Deep Learning In 5 Minutes – What Is Deep Learning? – Deep Learning Explained Simply – Simplilearn
來源：
自從 Alpha Go 完虐李世石之後，深度學習就火了，但似乎沒人說得清它的原理，只是把它當作一個黑箱來使，有人說，深度學習就是一個非線性分類器，也有人說，深度學習是對人腦的模擬，然而，筆者覺得都沒有捅透那層窗戶紙。
這幾年，人工智慧引起了非常多的關注，深度學習和機器學習在 AI 核心技術上，得到了充分的關注之外，在電腦視覺和自然語言處理等領域，又一次產生了巨大的影響，深度學習也是無人駕駛汽車的關鍵技術。
深度學習到底是什麼？
在深度學習中，電腦模型學習直接從圖像、文本或聲音中執行分類任務，深度學習模式可以達到新的精確度，有時甚至超過人類的表現，大多數深度學習方法使用神經網路的架構，這也是深度學習模型，通常被稱為深度神經網路的原因。
所謂深度通常是指，神經網路中隱藏層的數量，傳統的神經網路只包含 2 到 3 個隱藏層，而深度神經網路最多可以有 150 個，深度神經網路最受歡迎的類型之一是卷積神經網路，卷積神經網路透過輸入數據來卷積學習特徵，並透過 2D 卷積圖層，使得這種架構非常適合處理 2D 數據。
為何深度學習關注點很多？
最主要的原因是準確性，深度學習模式可以達到前所未有的精確度，有時甚至超過人類的表現，還有另外兩個因素使該技術，得到了業界的關注，其一，深度學習需要大量的標記數據。如，無人駕駛汽車的發展需要，以數百萬計的圖像，和數千小時的影像為基礎，這些大量的標記數據，現在已經可以輕鬆獲得。
其二，深度學習需要大量的計算能力，高性能的 GPU 具有高效深度學習的並行架構，與集群或雲計算結合使用時，開發團隊可以將深度學習網路的培訓時間，從幾周縮短到幾個小時甚至更短。
深度學習會是 AI 未來嗎？
其實，深度學習並不是人工智慧的同義詞，由於谷歌、 Facebook 等巨頭公司，宣傳人工智慧工具時，主要談的就是深度學習，甚至只談深度學習，因此大眾誤以為所有的人工智慧都由深度學習書寫，然而，真實情況並非如此。
未來人工智慧應探索其它的新方法，或者被忽視的舊方法，而不僅僅使用深度學習，深度學習的一個局限，是把數據中最常見的內容作為真理，把統計學上較稀少、或與較常出現的內容相反的東西看作謬論，深度學習的公正性並非來自其自身，而是人類篩選和準備的深度學習數據。
此外，有一些專家正在開發完全不包含深度學習的全新人工智慧系統，但他們缺乏資金支持，現在所有人都只投資深度學習，而且這個風潮還將持續一段時間，沒有人知道下一個人工智慧大事件將會是關於什麼的，但不太可能是深度學習。
總結：
如果你們還沒來得及學習人工智慧，那麼你們可以考慮等待下一個人工智慧系統興起，並準備好並直接研究它，跳過深度學習，否則，如果你有需求學習人工智慧，筆者建議你們一定要深入瞭解整個人工智慧和機器學習領域的知識，而不僅僅是深度學習。
按此回今日3S Market新聞首頁
按此回今日3S Market新聞首頁
 |
0 comments:
張貼留言