什么是深度学习？人工智能能影响未来的特点之一 _深度学习

人工智能（Artificial Intelligence），英文缩写为AI 。它是研究、开发用于模拟、延伸和扩展人工智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能与人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等[1] 。
毫无疑问，人工智能，是未来国家资源争夺的基础工具，人工智能发展好的企业，将会处于行业的顶端，在国际链条上也会处于食物链的顶端，而人工智能基本没有发展的企业，将会被锁定在资源供应国的地位，将会被迫被剥夺，被剥削，在微笑曲线的底端。
我国具有人工智能研究大量的基础数据，美国具有人工智能研究的最先进的技术或者说是算法，是算法和基础数据的结合，将会对人工智能的迭代与升级以及研发的促进带来革命性的新机遇，所以在人工智能研究上，中国和美国都非常具有优势。
人工智能能够影响未来的特点之一就是能够深度学习，本文重点探讨：什么是深度学习?
大多数人认为深度学习是人类用特定的规则去“编码”AI ，利用我们自己的认知去“教导”AI ，才能让算法具备相应的能力。
但事实上深度学习是模拟人脑进行学习的思维方式，有输入，也输出，还有复杂的中间层结构。

受人类大脑内部复杂的神经元网络的启发，深度学习模拟生物神经网络，构建出包括输入层和输出层在内的人工神经网络，当将数据输入该网络的输入层后，在输出层就会显现出相应的处理结果。在输入层和输出层之间，可能存在很多中间层（又称隐藏层），从而能够更深入地刻画所处理对象的特征，并具备更强大的函数模拟能力。几十年前，计算机算力有限，只能支撑一两层中间层。近年来，随着算力增强，可以训练出有成千上万层中间层的网络， “深度学习”即由此得名[2] 。

举个例子，我们如果想要研究和训练AI利用人工神经网络去深度学习，去识别和确认图片上是否有花朵，我们需要向AI“投喂”数百万张带着“有花”或“无花”标签的图片样板，就好比现在有些家庭里的智能音箱，你越和它对话，说的话越多，给它的信息越多，那么它就会越来越聪明，也是一个道理，都是需要它先去学习，然后才能通过学习后去判断，去识别，每一次新的输入行为都能提高输出正确结果的概率，而这里面它们学习的原理就是：

人工神经网络的训练是一个数学处理过程——通过不断调整网络中的数百万个参数（有时甚至是数十亿个参数），来最大限度地提高“只要输入有花的图片，就输出‘有花的判定”的概率，以及“只要输入没有花的图片，就输出‘无花’的判定”的概率。

在训练过程中，人工神经网络和其中的参数会组成一个巨大的数学方程组，用以解决有花无花的问题。一旦完成训练，它就可以对从未见过的图片进行判断，确定图片上是否有花[3] 。
根据这个原理，我们在做深度学习的时候，就要知道如何去建立输入和输出，如何提高输出的正确概率，训练AI ，让它更聪明。

文章插图

但目前为止， AI还远远没有达到我们想要的目标，也就是说到现在为止， AI还没有那么的智能，未来还需要很长的路要走。
那么为什么深度学习让大家这么兴奋？
内在原因来看，我们发现她做得比传统方法好，而且也比传统方法成本更低。
从成本来看：以前某个任务需要 3 个工程师从清洗数据、找特征、构建模型、训练与应用，这些都跑完一个流程，需要3个月。这还不算找特征、构建模型这些工作需要很强的行业领域知识与工程经验。总共消耗了9个人月。