近一次的人工热潮来势凶猛,源于大数据的积累和深度学习的复兴,大数据我们好理解,随着2000年前后互联网的发展,数据量急剧增加,那到底什么是深度学习那?为什么深度学习一下子让人工智能又再一次的火起来了?为什么深度学习比其他的机器学习技术,能在计算机视觉、语音识别、数据挖掘、机器翻译、自动驾驶等领域起到更好的效果?
我们都有从婴儿长到成年的经历,想想我们是怎么开始学习汉字的那?是不是从简单到复杂,先先学一、二、三,再学更复杂的?其实计算机也一样,我们用各种数学方法,让计算机去学习每一个汉字。
比如我们让计算机反复的看各种‘一’的写法,各种‘一’的写法非常之多,我们把这样大数据量的‘一’的写法输入给计算机,去训练计算机,计算机就会根据大规模‘一’的图片标记出‘一’的特征,当我们再输入给计算任何写法的‘一’,计算机就会立即反馈并输出‘一’。
其实任何事物流转及存储到计算机里,都是和1组成的一串字符,图片也好,视频也好,数字也好,字符也好,等等最后都是和1组成,电学来说就是高低电平。针对不同的事物在计算机里面的和1字符串,都是有一定特定规律的,那么我们拿人体的图片来说,我们的人体都是有规律的,都有一个脑袋,两只胳膊,两只腿(先不谈残疾人,和类人猿),我们人体的特征就非常明显的,这时我们就找大量的人体的图片,各种状态下人体的图片,这些人体的图片形成的和1字符串,就会比较相似,我们会用计算机算法来记录这些相似,最后把这些相似作为一种特征存储下来,将来有人体的图片输入进来后,计算机就会根据以往学习的特征分辨出来是人体。计算机的这个学习过程,是复杂的,是通过数学公式的深层次的计算,我们管这种深层次的计算叫做深度学习。
深层次计算链接的网络我们可以用另一种词语表示,就是我们标题中提到的神经网络,这个神经网络类似人的大脑神经网络,我们可以这样去想象、去打比方,其实是完全有区别的,深度学习的神经网络如下图,每个小节都是一个数学模型、计算公式,对于每一个计算公司都有N多参数,我们要从入口处扔进去大量的事物(需要人工智能分析的对象),事先我们是知道这个事物的,在最低端出口处,我们要安排这个事物必须从某个出口出,我们不停的往里面扔大量的事物(比如人体图),直到这个人体图一直在特定出口出来,那么我们就认为这个学习过程完成了。这个时候我们再往入口处扔大量其他特定事物,什么都可以,同样,这个特定事物也会从一个我们标注好特定出口出来,如果我们用同样的方法,把世间万物都扔到入口里,这些事物都会按照我们的要求从我们知道的特定出口出来,那么这就是深度学习、神经网络的贡献,当然过程是需要图中每个节点的,这些节点,数据公式、参数也是功不可没的。
领取专属 10元无门槛券
私享最新 技术干货