資訊專欄INFORMATION COLUMN
摘要：機器學(xué)習(xí)就是用算法解析數(shù)據(jù)，不斷學(xué)習(xí)，對世界中發(fā)生的事做出判斷和預(yù)測的一項技術(shù)。顯然，深度學(xué)習(xí)是與機器學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)是強相關(guān)，神經(jīng)網(wǎng)絡(luò)也是其主要的算法和手段或者我們可以將深度學(xué)習(xí)稱之為改良版的神經(jīng)網(wǎng)絡(luò)算法。
什么是 AI、機器學(xué)習(xí)與深度學(xué)習(xí)？
大家好，我是楊鋒，作為一個大數(shù)據(jù)從業(yè)人員，相信大家整天都在被 AI、機器學(xué)習(xí)、深度學(xué)習(xí)等一些概念轟炸。有時候甚至有點誠惶誠恐，一方面作為一個“業(yè)內(nèi)人士”而自豪，二方面覺得新概念一個接一個，自己不甚了解，有點恐懼。我一直相信一句臺詞——“喝了敵人的血，下次見面就不會再怕了”。學(xué)習(xí)知識亦然，很多時候，你覺得很高深，實際上是缺乏清晰的概念。當(dāng)你真的把這些概念理清楚后，往往會恍然大悟，萬變不離其宗，原來不過如此。上網(wǎng)查了很多資料，很遺憾的是，99%的從業(yè)者語文都不怎么過關(guān)，連基本的定義都不會下。一個簡單的“限定詞+更大的集合”的定義模式都沒有掌握，深表遺憾。于是還是決定自己來梳理一下吧。有高人說過（花錢買的）：你對一個領(lǐng)域的理解程度，完全取決于你的頭腦里有多少清晰的概念，以及能否把這些概念關(guān)聯(lián)起來。廢話少說，開始嘮吧。
人工智能（ Artificial Intelligence）是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門技術(shù)科學(xué)。我們來分解一下這個概念。“人工智能”是“一門技術(shù)科學(xué)”，它研究與開發(fā)的對象是“理論、技術(shù)及應(yīng)用系統(tǒng)”，研究的目的是為了“模擬、延伸和擴展人的智能”。既然如此，那么買菜用的“計算器”算是人工智能嗎？嚴(yán)格地說是算的，因為它至少做了“模擬”人在計算方面的智能，并擴展了這個能力（比人算得更快）。我們每天編碼驅(qū)動計算機去幫我們干活，這個算是人工智能嗎？也算的。所以，首先不用妄自菲薄，其實大家早已是“人工智能”的從業(yè)者了。我們現(xiàn)在看到的貌似很高端的技術(shù)，如圖像識別、NLP，其實依然沒有脫離這個范圍，說白了，就是“模擬人在看圖方面的智能”和“模擬人在聽話方面的智能”，本質(zhì)上和“模擬人在計算方面的智能”沒啥兩樣，雖然難度有高低，但目的是一樣的——模擬、延伸和擴展人的智能。另外，人工智能也不是啥新概念，事實上這是50年代提出的東西了（比你們老多了），現(xiàn)在這么火熱，頂多只能算是“詐尸”，談不上“新生”。
隨著人對計算機科學(xué)的期望越來越高，要求它解決的問題越來越復(fù)雜，摧枯拉朽地打個小怪已經(jīng)遠遠不能滿足人們的訴求了。1+1好算，1+2也不難，這些已經(jīng)能解決的問題暫且按下不表。要解決的問題域越來越復(fù)雜，即使是同一個問題，其面對的場景也越來越多。咱總不能每新出來一種場景，就讓碼農(nóng)去查找switch，然后在default前去再加一個case吧；世間的場景千千萬，那得多少個case啊，殺個碼農(nóng)祭天也保不齊會出問題啊。那怎么辦呢？于是有人提出了一個新的思路——能否不為難碼農(nóng)，讓機器自己去學(xué)習(xí)呢（提出這個概念的人一定做過碼農(nóng)）？好吧，現(xiàn)在機器學(xué)習(xí)的定義就出來了。機器學(xué)習(xí)即不需要碼農(nóng)添加case語句而讓機器自己學(xué)會執(zhí)行任務(wù)的人工智能技術(shù)。好像不太正規(guī)啊，好吧，再定義一下。機器學(xué)習(xí)就是用算法解析數(shù)據(jù)，不斷學(xué)習(xí)，對世界中發(fā)生的事做出判斷和預(yù)測的一項技術(shù)。研究人員不會親手編寫軟件、確定特殊指令集、然后讓程序完成特殊任務(wù)；相反，研究人員會用大量數(shù)據(jù)和算法“訓(xùn)練”機器，讓機器學(xué)會如何執(zhí)行任務(wù)。這里有三個重要的信息：1、“機器學(xué)習(xí)”是“模擬、延伸和擴展人的智能”的一條路徑，所以是人工智能的一個子集；2、“機器學(xué)習(xí)”是要基于大量數(shù)據(jù)的，也就是說它的“智能”是用大量數(shù)據(jù)喂出來的，如果缺少海量數(shù)據(jù)，它也就啥也不是了；3、正是因為要處理海量數(shù)據(jù)，所以大數(shù)據(jù)技術(shù)尤為重要；“機器學(xué)習(xí)”只是大數(shù)據(jù)技術(shù)上的一個應(yīng)用。常用的10大機器學(xué)習(xí)算法有：決策樹、隨機森林、邏輯回歸、SVM、樸素貝葉斯、K最近鄰算法、K均值算法、Adaboost算法、神經(jīng)網(wǎng)絡(luò)、馬爾科夫。Apache有個開源項叫mahout，提供了這些經(jīng)典算法的實現(xiàn)；但是后來spark出來了，由于在內(nèi)存迭代計算方面的優(yōu)勢，一下子搶過了這個風(fēng)頭，目前spark自帶的MLlib被使用得更為廣泛。雖然mahout也在向spark轉(zhuǎn)，但是在技術(shù)的世界里就是這樣的，只有新人笑，哪聞舊人哭。
相較而言，深度學(xué)習(xí)是一個比較新的概念，算是00后吧，嚴(yán)格地說是2006年提出來的。老套路，也給它下一個定義。深度學(xué)習(xí)是用于建立、模擬人腦進行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，并模仿人腦的機制來解釋數(shù)據(jù)的一種機器學(xué)習(xí)技術(shù)。它的基本特點，是試圖模仿大腦的神經(jīng)元之間傳遞，處理信息的模式。最顯著的應(yīng)用是計算機視覺和自然語言處理(NLP)領(lǐng)域。顯然，“深度學(xué)習(xí)”是與機器學(xué)習(xí)中的“神經(jīng)網(wǎng)絡(luò)”是強相關(guān)，“神經(jīng)網(wǎng)絡(luò)”也是其主要的算法和手段；或者我們可以將“深度學(xué)習(xí)”稱之為“改良版的神經(jīng)網(wǎng)絡(luò)”算法。深度學(xué)習(xí)又分為卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural networks，簡稱CNN）和深度置信網(wǎng)（Deep Belief Nets，簡稱DBN）。其主要的思想就是模擬人的神經(jīng)元，每個神經(jīng)元接受到信息，處理完后傳遞給與之相鄰的所有神經(jīng)元即可。所以看起來的處理方式有點像下圖（想深入了解的同學(xué)可以自行g(shù)oogle）。
神經(jīng)網(wǎng)絡(luò)的計算量非常大，事實上在很長時間里由于基礎(chǔ)設(shè)施技術(shù)的限制進展并不大。而GPU的出現(xiàn)讓人看到了曙光，也造就了深度學(xué)習(xí)的蓬勃發(fā)展，“深度學(xué)習(xí)”才一下子火熱起來。擊敗李世石的Alpha go即是深度學(xué)習(xí)的一個很好的示例。Google的TensorFlow是開源深度學(xué)習(xí)系統(tǒng)一個比較好的實現(xiàn)，支持CNN、RNN和LSTM算法，是目前在圖像識別、自然語言處理方面最流行的深度神經(jīng)網(wǎng)絡(luò)模型。事實上，提出“深度學(xué)習(xí)”概念的Hinton教授加入了google，而Alpha go也是google家的。在一個新興的行業(yè)，領(lǐng)軍人才是多么的重要啊！
總結(jié)：人工智能是一個很老的概念，機器學(xué)習(xí)是人工智能的一個子集，深度學(xué)習(xí)又是機器學(xué)習(xí)的一個子集。機器學(xué)習(xí)與深度學(xué)習(xí)都是需要大量數(shù)據(jù)來“喂”的，是大數(shù)據(jù)技術(shù)上的一個應(yīng)用，同時深度學(xué)習(xí)還需要更高的運算能力支撐，如GPU。
想要更詳細的了解，請訪問華為云學(xué)院（ edu.huaweicloud.com/courses/ ），課程獲取密碼，搜索：機器學(xué)習(xí)或者深度學(xué)習(xí)或者 AI ，一般人我不告訴他喔！
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://m.hztianpu.com/yun/19923.html
摘要：絕大多數(shù)人忽略了深度學(xué)習(xí)只占機器學(xué)習(xí)領(lǐng)域的，而機器學(xué)習(xí)又只占到了人工智能領(lǐng)域的。一個深度學(xué)習(xí)專家無法與人工智能專家劃上等號。但是，深度學(xué)習(xí)并不是人類可以創(chuàng)造的人工智能科技的終點。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)備的數(shù)據(jù)。 人工智能的這一波熱潮毫無疑問是由深度學(xué)習(xí)引發(fā)的，自吳恩達等人 2011 年發(fā)表「識別貓」研究后，深度學(xué)習(xí)及其引發(fā)的技術(shù)已經(jīng)在圖像識別、游戲等任務(wù)中超越人類，...
摘要：而這種舉一反三的能力在機器學(xué)習(xí)領(lǐng)域同樣適用，科學(xué)家將其稱之為遷移學(xué)習(xí)。與深度學(xué)習(xí)相比，我們技術(shù)較大優(yōu)點是具有可證明的性能保證。近幾年的人工智能熱潮中，深度學(xué)習(xí)是最主流的技術(shù)，以及之后的成功，更是使其幾乎成為的代名詞。 如今，人類將自己的未來放到了技術(shù)手里，無論是讓人工智能更像人類思考的算法，還是讓機器人大腦運轉(zhuǎn)更快的芯片，都在向奇點靠近。谷歌工程總監(jiān)、《奇點臨近》的作者庫茲韋爾認(rèn)為，一旦智能...
摘要：問深度學(xué)習(xí)社區(qū)現(xiàn)在面臨的主要挑戰(zhàn)是什么答打擊炒作發(fā)展倫理意識獲得科學(xué)嚴(yán)謹(jǐn)性。深度學(xué)習(xí)簡直是科學(xué)的重災(zāi)區(qū)。 Keras之父、谷歌大腦人工智能和深度學(xué)習(xí)研究員Fran?ois Chollet撰寫了一本深度學(xué)習(xí)Python教程實戰(zhàn)書籍《Python深度學(xué)習(xí)》，書中介紹了深度學(xué)習(xí)使用Python語言和強大Keras庫，詳實新穎。近日，F(xiàn)ran?ois Chollet接受了采訪，就深度學(xué)習(xí)到底是什么、...
摘要：是你學(xué)習(xí)從入門到專家必備的學(xué)習(xí)路線和優(yōu)質(zhì)學(xué)習(xí)資源。的數(shù)學(xué)基礎(chǔ)最主要是高等數(shù)學(xué)線性代數(shù)概率論與數(shù)理統(tǒng)計三門課程，這三門課程是本科必修的。其作為機器學(xué)習(xí)的入門和進階資料非常適合。書籍介紹深度學(xué)習(xí)通常又被稱為花書，深度學(xué)習(xí)領(lǐng)域最經(jīng)典的暢銷書。 showImg(https://segmentfault.com/img/remote/1460000019011569); 【導(dǎo)讀】本文由知名開源平...
摘要：普通程序員，如何轉(zhuǎn)向人工智能方向，是知乎上的一個問題。領(lǐng)域簡介，也就是人工智能，并不僅僅包括機器學(xué)習(xí)。但是，人工智能并不等同于機器學(xué)習(xí)，這點在進入這個領(lǐng)域時一定要認(rèn)識清楚。 人工智能已經(jīng)成為越來越火的一個方向。普通程序員，如何轉(zhuǎn)向人工智能方向，是知乎上的一個問題。本文是對此問題的一個回答的歸檔版。相比原回答有所內(nèi)容增加。 目的 本文的目的是給出一個簡單的，平滑的，易于實現(xiàn)的學(xué)習(xí)方法，幫...
閱讀 2201·2021-11-18 10:07
閱讀 3598·2021-09-04 16:48
閱讀 3302·2019-08-30 15:53
閱讀 1313·2019-08-30 12:55
閱讀 2515·2019-08-29 15:08
閱讀 3221·2019-08-29 15:04
閱讀 2952·2019-08-29 14:21
閱讀 2972·2019-08-29 11:21
