首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >人类玩游戏大战计算机,顺带搞出了「深度学习」

人类玩游戏大战计算机,顺带搞出了「深度学习」

作者头像
HyperAI超神经
发布2019-11-30 13:45:27
3130
发布2019-11-30 13:45:27
举报
文章被收录于专栏:HyperAI超神经HyperAI超神经

By 超神经

从深蓝在 1997 年战胜当时的国际象棋世界冠军 Garry Kasparov ,到 Alpha Go 在围棋上秒杀当代高手,到已经过去了 10 年,这也是深度学习迅速发展的 10 年。

细数深度学习本身的历史还要在往前推约 30 年,在这近 40 年的时间里,深度学习逐渐从一个概念变成如今可供应用的产品,并成为人工智能技术的关键方法。

基于不同系统的 AI

早在 1956 年 8 月 31 日,著名计算机科学家 John McCarthy 在达特茅斯会议上提出人工智能计划,点燃人工智能革命的圣火,算是AI发展的开端。此后,AI 从基于规则的系统逐步过渡到基于机器学习的系统,再到如今基于深度学习的系统。

基于规则的 AI 系统

这是出现最早的AI系统,依靠人工输入的规则来运行。这也是它的主要问题——过于依赖规则,难以适应规则的变化,存在较大的应用局限。

基于机器学习的AI系统

为了解决这个问题,机器学习方法出现。该系统通过大量历史数据和人为信息输入实现自主学习,可以适应简单的数据或规则变化。

不过,该系统对人为信息输入的依赖度较高,因此需要信息输入者具有一定的专业知识,而且要保证信息准确且全面。但是,随着应用场景增加,保证信息准而全几乎不可能。

基于深度学习的AI系统

为了解决机器学习对人为信息输入依赖度过高的问题,深度学习又叫「表征性学习」出现。

该系统通过大量历史数据实现自我学习,对未来可能出现的多种结果进行预测,并制定相应解决方案。从而解决了机器学习对人为信息输入依赖度过高,以及人为信息输入存在较大错误率的问题。

在 AI、机器学习和深度学习三者关系的理解上,可以认为深度学习是机器学习的子集,机器学习是 AI 的子集。因此,深度学习对整个 AI 体系的构建是比较重要的。

神经网络:深度学习系统的基石

那么,深度学习为什么能做到这一切呢?

答案就是我们经常所说的神经网络算法,神经网络由许多简单的处理连接点组成,类似于人来的神经元组织,它一般包含以下三个层级:

输入层 : 数据输入;

隐藏层 : 与输入层相关联的处理节点(一个神经网络通常有两个以上的隐藏层);

输出层 : 将处理过的信息转换成可以被输出的节点。

神经网络的工作原理是由简单到复杂的模式识别。他们在网络的第一层学习简单的数据处理功能,然后根据相关定义生成节点,之后将这些节点输入到网络的后续层中,并派生出其他更为复杂的特性,整个过程一直持续下去,直到它被最终输出。

深度学习的兴起

1943年,美国神经科学家 Warren McCulloch 就提出基于数学和一种被称为阈值逻辑算法的神经网络计算模型,成为深度学习系统的理论基础。

但由于缺乏足够的数据用来训练深层神经网络,加上训练深层神经网络所需的计算能力不足,导致该研究发展缓慢。直到 1980 年,福岛邦彦才提出基于人工神经网络的深度学习框架。

如今,依靠大数据和云计算,深度学习得以迅速发展。从 2000 年至今,计算机的运算能力提高了10000 倍,数据存储成本也下降了约 3000 倍,而且,随着互联网崛起、智能手机不断普及和社交媒体的出现,催生出大量数据供神经网络使用。

主要应用领域

当然不可能一直陪你下围棋啦,那 AI 跟棋魂有什么差别(误)

在实际应用方面,深度学习可以做到一些此前只有人类能做的事情。比如人类善于通过图像识别特定对象,通过翻译了解不同国家的语言和文化。现在,深度学习同样能做到。

此外,在计算机视觉和自然语言处理方面,深度学习也有不错的表现。当然这些只是深度学习比较常见的应用领域,在未来深度学习还有更多可能,比如给在座的各位配置一个像「钢铁侠」中贾维斯一样的管家。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-05-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 HyperAI超神经 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
NLP 服务
NLP 服务(Natural Language Process,NLP)深度整合了腾讯内部的 NLP 技术,提供多项智能文本处理和文本生成能力,包括词法分析、相似词召回、词相似度、句子相似度、文本润色、句子纠错、文本补全、句子生成等。满足各行业的文本智能需求。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档