深度學(xué)習(xí)本身并不是新鮮事物，研究人員多年來一直在研究改進的方法，并開發(fā)新的算法。最近激發(fā)的技術(shù)是大量并行處理，巨大的數(shù)據(jù)集，以及優(yōu)于傳統(tǒng)機器學(xué)習(xí)算法的性能的融合。
深度學(xué)習(xí)與傳統(tǒng)算法有何不同?
以下舉幾個例子。基于邏輯回歸的信用評分模型通常會使用10到15個輸入?yún)?shù)，如年齡，收入，地址等等。用于檢測欺詐的更復(fù)雜的決策樹或神經(jīng)網(wǎng)絡(luò)可能會使用數(shù)百個參數(shù)。深入學(xué)習(xí)將其帶入一個全新的水平，并可能使用數(shù)十萬甚至上百萬個參數(shù)。而這只有在數(shù)千甚至數(shù)百萬的示例訓(xùn)練模型時才能真正發(fā)揮作用。
互聯(lián)網(wǎng)是找到例子的理想場所。例如，當人們搜索貓，狗，火車等圖像時，它可能是用于對圖像進行分類的深度學(xué)習(xí)算法。其他用途擴展到自然語言處理，翻譯，面部識別，谷歌公司和Facebook公司廣泛使用這些算法。有趣的是，人們被用來通過諸如Captcha這樣的技術(shù)對初始圖像進行分類，其中用戶通過識別哪些圖像是狗，建筑物，水等來確認訪問的是否是人類。每批圖像將包括一些已知的圖像，還有一些是未知的圖像，一旦有幾個用戶確定圖像，它可以被標記分類，并且再出現(xiàn)新圖像重復(fù)這個過程。以這種方式，可以快速分類數(shù)千張圖像，以用于算法訓(xùn)練。
考慮到當人類痛苦的時候，這個算法是沒有合理性的(距離阿西莫夫的“機器人三個定律”還有很長的路要走)。這意味著它實際上并不在乎人們是否得到預(yù)期的結(jié)果!
深度學(xué)習(xí)的下一步是什么?
深度學(xué)習(xí)的算法已被用于自動駕駛汽車的測試中，并做出可以減少交通傷亡人數(shù)的承諾。而在一個無人駕駛的世界里，當一場事故不可避免時，機器將如何應(yīng)對?
深度學(xué)習(xí)現(xiàn)在正在處理這些傳統(tǒng)上被認為是人類特有的工作，如駕駛、新聞、法律、保險承銷和一系列更廣泛的工作。
然而，它還將創(chuàng)建新的作業(yè)功能，如算法審計員和分析人員以算法可以理解的方式來構(gòu)建問題。
深度學(xué)習(xí)領(lǐng)域已經(jīng)發(fā)展得很快，而在接下來的幾年里，其將以指數(shù)的速度發(fā)展。
京公網(wǎng)安備 11010502049343號