人工智能发展简史——从理论走向应用( 二 ) _人工智能

2016年，随着谷歌旗下Deepmind公司基于深度学习开发的AlphaGo以4:1的比分战胜了国际顶尖围棋高手李世石，深度学习的热度一时无两。后来， AlphaGo又接连和众多世界级围棋高手过招，均取得了完胜。

文章插图
AlphaGo战胜李世石，再次证明了深度学习的能力
正是由于DL在理论上的成功以及GPU硬件的发展， DL在工程实践上开始证明价值，催生了一批以人工智能（机器视觉为主）的科技公司，比如国内耳熟能详的AI四小龙：商汤、云从、依图和旷世，都有将AI技术应用于实际的落地案例。
从DNN到多样化的结构

文章插图
全连接DNN
如上图所示，全连接DNN的结构里相邻两层的神经元之间都能够形成连接，从而导致参数数量膨胀。这不仅容易过拟合，而且极容易陷入局部最优。
由于图像中存在固有的局部模式（如人脸中的眼睛、鼻子、嘴巴等），所以将图像处理和神经网络结合引出卷积神经网络CNN 。CNN是通过卷积核将相邻层进行链接，大幅降低了输入层到隐藏层的参数。
另外DNN无法对时间序列上的变化进行建模，而样本的时间顺序对于自然语言处理、语音识别、手写体识别等应用非常重要。为了适应这种需求，就出现了另一种神经网络结构：循环神经网络RNN 。
在RNN中，神经元的输出可以在下一个时刻作用到自身，即第