沒事遛狗追劇、簽到贏金幣的 我媽

刷到朋友圈廣告

就想每天半小時開啟Python學習之旅了

再說天天忘事兒、數(shù)學粉碎級骨折的 我

也被各大網(wǎng)站、頭條宣揚的“未來已來”打動

居然動起了轉行當數(shù)據(jù)科學家的念頭

（我飄了...）

礙于現(xiàn)實，數(shù)據(jù)科學家可以不當，不過人工智能還是要了解滴，門外漢只求掌握大致情況，以避免在一桌子人大談特談神經(jīng)網(wǎng)絡、機器學習的時候，因為接不上話只能用喝水來掩飾尷尬的局面。

不過網(wǎng)上人工智能的相關文章滿天飛，我越看越迷，往往沒介紹個子丑寅卯啥的，先打一大波廣告——水分太大，學不了真功夫。

于是，我光臨了“ 干貨總局”，傳說中一個免費分享知識的地方，我?guī)е活w求知的心來了。

這家鋪子店面不大，正值早晨，里面稀稀拉拉沒幾個人，一位小二打扮的人倚在柜臺上嗑瓜子，見我進來抬抬眼皮、動動眼珠子算是示意。

“小二，人工智能的知識在哪看?。?rdquo;

“B區(qū)250-272架子都是講人工智能干貨的，自己翻。”

“想快速了解基本內(nèi)容，你有什么建議讀的嗎？”

“《 3分鐘告訴你，人工智能是怎么學習的》，翻閱的人最多。”

我拿起來一翻，一種熟悉的親切感撲面而來，這不就是一直困擾我的問題嗎？

1

機器學習與深度學習是什么關系？

▼開局一張圖▼

21世紀以后，人工智能發(fā)展異?；鸨@主要得益于 機器學習（Machine Learning）的方式。

而近10年人工智能的高度繁榮，則與機器學習子類—— 深度學習（Deep Learning）的發(fā)展有關。

機器學習

所謂 機器學習，是讓計算機從大量真實環(huán)境、信息和以往經(jīng)驗中學習，像人類一樣從中獲取知識經(jīng)驗并成長，從而使計算機在以后遇到類似情況時，利用學習到的方法進行判斷和處理。

比如一臺機器，目標是讓它學會辨別貓和虎，我們可以提供大量貓虎圖片，讓機器自行學習形狀、體積等足以區(qū)分兩者的特質(zhì)。隨著學習訓練不斷進行，面對給定的圖片，系統(tǒng)最終可以準確判斷哪些是貓、哪些是虎。

深度學習

深度學習，是機器學習的一個子類，其靈感源于人腦神經(jīng)網(wǎng)絡，是一種模仿人腦的 深度神經(jīng)網(wǎng)絡的機制來解釋數(shù)據(jù)的方式，例如文本、聲音、圖像等。

2

什么是強化學習？

近幾年，除了深度學習， 強化學習（Reinforcement Learning）也非常熱門。

強化學習

強化學習同樣是機器學習的一種，計算機可以在沒有明確指令的前提下像人類一樣自我學習，在與 環(huán)境的交互過程中通過學習策略以達成 回報最大化或 實現(xiàn)特定目標。在獲得足夠的學習量以后，強化學習后的計算機就能夠預測結果，做出正確的判斷。

強化學習受 行為心理學的啟發(fā)，比如小學生取得好成績會得到家長表揚或零食玩具，小學生由此得到了學習好可以得到獎勵的正強化，從而更加努力學習。

強化學習與之類似，系統(tǒng)通過與環(huán)境進行交互獲得的獎賞來修正自身行為，在不斷的“ 試錯”中學習經(jīng)驗，目的是獲得獎賞的最大化。 近來隨著計算速度的飛速提升以及深度學習架構的穩(wěn)定發(fā)展，強化學習實現(xiàn)了真正意義上的飛躍。

3

對抗神經(jīng)網(wǎng)絡是什么？

對抗神經(jīng)網(wǎng)絡

近年來，又出現(xiàn)了 對抗神經(jīng)網(wǎng)絡（Generative Adversarial Networks），這是非常有潛力的機器學習模型。它使用了兩個簡化的人腦數(shù)學模型的神經(jīng)網(wǎng)絡，讓二者在某一數(shù)字游戲中互相PK，從而使雙方都獲得學習和成長。

用“左右互搏”來形容這一過程最合適不過了。兩個神經(jīng)網(wǎng)絡使用相同的數(shù)據(jù)集進行訓練，其中一個叫 生成網(wǎng)絡，根據(jù)所見圖片生成新的圖片；另外一個神經(jīng)網(wǎng)絡叫 判別網(wǎng)絡，它會判斷所見到的圖片是與訓練時的相似還是被創(chuàng)造出來的假圖片。

關于對抗神經(jīng)網(wǎng)絡，有人舉過“ 警察與小偷”的例子。警察抓小偷，小偷要避免被警察抓，隨著低水平小偷落網(wǎng)，那些僥幸游走的小偷則會不斷學習以提高反追捕能力，而為了抓捕更狡猾的小偷，警察也需要不斷提高自己辨別案犯的能力。這個過程中，雙方就在不斷的切磋、碰撞中提升自身水平。

看完《3分鐘告訴你，人工智能是怎么學習的》，我確實有醍醐灌頂?shù)母杏X，對人工智能的理解也清晰了不少，不愧是“干貨總局”，沒有水分，實在！

臨走我到柜臺前跟小二告別，順帶問了他一個問題：“你們這里免費分享知識，不賺錢怎么維持下去啊？”

小二神秘一笑，不答反問：“客官看， 人工智能是否會一直順暢地發(fā)展下去？”

“這個嘛，當然了！全球人工智能的市場價值在2016年預估為 4.8億美元，而到2022年預計可以達到 130億美元，人工智能迅速增長，市場潛力巨大，是未來行業(yè)發(fā)展的方向??！”

“未必。馬克思主義告訴我們，事物發(fā)展的前途是光明的，道路是曲折的。就拿大火的深度學習和強化學習來說， 發(fā)展到一定階段一定會遇到瓶頸，畢竟歸根到底，這些機器學習的算法都是基于蠻力計算， 需要極大的數(shù)據(jù)量來訓練計算機，倘若算力跟不上，一個任務訓練就要花上三四天，這樣的速度豈不是大大拖延了人工智能的發(fā)展進程？”

“那你覺得這問題能解決嗎？”我暗暗驚奇，沒想到這看起來無所事事的小二，還有兩把刷子。

“ 你看看我們的贊助商是誰？”小二指了指背后的金字招牌，我這才注意到“干貨總局”邊上的“ 戴爾易安信”字樣。

不等我開口，小二繼續(xù)說道：“ 機器學習，尤其是深度學習的工作負載需要高效能和大容量，只有這樣才能快速管理分析結構化和非結構化數(shù)據(jù)，進而快速提供一致的結果。這方面， 擁有多年行業(yè)積累的戴爾易安信推出了多款適合深度學習的高性能PowerEdge服務器，為人工智能的發(fā)展增添助力！”

PowerEdge C4140

一款超高密度、針對加速器優(yōu)化的1U機架式服務器平臺，專為認知和技術計算工作負載而設計。

PowerEdge R940xa

可推動 GPU數(shù)據(jù)庫加速，為計算密集型應用程序提供實時決策。結合使用4個CPU 和4個GPU，提供一致的高性能，可滿足嚴苛的應用程序需求，加速AI繼續(xù)學習。

▲ 點擊圖片可了解 RowerEdge R940xa詳細信息

DSS 84 40

是一款2路4U服務器，旨在為機器學習應用提供極高的性能。DSS8440配備多達10個加速器、高速PCIe結構和大量的本地存儲。非常適用于機器學習、訓練應用程序以及其他計算密集型工作負載。

目前，深度學習、強化學習、認知功能模擬多基于數(shù)據(jù)海量處理， 人工智能的研究與開發(fā)， 都可以運行在戴爾易安信高性能計算解決方案中。在人工智能快速發(fā)展的當下，戴爾易安信將幫助企業(yè)實現(xiàn)基于深度學習的大數(shù)據(jù)分析，為客戶量身打造解決方案、實施護航服務，以實現(xiàn)更好的人工智能部署與應用！

“原來你們是打廣告來的，這不是夾帶私貨嘛！”小二話音剛落，我接茬說道。

“免費知識分享，不求盈利，只為曝光，給友情贊助宣傳一二，你不吃虧我也不吃虧嘛！”