人工智能概述及背景

人工智能(Artificial Intelligence),就像长生不老和星际漫游一样,是人类最美好的梦想之一。虽然计算机技术已经取得了长足的进步,但是到目前为止,还没有一台电脑能产生“自我”的意识。

在人类和大量现成数据的帮助下,电脑可以表现的十分强大,但是离开了这两者,它甚至都不能分辨一个具体的事物。

自 2006 年以来,机器学习领域,取得了突破性的进展,至于使用技术手段,不仅仅依赖于云计算对大数据的并行处理能力,而且依赖于算法。这个算法就是Deep Learning。借助于Deep Learning算法,人类终于找到了如何处理“抽象概念”这个难题的方法。

背景

机器学习(Machine Learning)是一门专门研究计算机怎样才能模拟或实现人类的学习行为,以获取新的知识或技能,使之不断改善自身的性能的学科。机器学习虽然发展了几十年,但还是存在很多没有良好解决的问题,例如图像识别、语音识别、自然语言理解、天气预测、内容推荐等等。

目前我们通过机器学习去解决这些问题的思路都是这样的:

从开始的通过传感器(比如CMOS)来获得数据。然后经过预处理、特征提取、特征选择,再到推理、预测或者识别。最后一个部分,也就是机器学习的部分,绝大部分的工作是在这方面做研究的。

中间的三部分,概括起来就是特征表达。良好的特征表达,对最终算法的准确性起了非常关键的作用,而且系统主要的计算和测试工作都耗在这一大部分。但是,目前这块实际中一般都是靠人工提取特征。

然而,手工地选取特征是一件非常费力、需要专业知识的方法,能不能选取好很大程度上靠经验和运气,而且它的调节需要大量的时间。既然手工选取特征不太好,那么能不能自动地学习一些特征呢?Deep Learning就是用来干这个事情的,顾名思义,就是不要人参与特征的选取过程。

近年以来,认知神经科学、生物学等等学科的发展,让我们对自己这个神秘的而又神奇的大脑不再那么的陌生,也给人工智能的发展推波助澜。

人脑视觉机理

美国生物学家David Hubel 和Torsten Wiesel 发现了一种被称为“方向选择性细胞(Orientation Selective Cell)”的神经元细胞。当瞳孔发现了眼前的物体的边缘,而且这个边缘指向某个方向时,这种神经元细胞就会活跃。

这个发现激发了人们对于神经系统的进一步思考。神经-中枢-大脑的工作过程,或许是一个不断迭代、不断抽象的过程。这个发现也促成了计算机人工智能技术,在后面的突破性发展。

总的来说,人的视觉系统的信息处理是分级的。从低级的V1区提取边缘特征,再到V2区的形状或者目标的部分等,再到更高层,整个目标、目标的行为等。

也就是说高层的特征是低层特征的组合,从低层到高层的特征表示越来越抽象,越来越能表现语义或者意图。而抽象层面越高,存在的可能猜测就越少,就越利于分类。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181209G0QWDF00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券