人工智能、机器学习与深度学习：究竟什么是深度学习？.pdfVIP

人工智能、机器学习与深度学习：究竟什

么是深度学习？

作者：TomMacaulay

来源：《计算机世界》2017年第35期

到2035年，人工智能（AI）将为英国经济增长贡献6540亿英镑，但随着它成为主流，对

其进行描述的术语却越来越混乱。

人工智能的流行语——机器学习和深度学习，常常互换使用，尽管每个术语都有不同的含

义。

斯坦福大学计算机科学家JohnMcCarthy因提出“人工智能”这一术语而受人尊敬。他在

1956年召开的一次专题会议上将其定义为：“制造智能机器的科学和工程，特别是智能计算机

程序。”

“智能”一词的模糊性使人工智能涵盖了一系列应用，但大多数研究人员同意它一般是指

能够复制人类的思维。

机器学习是人工智能的一个子集，它赋予计算机一定的独立思考能力。这之所以能够实现，

是因为给它大量的数据，由算法处理这些数据，然后从中学习，以便作出预测和决定，这个过

程并没有专门的编程。机器能够高效地从现有例子中进行学习，以解决新问题。

而深度学习是一种受人类大脑神经元之间的联系而启发出来的机器学习方式。研究人员对

这种生物连接进行了人工模拟，称之为人工神经网络（通常称为神经网络）。

实际中的深度学习

在人类神经网络中，数十亿个相互连接的神经元通过发送电信号来通信，发展成为思维和

行动。在人工神经网络中，节点扮演神经元的角色，并通过组合分析，在有组织的结构中进行

协作，解决问题。

例如，深度学习软件可以用来理解由重叠的东西组成的复杂照片，譬如一个装满了衣服的

洗衣篮。

节点被安排在不同的层中，每一节点查看图片的每个元素，并对具体的元素进行计算，以

便完全理解它。这些计算得出的信号被传递给其他节点。

然后，对层中的所有信号进行组合评估，最终预测图片中到底是什么。

深度学习相对于其他机器学习技术的优势在于，其他技术需要分析一系列预定义的特征，

把分析结果作为预测的基础，而深度学习自己可以识别每一个特征。

例如，如果一个系统想在一张照片中识别出人脸，就不需要先把个人特征（例如鼻子和眼

球）输入到该系统中。相反，可以把一幅完整的图像输入给它，它能够扫描，理解不同的特征，

然后对图像内容进行独立的预测。

深度学习可以用来预测地震和控制自动驾驶汽车等。它可以对黑白视频进行着色处理，翻

译手机拍摄的文本，模仿人的声音，创作音乐，编写计算机代码，在棋盘游戏中击败人类，例

如，谷歌的DeepMind去年击败韩国围棋冠军李世石而一战成名。

它还有其他无数潜在的应用，从安全系统到情感分析，直至优化制造，等等。深度学习尤

其擅长理解图像和音频，并且可以自动完成许多常见的专业任务，例如分析X射线或者扫描法

律文件等。

深度学习的历史

软件公司Cloudera的数据科学主任SeanOwen说：“深度学习并不是一种新概念。它是另

一种概念的重生，现在人们终于使这一概念发挥作用了。”

深度学习的起源可以追溯到20世纪50年代，开始时是试图模仿生物大脑中神经元的互联，

这被称之为“感知”。机器学习算法是由美国心理学家FrankRosenblatt在1957年开发的，

受到了美国海军研究办公室的资助。

他的发明被《纽约时报》戏剧性地描述为“一台电子计算机的雏形，海军希望它能行走、

说话、看、写、复制自己，并能意识到它自己的存在。”

由于技术过于复杂，它很快就不再被人青睐了，但1986年一篇题为“反向传播错误的学习

表征”论文的发表，为神经网络的学习提供了更为有效的方法。

在90年代，人们关注的焦点转移到了一种叫做“支持向量机”的机器学习，它提供了相对

简单的高性能算法。

只是在过去十年，研究人员才真正学会利用云计算强大的计算能力，发挥规模优势使深度

学习开始工作。

2011年，深度学习先驱AndrewNg创立了“谷歌大脑”。这名斯坦福大学教授已经帮助开

发了自主直升机和多用途家庭机器人，而真正使他成为人工智能象征的是谷歌庞大的神经网络

研究项目。

他的创作登上了《纽约时报》的头条——一组16,000个模拟人脑的计算机处理器扫描了

YouTube视频中的1千万张图像，目的是找到其中的猫，并独立地发现了哪些东西是“猫”。

“谷歌大脑”开发的神经网络后来被再次使用Android手机将其用在语音识别软件中——

尽管没有那么的大张旗鼓。

“谷歌大脑