揭开深度学习的神秘面纱
深度学习是怎么做到的呢？本质上来说，深度学习的算法使用了大量来自特定领域的数据，为想要的结果做出最佳决策。其方法是让系统使用这些输入的数据，训练自己识别数据和期望结果之间的关联性。当数据与期望结果直接相关（“猫”vs“非猫”, “点选”vs“未点选”, “赢了赛局”vs“输了赛局”）时，这个流程就容易多了。然后，算法可以运用找到的这些关联性所累积的庞大知识（其中很多是人类看不到或觉得无关的），做出比人类更好的决策。
这么做需要大量的相关数据、强大的算法、足够细化的领域以及明确的目标，欠缺任何一个都无法成功。数据太少则样本不够，算法无法发现有意义的联系；但如果目标太广泛，算法则缺乏衡量最优解的明确标准。
深度学习是所谓的“狭义人工智能”（narrow AI，或译作“弱人工智能”）——仅用于在特定领域能做出决策、预测和分类的人工智能应用。这已经能产生巨大价值，但仍远远未成为科幻片里的“通用人工智能”（general AI，或译作“强人工智能”）——人类能做的，人工智能都可以做。
深度学习最自然的应用领域是保险、贷款之类的金融业务，因为借款人的相关数据非常多（信用评分、收入、信用卡近期使用情况等），而最优的目标（降低还款违约率）很明确。更进一步的话，深度学习还可以进行自动驾驶，帮助车辆“看”到行驶的路况，如识别像素组成的形状（比如红色圆形），判断它和什么有关（比如红灯“禁行”），以此信息来做出决策（刹车并停车），以达到期望的结果（用最少的时间把我安全送到家）。
人们听到深度学习就兴奋，是因为它的核心能力——识别规律、得出最优解、做出决策可应用在很多日常问题上。所以，包括谷歌、Facebook在内的许多公司争相出高薪聘请为数不多的深度学习专家，开展它们雄心勃勃的研究计划。谷歌在2013年收购了杰弗里·辛顿的创业公司，翌年又斥资超过5亿美元，买下英国的人工智能创业公司DeepMind，运用其技术开发出了AlphaGo。[插图]这些行动无不让众人惊叹，同时也成了媒体的焦点。它们改变了当代文化思潮，让我们意识到人类正站在一个新时代的边缘：在这个新时代，机器的能力将赋予人类更强大的能力，但也可能会大规模取代人力。
对深度学习和人工智能有兴趣的同学可以看看李开复的《AI未来》这本书，挺有意思的哦
评论