“深度学习”算法的启示

“深度学习”算法的启示

前言

    随着科技的不断进步，人工智能的智能水平也随之得到了快速的发展。现在利用人工智能已经可以完成很多我们人类看起来不可思议的事情，比如能够在图片中识别狗、食物、汽车等各种各样的事物。那么，人工智能究竟拥有怎样的能力，能够识别这些看起来机器不可能识别的事物呢？其中的秘诀便是大数据“深度学习”。

一、机器是怎样通过“深度学习”进行训练的

记得在好几年以前，我就曾好奇人工智能究竟是怎样运行的，因为我很难想象仅仅由“0”和“1”两个数字组成的计算机世界，竟然能够有如此巨大的魔力。恰好最近学习了万维钢老师的一篇关于机器学习算法的文章，让我很受启发。

事实上，人工智能的深度学习完全是基于大数据的反复训练。比如要训练人工智能在图片中精准的识别出狗，那么就需要给人工智能海量的包括狗的图片，让其通过这些图片进行反复的识别训练，并让人工智能通过训练的结果来调整现有的算法参数。如果识别错误，那么说明参数还有些问题，需要修改。直到经过大量的训练，参数趋于稳定后，这也就意味着人工智能识别的错误率已经很高，参数被修正的频率大大降低，此时便宣告深度学习的基本完成。

二、机器学习的误区：鸟飞派

在人工智能发展的过程中，其实一直有一派人持有“鸟飞派”的观点。“鸟飞派”这种观念最早源于飞机发明之前，它认为人类设计飞机应该完全遵循鸟类飞翔的逻辑，而这却使得飞机的发明长期陷入了停滞，因为事实证明模仿鸟飞翔的逻辑根本行不通。幸运的是，后来人类通过掌握空气动力学发明了飞机，最终设计出来的飞机也没有和鸟一样需要扇动的翅膀，这再次说明的鸟飞派的荒谬性。

但知道现在，鸟飞派的逻辑依旧存在于不少人的思维之中，而在人工智能识别狗的项目中，一些“鸟飞派”认为人工智能识别狗的前提一定是它能够像人一样“认出”狗来，但是这一过程是不可量化编程的从而实现的。

所以，从中我们可以得出，做成一件事的正确路径可能与我们最初想象中的大相径庭，因此懂得转化思路很重要。比如现在的语音识别领域，机器能够识别并翻译人的语言，并不是机器完全“懂得”相应语言的语法等一系列知识，而是将语言的问题转化为了信息的问题。

三、深度学习的模式最高效的学习方式

此外，深度学习最大的特点就是让人工智能通过不断的运算，根据得出的结果与正确答案不断的进行比对，从而发现自己的错误，并对算法参数进行改进。这样就形成了一个“学习→即使反馈→修正算法→继续学习”的一个学习的循环，其实这就是一个最佳的刻意练习的学习模式。我们人类的学习过程其实完全借鉴机器学习的刻意练习，而这才是最高效的学习方式。