是山，看水是水。我們弄清楚了深度學(xué)習(xí)屬于機器學(xué)習(xí)，而機器學(xué)習(xí)屬于人工智能，而人工智能呢？也就是由人來實現(xiàn)的東西，智能本不是機器的，而是人的，或者說是人通過一些技術(shù)賦予機器的，而賦予它的一個強有力的方法就是深度學(xué)習(xí)。而深度學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)模型，其設(shè)計靈感來自人體的神經(jīng)網(wǎng)絡(luò)。可見，人工智能的發(fā)展主要因素依舊是人的智慧。