深度学习可以完成语音识别、图像识别、检索、自然语言理解等高度抽象的人工智能任务,深层模型是一个具有多个隐藏层的人工神经网络。深度并行化模型的框架和训练速度方法是一个重要的基础,深入学习现有的多种不同深度模型的开放源码实现,谷歌、Facebook、百度、腾讯等公司也实现了它们的并行框架。深度学习是最贴近大脑的智能学习方法,深入研究革命,将带来新的机器学习人工智能水平,将对大量的产品和服务产生深远的影响。

深度学习的革命。

机器学习人工智能试图理解智能的本质,并制造智能机器以类似人类智能的方式做出反应。如果机器是人类手的延伸,而飞行器是人类腿的延伸,人工智能是人类大脑的延伸,甚至可以帮助我们进化和超越自我。机器学习和计算机领域的前沿和最神秘的学科,科学家们希望创造出智能机器而不是人类的思维,艺术家将成为小说的主题,大屏幕,引起人们无限遐想。然而,作为一门严肃的学科,人工智能在过去的半个世纪里发展得并不顺利。

 

近年来,深度学习直接解决了抽象认知的问题,取得了突破性的进展。深入研究革命,将带来新的机器学习人工智能水平,不仅学术意义重大,实用性很强,产业也开始大规模投资,大量产品将从中受益。

2006年,机器学习巨头,多伦多大学的计算机科学教授,Hinton在《科学》杂志上发表了一篇文章[1],基于深度信念网络(Deep is Networks, DBN),可以通过一个贪婪算法来使用无监督训练,神经网络给训练深度带来了希望。

2012年,Hinton带领学生进入最大的图像数据库ImageNet,并在分类问题上取得了惊人的成绩[2],将Top5的错误率从26%降低到15%。

人工智能和机器学习,2012年顶级学者Andrew Ng和分布式系统顶级专家杰夫•迪恩带领梦之队开始谷歌大脑项目,使用含有16000 CPU核的并行计算平台培训超过10亿个神经元,神经网络的深度在语音识别、图像识别等领域取得了突破性的进展[3]。通过对YouTube上选定的视频进行分析,在没有监督的情况下训练深度神经网络,系统可以自动对图像进行聚类。在输入“猫”后,结果是一个没有外界干扰的猫脸。

2013年,GuGe收购了一家名为DNN Research的神经网络初创公司,该公司只有三个人,杰弗里·辛顿和他的两个学生。此次收购并不涉及任何产品或服务,但希望Hinton将深入学习支持古格未来的核心技术。同年,纽约大学教授,深度学习专家加入Facebook,雅安·勒存[5],人工智能实验室的主任,负责深度学习的研究,使用深度学习的信息,比如用户图像包含大量的信息,希望在未来可以为用户提供更智能的产品使用体验。



相关文章