第250章 消逝的禮包
章杉知道在深度學(xué)習(xí)傾注再多精力也不為過(guò)。
關(guān)注人工智能領(lǐng)域是符合時(shí)代潮流的~
我們現(xiàn)在我們正處于人工智能的第三次浪潮。
從1956年達(dá)特茅斯會(huì)議上人工智能的誕生開始,到如今人工智能已經(jīng)發(fā)展了59年。
這期間人工智能歷經(jīng)風(fēng)雨,經(jīng)歷了數(shù)次高潮也有數(shù)次低谷,每次高潮都是因?yàn)楹诵募夹g(shù)的提出引起了人們極大的興趣,吸引了大量的資金的投入。
之所以AI引人注目,簡(jiǎn)單說(shuō),人工智能學(xué)者們認(rèn)為計(jì)算機(jī)和智能網(wǎng)絡(luò)的這一深層的自動(dòng)編碼與解碼過(guò)程同人的思維類似。
都是一個(gè)從數(shù)據(jù)刻畫、抽象認(rèn)知到優(yōu)選方案的深度學(xué)習(xí)的過(guò)程。
由于人腦具有深度結(jié)構(gòu),認(rèn)知過(guò)程是一個(gè)復(fù)雜的腦活動(dòng)過(guò)程~
因而計(jì)算機(jī)和人工智能網(wǎng)絡(luò)模擬從符號(hào)接受、符號(hào)解碼、意義建立再到優(yōu)化方案的學(xué)習(xí)過(guò)程也是有結(jié)構(gòu)的;
同時(shí),認(rèn)知過(guò)程是逐層進(jìn)行、逐步抽象的,人工智能不是純粹依賴于數(shù)學(xué)模型的產(chǎn)物。
而是對(duì)人腦、人腦神經(jīng)網(wǎng)絡(luò)及抽象認(rèn)知和思維過(guò)程進(jìn)行模擬的產(chǎn)物。
探索自身從來(lái)都是人類的本能,通過(guò)對(duì)人工智能的研究人類能更加認(rèn)清自己!
應(yīng)該說(shuō),到目前為止,深度學(xué)習(xí)是計(jì)算機(jī)和智能網(wǎng)絡(luò)最接近人腦的智能學(xué)習(xí)方法。
近幾年來(lái),深度學(xué)習(xí)進(jìn)一步嘗試直接解決抽象認(rèn)知的難題,并取得了突破性的進(jìn)展。
2013年4月,《麻省理工學(xué)院技術(shù)評(píng)論(MIT Technology Review )》雜志將深度學(xué)習(xí)列為2013年十大突破性技術(shù)之首。
深度學(xué)習(xí)引爆的這場(chǎng)革命,將人工智能帶上了一個(gè)新的臺(tái)階,不僅學(xué)術(shù)意義巨大,而且實(shí)用性很強(qiáng),工業(yè)界也開始了大規(guī)模的投入,一大批產(chǎn)品將從中獲益。
……
而深度學(xué)習(xí)之所以產(chǎn)生,源于30年多來(lái)計(jì)算機(jī)科學(xué)、人工神經(jīng)網(wǎng)絡(luò)和人工智能的研究。
30年多來(lái),加拿大多倫多大學(xué)計(jì)算機(jī)系辛頓教授(Hinton,G.)一直從事機(jī)器學(xué)習(xí)模型、神經(jīng)網(wǎng)絡(luò)與人工智能等問(wèn)題的相關(guān)研究,并在機(jī)器學(xué)習(xí)模型特別是突破淺層學(xué)習(xí)模型,實(shí)現(xiàn)計(jì)算機(jī)抽象認(rèn)知方面取得了突破性的進(jìn)展。
2006年,他在《Science》上發(fā)表了《利用神經(jīng)網(wǎng)絡(luò)刻畫數(shù)據(jù)維度(Reducing the dimensionality of data with neural networks)》一文,探討了應(yīng)用人工神經(jīng)網(wǎng)絡(luò)刻畫數(shù)據(jù)的學(xué)習(xí)模型,首先提出了深度學(xué)習(xí)(deep learning)的概念和計(jì)算機(jī)深度學(xué)習(xí)模型,掀起了深度學(xué)習(xí)在人工智能領(lǐng)域的新高潮。
章杉有幸拜讀過(guò)這篇文章!
這篇文章的兩個(gè)主要觀點(diǎn)是:
第一,多隱藏層的人工神經(jīng)網(wǎng)絡(luò)具有優(yōu)異的特征學(xué)習(xí)能力,學(xué)習(xí)到的特征對(duì)數(shù)據(jù)有更本質(zhì)的刻畫,從而有利于可視化或分類。
第二,深度神經(jīng)網(wǎng)絡(luò)可以通過(guò)“逐層初始化”(Layer-wise Pre-training)來(lái)有效克服訓(xùn)練和優(yōu)解的難度,無(wú)監(jiān)督的逐層初始化方法有助于突破淺層學(xué)習(xí)模型。
基于深度置信網(wǎng)絡(luò)(DBN)提出非監(jiān)督逐層訓(xùn)練算法,為解決深層結(jié)構(gòu)相關(guān)的優(yōu)化難題帶來(lái)希望,隨后提出多層自動(dòng)編碼器深層結(jié)構(gòu)。
可以說(shuō)在深度學(xué)習(xí)領(lǐng)域辛頓既是開拓者,又是奠基人。
2012年,辛頓又帶領(lǐng)學(xué)生在目前最大的圖像數(shù)據(jù)庫(kù)ImageNet上,對(duì)分類問(wèn)題取得了驚人的結(jié)果,將計(jì)算機(jī)處理圖像數(shù)據(jù)問(wèn)題時(shí)排名前五的錯(cuò)誤率(即Top5錯(cuò)誤率)由26%大幅降低至15%,大大提高了人工智能圖像數(shù)據(jù)處理的準(zhǔn)確性和清晰度,這是早先計(jì)算機(jī)僅僅依賴數(shù)學(xué)模型的表層學(xué)習(xí)和單層學(xué)習(xí)根本無(wú)法實(shí)現(xiàn)的水平。
章杉之所以從來(lái)沒(méi)接觸過(guò)深度學(xué)習(xí),卻對(duì)深度學(xué)習(xí)了解的如此透徹!
是因?yàn)樵谌斯ぶ悄茴I(lǐng)域,深度學(xué)習(xí)其實(shí)是一種算法思維
——其核心是對(duì)人腦思維深層次學(xué)習(xí)的模擬,通過(guò)模擬人腦的深層次抽象認(rèn)知過(guò)程,實(shí)現(xiàn)計(jì)算機(jī)對(duì)數(shù)據(jù)的復(fù)雜運(yùn)算和優(yōu)化。
深度學(xué)習(xí)采用的模型是深層神經(jīng)網(wǎng)絡(luò)模型,即包含多個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)利用模型中的隱藏層,通過(guò)特征組合的方式,逐層將原始輸入轉(zhuǎn)化為淺層特征,中層特征,高層特征直至最終的任務(wù)目標(biāo)。深度學(xué)習(xí)可以完成需要高度抽象特征的人工智能任務(wù),如語(yǔ)音識(shí)別、圖像識(shí)別和檢索、自然語(yǔ)言理解等。深層模型是包含多個(gè)隱藏層的人工神經(jīng)網(wǎng)絡(luò),多層非線性結(jié)構(gòu)使其具備強(qiáng)大的特征表達(dá)能力和對(duì)復(fù)雜任務(wù)的建模能力。訓(xùn)練深層模型是長(zhǎng)期以來(lái)的難題,近年來(lái)以層次化、逐層初始化為代表的一系列方法的提出,為訓(xùn)練深層模型帶來(lái)了希望,并在多個(gè)應(yīng)用領(lǐng)域獲得了成功。
既然歸根結(jié)底深度學(xué)習(xí)要跟算法建立關(guān)系,那么這對(duì)于章杉來(lái)說(shuō)就完全不是問(wèn)題。
系統(tǒng)升級(jí)到100級(jí)之后。
擁有了超凡編程天賦領(lǐng)域的章杉,對(duì)于算法本就比常人敏感百倍千倍。
因此雖然步態(tài)識(shí)別這種生物識(shí)別模式對(duì)于章杉來(lái)說(shuō)是一門全新的技術(shù),但是章杉依舊能夠輕松掌握了這項(xiàng)技術(shù)的基本原理。
掌握了基本原理,明白了其全部運(yùn)行機(jī)制,章杉就不再受之有愧了。
雖然將這份技術(shù)具體推廣到市場(chǎng)方面還是要相當(dāng)長(zhǎng)一段時(shí)間的,但無(wú)疑這份神秘技術(shù)禮包還是很香的~
章杉突然想起來(lái)他還有一個(gè)禮包沒(méi)打開
“宿主成功將系統(tǒng)從11級(jí)升級(jí)至12級(jí),特贈(zèng)與宿主5億元軟妹幣,來(lái)路干凈,可放心使用;另外贈(zèng)送宿主特殊神秘禮包一份~”
之所以因?yàn)楫?dāng)時(shí)沒(méi)有第一時(shí)間拆開~
是因?yàn)檫@份神秘禮包必須在號(hào)的時(shí)候才能開啟~
然而因?yàn)橐幌盗猩?jí)休眠打亂了陣腳以至于現(xiàn)在章杉才想起來(lái)這份禮物!
“對(duì)不起,宿主,您當(dāng)前已錯(cuò)過(guò)禮包開啟時(shí)間,禮包不可開啟~”
章杉:??
還有這種情況的么~
想想可能措施的神秘禮物章杉心痛不已~
這個(gè)時(shí)候突然聽到系統(tǒng)的提示:
“禮包已過(guò)期,宿主可以選擇將禮包轉(zhuǎn)化為其他形式禮物~”
嘖,既然已經(jīng)無(wú)法打開禮包了,及時(shí)止損才是王道!
:。:
(https://www.dzxsw.cc/book/170215/8841414.html)
1秒記住大眾小說(shuō)網(wǎng):www.dzxsw.cc。手機(jī)版閱讀網(wǎng)址:m.dzxsw.cc