人工智能

在上世纪二三十年代

如果有个人说“会不会出现个知道我想法的机器?”

别人肯定要说“想干啥呢!要上天么!”

▼

在那个年代

这个想法确实听起来如同登月一样

遥不可及甚至是天方夜谭

▼

BUT

也是因为有一波这么敢想的年轻人

登月也不是那么不可能了

1959年卫星探测器发送，1969年阿姆斯特朗登月成功

▼

而在这一波年轻人奋斗在“上天的”过程中

图灵(现被誉为计算机之父)也带着一波人

努力地把自己的梦想变成事实

1956年他在 “机器能够思维吗”的论文中提出

“隔墙对话，你将不知道与你谈话的，是人还是电脑”

▼

论文 定义了人工智能

它是对人的意识、思维的信息过程的模拟

它能像人那样思考，甚至超过人的智能

这点燃了人们对人工智能的信心

▼

可是

半个世纪的翘首以待

半个世纪的心灰意冷

一度让人们认为人工智能是一门“伪科学”

▼

BUT，在2006年

由于 机器学习在领域界获得的重大突破

图灵实验变得不是那么望尘莫及了

机器学习

那。。。什么是机器学习?

▼

理论上来说

机器学习是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织一有的知识结构使之不断该神自身的性能的学科。

可简单地来说

如果人工智能是最后要实现的目标，那么机器学习就是实现人工智能的方式

一般我们通过机器学习解决问题的思路是酱的：

▼

从通过传感器获得数据到预处理到特征提取到选择，最后到推理，预测识别。

而中间的三个部分，说到底就是特征的表达

良好的特征表达对算法起到了关键性作用

什么是好的特征? 它具有 不变性和可区分性

▼

听起来，是不是有点蒙?

我们来打个比方

▼

为什么我们一眼就能看出哪个是亚洲人哪个是西方人?

——因为西方人鼻子挺/眼窝深/发色多为金色或者棕色

——而亚洲人黑色头发/鼻梁较矮

所以这些都是 一眼能看出的且不会改变特征

而如果是了一个中国人与一个思密达国的人分辨出来就不是那么容易了

而在业界也有些很腻害的特征，比如说。。。 SIFT!

▼

找到这些特征

蓝后。。。我们就要来 手工提取了

一般我们采用手工提取特征

这是一件费力且烧脑的事情

有时候花了很多时间，也许也不能选取的很好

▼

那么，有没有 自动学习一些特征的可能性呢?

答案是有!

所以，DEEP LEARNING (深度学习)就这样出现啦!

深度学习

他和机器学习之间有什么样的联系呢?

人工神经网络是机器学习中的一类算法

深度学习就是其中一种神经网络算法。

深度学习还有个别名叫(UnsupervisedFeature Learning)

顾名思义就是，不要人参与特征的选取过程。

深度学习的 实质

是通过构建具有很多隐层的机器学习模型和海量的训练数据，

来学习更有用的特征，从而最终提升分类或预测的准确性。

▼

所以“深度模型”是手段，“特征学习”是目的。

“深度”：通过多隐层感知器，组合底层特征行程跟加抽象的高层表示属性类别或特征，已发现数据的分布式特征

“学习”：模拟人脑分析学习的神经网络

▼

Ali 小结：以上就是深度学习的基本概述啦，那他们三者是怎样的同心圆的关系呢?机器学习是人工智能的核心，而深度学习是机器学习的一种算法。可爱的亲们，有没有稍微懂一些呢?