資訊專欄INFORMATION COLUMN
摘要：近期，機器學(xué)習(xí)領(lǐng)域?qū)＜覀冴P(guān)于深度學(xué)習(xí)的一些言論引起了極大的轟動。近來，深度學(xué)習(xí)由于其在模式識別方面的巨大作用激起了人們的廣泛興趣。綜上所述，當前的深度學(xué)習(xí)主要完成的是對大數(shù)據(jù)的分類和預(yù)測。
近期，機器學(xué)習(xí)領(lǐng)域?qū)＜覀冴P(guān)于深度學(xué)習(xí)的一些言論引起了極大的轟動。同時，關(guān)于深度學(xué)習(xí)的開創(chuàng)性和整體架構(gòu)也在學(xué)術(shù)界引發(fā)了相當?shù)挠懻摗０殡S著人工智能開始進入進一步開發(fā)應(yīng)用階段，人們意識到它的成功與否完全取決于其實用性。
星期二，我和IBM沃森研究中心的副總裁John Gordon先生有過一次半個小時的專訪。在專訪中，Gordon先生從始至終都不認可人們對人工智能系統(tǒng)“沃森”的預(yù)期和它實際能做什么之間存在相當?shù)牟罹?。雖然在我和Gordon先生之間存在必然的誤解，但很明確的一點是：Gordon先生相當看重下面一點的積極作用——學(xué)習(xí)和使用“沃森”系統(tǒng)的軟件和云接口是一件相當容易和愉快的事。它對開發(fā)和完善新的應(yīng)用有著巨大的幫助。
Gordon先生的觀點最初讓我很不解，但是，當我深入思考之后，我開始接受他的觀點。正如Gordon先生所述，在不久之前，“沃森”系統(tǒng)還只是給少數(shù)IBM內(nèi)部博士級科研工作者們的工具，但現(xiàn)在，任何人都可以用它來測試自己的應(yīng)用軟件和數(shù)據(jù)。人們并不需要斤斤計較這個系統(tǒng)能否提供人工智能，人們愿意使用云服務(wù)的關(guān)鍵在于這個系統(tǒng)到底能不能幫人們實現(xiàn)他們需要的工作。
第一批“沃森”系統(tǒng)上的應(yīng)用程序開發(fā)接口。Thefirst set of Watson cloud APIs on IBM Bluemix.
這一情形正發(fā)生在當前人工智能最火的領(lǐng)域——深度學(xué)習(xí)。深度學(xué)習(xí)是一個有著深遠意義的領(lǐng)域，而不僅僅是一些夸張的說法。IEEE spectrum（雜志——電氣電子工程協(xié)會綜覽）最近采訪了機器學(xué)習(xí)領(lǐng)域的專家——加州伯克利大學(xué)的教授Michael Jordan先生。在這次訪談中，Jordan先生專門針對這個領(lǐng)域的一些誤解予以了澄清。
Jordan先生的言論可歸結(jié)為如下：深度學(xué)習(xí)并不是那么具有革命性的新技術(shù)。它只是對某些應(yīng)用能提供幫助，而不是來模仿人腦工作。那只是一種不太準確的比喻。（后來Jordan先生在另一天對大數(shù)據(jù)也闡述了他的看法，其后還在博客上對一些對他觀點的誤讀作了進一步澄清。在更早的九月份，Jordan先生在Reddit網(wǎng)站的一個欄目“Ask MeAnythin”也發(fā)表了他對深度學(xué)習(xí)的看法。）
Jordan先生可能在很大程度上是正確的，對我們大多數(shù)非科研工作者來說，明白這些模型具體怎么工作或是了解是否這些研究人員在夸大其結(jié)果的意義都沒有什么實質(zhì)的作用。YannLeCun先生（一名紐約大學(xué)的研究人員，F(xiàn)acebook人工智能項目的經(jīng)理）在Facebook上針對Jordan先生的言論評述道：
“深度學(xué)習(xí)本身和那些被證明有效的模型并沒有任何問題。雖然那些模型背后的理念在80年代就已經(jīng)被提出。這并不意味著在這些理念基礎(chǔ)上建立的模型就沒用了?！?/p>
近來，深度學(xué)習(xí)由于其在模式識別方面的巨大作用激起了人們的廣泛興趣。只要它還在語音識別，圖像搜索，文本短信和用戶推薦等方面進一步發(fā)揮作用，人們的熱情就將繼續(xù)下去。從某種程度上來說，它的意義在于它的實用性，就像我以前說過的“深度學(xué)習(xí)更像復(fù)合木地板一樣，因其簡單實用，而得到廣泛認可。從這個角度來看，它并不像人類大腦里的神經(jīng)元。”
200多名聽眾聆聽了百度首席科學(xué)家Andrew Ng 在“人工智能的未來”上關(guān)于深度學(xué)習(xí)的講座。Biz Carson/Gigaom
About200 people showed up at our Future of AI event to watch Andrew Ng of Baidu, andothers, talk about deep learning. Credit: Biz Carson / Gigaom
深度學(xué)習(xí)更讓人感興趣的在于它的各種模型在如此短的時間里從科研試驗室進入到普通人手中，并被開發(fā)成各種各樣的新的應(yīng)用程序。現(xiàn)在已經(jīng)涌現(xiàn)出基于深度學(xué)習(xí)的各種開源工具（包括word2vec,deeplearning4j, H20和Caffe），商業(yè)軟件（來自于各大公司如GraphLab,Nvidia,Ersatz Labs和微軟）和大量為應(yīng)用開發(fā)者準備的針對特定任務(wù)的應(yīng)用程序接口（來自于如AlchemyAPI和Clarifai一類的公司）。
同時，Gordon先生進一步表示語音識別和計算機視覺也會逐步進入“沃森”系統(tǒng)的開發(fā)范圍。
由于大量開源應(yīng)用的出現(xiàn)，深度學(xué)習(xí)在上述應(yīng)用（語音識別，計算機視覺，甚至可穿戴技術(shù)和機器人）中得到了更為廣泛的應(yīng)用。商業(yè)界和學(xué)術(shù)界都同時在深度學(xué)習(xí)的基礎(chǔ)上對這些領(lǐng)域開展了更廣泛的研究。而在以前，商業(yè)界和學(xué)術(shù)界通常是專注于不同的方面的。
深度學(xué)習(xí)并不是能解決一切問題的革命性人工智能技術(shù)。若真是如此，人們何必還要繼續(xù)在量子計算機和人腦系統(tǒng)上花費時間和精力呢。為此，Oren Etzioni(阿倫研究院人工智能項目CEO）（編者注：阿倫研究院是由——微軟創(chuàng)始人保羅-阿倫捐助的專注于人腦領(lǐng)域的研究機構(gòu)）在9月Gigaom’s的“人工智能的未來”研討會上，就利用深度學(xué)習(xí)完善分類算法和那些能回答更深程次問題的智能算法之間的區(qū)別作了一個專題講座。
所有的技術(shù)，當它們從試驗室出來進入到開發(fā)應(yīng)用階段后，它們的評判標準就是有用與否，“沃森”系統(tǒng)和深度學(xué)習(xí)也不例外。
OrenEtzioni (Allen Institute for AI) on building intelligent machine
https://www.youtube.com/watch?v=E_6AZ8slivc
“深度學(xué)習(xí)通過對大數(shù)據(jù)的分析來實現(xiàn)對研究對象的分類和預(yù)測，從而完成對問題的“是”或“不是”的回答。但是，大量的問題是不能簡化為“是”或“不是”。同時，大量問題也不能簡化為簡單的若干個變量分析（比如電影推薦，自主發(fā)tweet）。很多問題需要建立更為復(fù)雜的能‘自我構(gòu)造’的理論——這個理論應(yīng)該是多層次的，能自主題曲學(xué)習(xí)知識，然后萃取出新的理論，做出合理推論導(dǎo)出新的結(jié)論。這一類問題包括“算術(shù)學(xué)習(xí)，國際象棋，理解語言”。尤其在理解語言方面，機器需要了解相當大量的相關(guān)知識才可能真正懂得語言所要表達的意思。當前相關(guān)知識的機器學(xué)習(xí)方面還很缺乏。同時，人工智能在自我提取，學(xué)習(xí)相關(guān)知識方面也還很欠缺。綜上所述，當前的深度學(xué)習(xí)主要完成的是對大數(shù)據(jù)的分類和預(yù)測。要進一步發(fā)展基于大數(shù)據(jù)的人工智能，需要更為復(fù)雜的模型。這些模型要能完成從大數(shù)據(jù)中提取相關(guān)知識，學(xué)習(xí)了解相關(guān)知識，萃取出新的理論，做出合理推論，進一步完成對新問題的回答?！?/p>
很多專業(yè)人士花費了大量時間來定義云計算或大數(shù)據(jù)，更多的非專業(yè)人士（非分布式系統(tǒng)專家）卻在忙著開發(fā)各種基于上述的應(yīng)用。這些人并不是這方面的資深人士，他們只是由于熱情和興趣并在合適的時候進入了些個領(lǐng)域。這些人開發(fā)出來的應(yīng)用可能有各種各樣的問題，但很多時候并不妨礙它給人們以幫助。很多系統(tǒng)（如AmazonWebServices和Hadoop）在才出現(xiàn)時都有很多缺陷，但他們都得到了廣大用戶的支持，僅僅因為他們能幫助人們做一些事情。有些技術(shù)（如Docker和Kafka）現(xiàn)在已經(jīng)從主流技術(shù)新聞上消失，但他們還是在不斷吸引新的用戶。
當前，普通用戶們起著關(guān)鍵作用，用戶來通過他們的實際使用來決定誰是贏家。深度學(xué)習(xí)不是一個高深莫扯的“天網(wǎng)系統(tǒng)”或全新的“神經(jīng)科學(xué)”領(lǐng)域，所以，雖然學(xué)術(shù)界還是在決定科研的方向，但對廣大開發(fā)者和用戶來說這已經(jīng)不重要了。
歸根結(jié)底，一項技術(shù)如果有用，人們會努力去完善它，如果它沒用，或者有更好的技術(shù)出現(xiàn)，這項技術(shù)就必然會萎縮直至消亡。將來，深度學(xué)習(xí)可能也會被人們遺忘，但肯定不是它沒有得到應(yīng)有的炒作，而是因為它在那個時候已經(jīng)不能滿足人們的需要。
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://systransis.cn/yun/4299.html
摘要：我們都可能聽說過名為的認知計算平臺，它就采用了深度學(xué)習(xí)技術(shù)，用來將語音轉(zhuǎn)換成文本以及將文本轉(zhuǎn)換成語音。深度學(xué)習(xí)或認知計算是人工智能的一種形式，這引出了下一個術(shù)語。據(jù)數(shù)據(jù)分析公司聲稱，年有兩家大數(shù)據(jù)初創(chuàng)公司可能會?！ ≡朴嬎悒D―這個概念是指，你可以根據(jù)需要來租用應(yīng)用程序，然后通過互聯(lián)網(wǎng)來訪問它們，而不是購買應(yīng)用程序，然后將應(yīng)用程序安裝到計算機上。就是這樣，這就是云計算。你可能已聽說過軟件即服務(wù)...
摘要：京東更是已經(jīng)實現(xiàn)深度學(xué)習(xí)的初步運用。目前深度學(xué)習(xí)推廣的條件已經(jīng)成熟。李成華表示，隨著深度學(xué)習(xí)的發(fā)展和成熟，的機器學(xué)習(xí)算法將會被取代。京東研究深度學(xué)習(xí)的初衷客服對電商發(fā)展的重要性毋庸置疑。隨后深度學(xué)習(xí)技術(shù)的風(fēng)靡，加深了京東完善的想法。 說深度學(xué)習(xí)（Deep Learning）算法是當前人工智能皇冠上的明珠并不過分。通過深層神經(jīng)網(wǎng)絡(luò)（DNN）模型的運用，深度學(xué)習(xí)已成為目前最接近人腦的智能學(xué)習(xí)方法...
摘要：三人造神經(jīng)元工作原理及電路實現(xiàn)人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)，縮寫，簡稱神經(jīng)網(wǎng)絡(luò)，縮寫，是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計算模型。神經(jīng)網(wǎng)絡(luò)是一種運算模型，由大量的節(jié)點或稱神經(jīng)元，或單元和之間相互聯(lián)接構(gòu)成。 一、與傳統(tǒng)計算機的區(qū)別1946年美籍匈牙利科學(xué)家馮·諾依曼提出存儲程序原理，把程序本身當作數(shù)據(jù)來對待。此后的半個多世紀以來，計算機的發(fā)展取得了巨大的進步，但馮·諾依曼架構(gòu)中信息存儲...
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)...
摘要：年的時候，首先推出了單核含個神經(jīng)元，個突觸和個軸突的芯片原型。個內(nèi)核，萬個神經(jīng)元億個突觸集成在直徑只有幾厘米的方寸是年原型大小的之間，而且能耗只有不到毫瓦，的集成的確令人印象深刻。 郵票大小、重量只有幾克，但卻集成了54億個硅晶體管，內(nèi)置了4096個內(nèi)核，100萬個神經(jīng)元、2.56億個突觸，能力相當于一臺超級計算機，功耗卻只有65毫瓦。這就是IBM公布的仿人腦芯片：TrueNorth。為什...
閱讀 4186·2021-11-22 13:52
閱讀 2093·2021-09-22 15:12
閱讀 1132·2019-08-30 15:53
閱讀 3467·2019-08-29 17:12
閱讀 2198·2019-08-29 16:23
閱讀 1662·2019-08-26 13:56
閱讀 1778·2019-08-26 13:44
閱讀 1897·2019-08-26 11:56
