首页
学习
活动
专区
工具
TVP
发布

快速指南,了解围绕“深度学习”的那些事儿

你可能已经很频繁的听说过“深度学习”这个词,或者你可能已经在这样的帖子中读到了这个词。似乎今天发生的几乎所有技术对话都涉及人工智能,机器学习或深度学习这一主题。

这些技术正在逐步形成,并且不仅要为科技行业带来巨大的变化,还要面向全球经济和整个社会的各个方面。但是......所有这些意味着什么?

作为一名风险投资人和升级计划的总经理,我曾与许多初创公司合作,这些公司正在利用深度学习和其他人工智能技术。我最近创建了一份白皮书,以帮助非AI专家了解深度学习改变业务的潜力。

你可以在这里看到白皮书,但我想强调那里提出的一些想法,同时提供关于为什么深度学习如此重要的额外背景。

深度学习:在图片中检测猫的神经网络

为什么是现在?

推动深度学习发展的关键因素包括:计算能力,数据和人工智能即服务。

人工智能已经存在了很长时间,其历史可以追溯到20世纪50年代。但是现在比以往任何时候都有更多的计算能力,并且它开始以几年前不可能的方式实现强大的AI。

其中很大一部分原因在于通过云提供的计算能力,但它也可以追溯到硅片的巨大进步。这也是我们看到所有致力于专用AI芯片的主要参与者进一步采取这些进步的原因。

所有这些处理能力所带来的关键进步是能够处理制造AI所需的大量数据......emmm,智能。人工智能主要是关于数据,而且数量惊人。在过去的两年中,创造了所有存在的数据的90%。在人工智能的世界里,数据是黄金,它是石油,它是无法替代的有价值的商品。

然而,正在变得更加可用和商品化的是处理所有数据所需的实际AI算法 - 一种“AI-as-a-Service”。

许多科技巨头通过其云平台通过API提供AI算法。但是没有人能够取代数据本身,而且还有必须付出艰苦的努力。这个难以理解的一个例子是数据的标记,这仍然必须由人类完成。

原因是机器学习的一种方法是,需要提供经过适当标记和审查的准确数据。这仍然是一项耗时且昂贵的任务,而且这也是数据非常有价值的原因之一。

在总体上考虑所有三种成分时,很明显,数据在价值方面显然是明显的赢家。AI-as-a-Service是一种可供所有人使用的商品,计算能力是所有人都可以使用的商品,但数据是一种宝贵的自然资源,从技术平台有机地出现。

与国家和自然资源一样,某些平台数据丰富,而其他平台数据较差。那些能够明智地利用其数据资源的公司能够从AI革命中获得最大的收益。

机器学习和深度学习

“那么这个东西到底什么?”我听到你问道。深度学习是机器学习的一个分支,是使机器更加智能化的过程。具体而言,它是机器在没有人工交互或指导的情况下学习的一种方式。机器被教导识别事物,完成任务,做出预测以及许多其他事情。

深度学习是我认为是不同类型的机器学习中“最好的”,因为它依赖于神经网络,就像人类大脑一样。不要害怕这个术语 - 理解神经网络只是想到彼此建立的功能层。

例如,想象一下日常生活中的一个场景:你看到一个物体,识别它是圆形的,识别它是橙色的,然后确定它是一个水果,因此是一个橙色。这些结论中的每一个都需要某种功能来识别整个对象的一部分,并以其他功能的结果为基础。

那么为什么深度学习如此花哨呢?

现在来到这里真正令人兴奋的部分。深度学习最适合处理大量数据集。它可以实现几种不同的训练机器,真正令人兴奋。

大多数情况下,这是通过所谓的“监督学习”来完成的,该监督处理已经标记的数据。但是,还有其他方法具有令人难以置信的潜力:

无监督学习 - 使用此方法, 您不用标记数据。相反,您可以简单地投入大量数据,并通过查找模式或集群来对系统进行任务。这在查看用户数据以了解哪些人可能转换为忠诚客户等方面非常有价值。

通过无监督学习进行聚类

强化学习- 这是关于培训系统以实现目标。它的方式是通过给予系统奖励(如果它实现某些东西)和惩罚(如果它没有)。此方法可用于优化页面上文章的起始位置等任务 - 点击是对系统的奖励,没有点击是惩罚。

生成性对抗网络- 这是一种神经网络架构,其特征是两个AI相互竞争,一个AI试图生成虚假数据,另一个AI用于识别虚假数据。

例如,想象一种算法,用于生成知名人士的虚假视频,例如名人或政客与计算识别那些虚假视频的计数器算法配对。虽然这有可能创造出非常智能和创造性的人工智能,但滥用的可能性是真实的,风险不应该被忽视。

生成对抗网络的电路图

那么底线是什么?

正如我在开始时所说的那样,现在每个人都在谈论人工智能。但为什么?有不少嘘声表现为恐惧:担心AI会带走我们的工作; 担心AI会伤害我们。这些担忧有一些道理,特别是在工作方面。

人工智能确实有可能带走工作并完全消除某些类型的工作。当然,AI也会产生新的工作,包括我们甚至无法想象的角色。

然而,人工智能有另一个具有讽刺意味的事实:它将帮助我们变得更加人性化。它将使我们摆脱那些更适合机器的无聊,单调的任务。做这种工作不是我们的目的。

人类是富有想象力的创造性生物。当我们发明新事物,充满情感和美丽时,我们处于最佳状态 - 不会停留在橡皮图章,批量生产的重复性任务中。

当然,还存在其他障碍。我们今天拥有的数据不够干净,算法仍处于早期阶段,我们仍然需要大量的计算能力来推动所有这些深度学习。然而,深度学习能够实现真正的,强大的AI解决方案的潜力充满了我的兴奋。

今天,人工智能已被用于平凡的事情,如使我们成为更好的营销人员,以更有意义的应用程序,如扫描医学图像寻找疾病和自动驾驶汽车,这将使公路旅行更加安全。这让我觉得自己像个孩子一样想象我们可以迎来的未来,我希望在看完之后你也会感受到这种兴奋。

  • 发表于:
  • 原文链接https://thenextweb.com/contributors/2018/07/14/quick-guide-to-deep-learning
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券