深度学习的新世界（入门篇）

• 编程将成为像阅读一样的基本技能？
• 看起来更高深的人工智能与深度学习呢？

深度学习，

这个近年来炙手可热的新鲜事物，

相信各位并非第一次听说。

深度学习是什么？与AI等关系如何？前景如何呢？

01

先从它的基友们说起吧，

他们是人工智能和机器学习，

他们的基友关系大概是这个样子

第一次提出人工智能

是在1956年在美国举行的达特茅斯会议上，

一群异想天开的大神

提出了人工智能，

想让计算机像人一样思考。

不过，当时大家都以为人工智能是个不切实际的“玩意”，

AI≈“虾扯”

直到机器学习的问世。

什么是机器学习？

机器学习就是让计算机模拟或实现人类的学习行为，

进而解决一系列问题的学科。

史载，

蓝色巨人18摸有个塞缪尔，

木得女朋友，

也木有智能手机打游戏、刷抖音，

整出了个跳棋程序。

该程序能够通过观察并学习一个隐含的模型，

从而为后续动作提供更好的指导，

也就是让机器拥有了模仿与思考的学习能力，

这就是“机器学习”。

机器学习作为实现人工智能的手段，

自20世纪80年代以来，

得到了重大发展。

02

但是，

机器学习也有很大的局限性。

传统机器学习主要是由一个输入层和一个输出层组成浅层神经网络，

在神经网络里绘制出一组虚拟神经元，

然后给他们之间的链接分配随机数值或权重，

经由反复的训练来实现误差最小化。

但是早期的神经网络只能模拟为数不多的神经元，

所以不能识别太复杂的模型。

而深度+学习拥有多个节点层，

让深度神经网络能够以分层的方式学习数据的特征，

动用深层人工神经网络进行机器学习。

在深度学习网络中，

每个节点层在前一层输出的基础上

学习识别一组特定的特征。

一旦这一层神经元准确的识别了这些特征，

数据就会被输送到下一层，

并自我训练以识别更复杂的特征。

举个栗子——数学学习，

我们小学阶段学习加减乘除，

中学阶段学习一元一次，

高中学习一元二次、极限等，

每层都是在前一层输出的基础上学习识别下一层的特定特征，

学到了更加复杂的数学知识。

更多内容请戳这里

标签：机器,人工智能,学习,入门篇,神经网络,深度,识别,新世界
来源： https://blog.51cto.com/u_15164949/2701740