在曩昔的幾個月中，我與許多的決議計劃者交換了有關(guān)人工智能特殊是機械進(jìn)修方面的成績。個中有幾名高管曾經(jīng)被投資者訊問了有關(guān)他們在機械進(jìn)修(Machine Learning)方面的計謀，和在哪些方面應(yīng)用了機械進(jìn)修。那末這個技巧課題為何忽然會成為公司董事會評論辯論的話題呢?

  盤算機應(yīng)當(dāng)為人類處理成績。傳統(tǒng)的辦法是“編寫”所需的法式，換句話說，就是我們教電腦成績處理的算法。該算法具體描寫懂得決成績的進(jìn)程，就像食譜一樣。許多義務(wù)都可以用算法來描寫。例如，在小學(xué)里，我們進(jìn)修了數(shù)字加法算法。當(dāng)觸及到要疾速、完善地運轉(zhuǎn)這類算法時，盤算機比人類更勝任這個任務(wù)。

  
  但是，這個成績處理的進(jìn)程是有局限性的。我們?nèi)艉伪嬲J(rèn)一張貓的照片呢?這個看起來很簡略的義務(wù)卻難以用一種算法來描寫。讓我們稍等少焉，細(xì)心想一想。即便是簡略的解釋(如“有四條腿”或“有兩只眼睛”)也有其缺陷，由于這些特色能夠會被隱蔽，或照片能夠只顯示了貓的一部門。假如我們碰到辨認(rèn)腿或眼睛的義務(wù)時，那與辨認(rèn)貓一樣的艱苦。
  
  這恰是機械進(jìn)修展示其實力的處所。盤算機不須要開辟算法來處理成績，而是應(yīng)用示例來進(jìn)修算法自己。我們用樣原來練習(xí)盤算機。關(guān)于辨認(rèn)貓這個例子，我們須要應(yīng)用年夜量的標(biāo)注了貓的照片來練習(xí)體系(監(jiān)視進(jìn)修)。經(jīng)由過程這類方法，算法會產(chǎn)生退化，繼而成熟，并終究可以或許辨認(rèn)出生疏圖片上的貓。
  
  現(xiàn)實上，在這類情形下，盤算機平日不會進(jìn)修經(jīng)典法式，乃至都不會進(jìn)修模子中的參數(shù)，例如收集中的邊沿權(quán)重。這個道理可以與我們年夜腦(包括了神經(jīng)元)的進(jìn)修進(jìn)程比擬較。像年夜腦一樣，與傳統(tǒng)法式分歧，這類具有邊沿權(quán)重的收集簡直弗成能被人類所懂得。

  

  在這類情形下，被稱為深度進(jìn)修的人工神經(jīng)收集進(jìn)修辦法獲得了偉大的勝利。深度進(jìn)修是一種特別的機械進(jìn)修，反過去又是人工智能的一門學(xué)科，是盤算機迷信研討的重要分支。早在2012年，谷歌研討小構(gòu)成功地練習(xí)了一個具有16000臺盤算機，并從1000萬段YouTube視頻中辨認(rèn)貓(和其他對象種別)的收集。他們采取的就是深度進(jìn)修技巧。

  
  很多與演習(xí)有關(guān)的成績更偏向于屬于“辨認(rèn)貓”這個種別，而不是“數(shù)字加法”，是以，很難用人類編寫的算法來處理這些成績。這些成績平日是在某些數(shù)據(jù)中辨認(rèn)形式，例如辨認(rèn)圖象中的對象、說話中的文本或生意業(yè)務(wù)數(shù)據(jù)中的訛詐行動。
  
  這里有一個簡略的例子，我們來看一下猜測性保護(hù)。想象一下很多傳感器正在發(fā)送數(shù)據(jù)流，有時，某些機械會產(chǎn)生毛病。如今的困難就是進(jìn)修招致毛病的數(shù)據(jù)流的形式。一旦學(xué)會了這類形式，便可以在正常操作時代辨認(rèn)出這類形式，從而預(yù)防潛伏的毛病。
  
  固然機械進(jìn)修的道理其實不新穎，但今朝深受年夜眾的追捧。這重要有三個緣由：起首，用于運用和練習(xí)的年夜量數(shù)據(jù)的可用性(“年夜數(shù)據(jù)”);其次，我們?nèi)缃窬哂袀ゴ蟮谋P算才能，特殊是在云端;第三，一系列的開源項目使得每一個人或多或少會應(yīng)用一些算法。（本文援用地址：http://www.eepw.com.cn/article/201711/370980.htm）