三分鐘了解深度學(xué)習(xí)
深度學(xué)習(xí)（Deep Learning）、人工智能（Artificial Intelligence）、機(jī)器學(xué)習(xí)（Machine Learning）是當(dāng)下最熱話題。每天關(guān)于“AI”這個(gè)詞都在耳邊橫飛，胸懷抱負(fù)的開發(fā)人員聲稱想要研究人工智能；經(jīng)理們說想在服務(wù)中應(yīng)用深度學(xué)習(xí)。但是，通常我們很多人還是不知道人工智能是什么，深度學(xué)習(xí)又是什么。
本期我們一起來簡單了解一下深度學(xué)習(xí)、人工智能和機(jī)器學(xué)習(xí)的幾個(gè)基本知識(shí)，了解機(jī)器學(xué)習(xí)中最火的方法——深度學(xué)習(xí)的工作原理以及常見應(yīng)用。
了解深度學(xué)習(xí)的第一步，先介紹幾個(gè)重要的概念。
人工智能（AI）是在計(jì)算機(jī)中復(fù)制人類智能。
AI研究剛開始時(shí)，研究人員嘗試復(fù)制人類只能來完成特定任務(wù)，比如玩游戲。
他們給計(jì)算機(jī)制訂了大量的規(guī)則。計(jì)算機(jī)有一張可能行為的具體清單，并根據(jù)制定的規(guī)則作出決定。
機(jī)器學(xué)習(xí)（ML）指機(jī)器通過大數(shù)據(jù)集（而不是定死的規(guī)則）來學(xué)習(xí)的能力。
機(jī)器學(xué)習(xí)允許計(jì)算機(jī)自主學(xué)習(xí)，這種類型的學(xué)習(xí)利用現(xiàn)代計(jì)算機(jī)的處理能力，可以輕松處理大型數(shù)據(jù)集。
監(jiān)督學(xué)習(xí)使用標(biāo)記過的數(shù)據(jù)集，有輸入和預(yù)期的輸出。
如果使用監(jiān)督學(xué)習(xí)來訓(xùn)練AI，你要給它一個(gè)輸入并告訴它預(yù)期的輸出。
如果AI產(chǎn)生的輸出錯(cuò)了，它會(huì)重新調(diào)整它的計(jì)算。這個(gè)過程是通過遍歷數(shù)據(jù)集完成的，直到AI不再犯錯(cuò)。
監(jiān)督學(xué)習(xí)的一個(gè)例子是天氣預(yù)報(bào)AI。 它通過歷史數(shù)據(jù)來學(xué)習(xí)預(yù)測天氣。訓(xùn)練數(shù)據(jù)有輸入（氣壓，濕度，風(fēng)速）和相應(yīng)的輸出（溫度）。
無監(jiān)督學(xué)習(xí)是使用沒有特定結(jié)構(gòu)的數(shù)據(jù)集進(jìn)行機(jī)器學(xué)習(xí)。
如果使用無監(jiān)督學(xué)習(xí)訓(xùn)練AI，就是讓AI對(duì)數(shù)據(jù)進(jìn)行邏輯分類。
無監(jiān)督學(xué)習(xí)的一個(gè)例子是電子商務(wù)網(wǎng)站的行為預(yù)測AI。它不用通過標(biāo)記數(shù)據(jù)集來學(xué)習(xí)。
相反，它會(huì)自己對(duì)輸入數(shù)據(jù)創(chuàng)建分類。它會(huì)告訴你哪種用戶最有可能購買這款產(chǎn)品。
現(xiàn)在，我們已經(jīng)具備了理解深度學(xué)習(xí)工作原理的基本知識(shí)。
深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)方法，可以通過一組輸入，訓(xùn)練AI來預(yù)測輸出。監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)都能用來訓(xùn)練AI。
我們將通過建立一個(gè)假想的機(jī)票估價(jià)服務(wù)來了解深度學(xué)習(xí)是如何工作的。我們將使用監(jiān)督學(xué)習(xí)方法進(jìn)行訓(xùn)練。
我們希望機(jī)票估價(jià)工具能夠使用以下輸入來預(yù)測價(jià)格（方便起見，不包括返程票）：
? 始發(fā)機(jī)場
? 到達(dá)機(jī)場
? 起飛日期
? 航線
接下來，來看看人工智能大腦的內(nèi)部構(gòu)造。
和動(dòng)物一樣，估價(jià)AI的大腦也有神經(jīng)元，用圓圈來表示。這些神經(jīng)元是互相連接的。
人工智能大腦的內(nèi)部構(gòu)造圖
這些神經(jīng)元被分成三層：
1、輸入層
2、隱藏層
3、輸出層
輸入層用來接收輸入的數(shù)據(jù)。在我們舉出的案例中，輸入層有四個(gè)神經(jīng)元：始發(fā)機(jī)場、到達(dá)機(jī)場、起飛日期和航線。輸入層把輸入傳遞到隱藏層的第一層。
隱藏層對(duì)輸入數(shù)據(jù)進(jìn)行數(shù)學(xué)計(jì)算。建立神經(jīng)網(wǎng)絡(luò)的一個(gè)難題就是如何決定隱藏層的數(shù)量以及每一層的神經(jīng)元個(gè)數(shù)。
深度學(xué)習(xí)中的“深”指的是神經(jīng)網(wǎng)絡(luò)有超過一層的隱藏層。
輸出層返回輸出數(shù)據(jù)。在本案例中，輸出就是價(jià)格預(yù)測。
那么它如何計(jì)算價(jià)格預(yù)測呢？
這就是深度學(xué)習(xí)的魔力開始的地方。
神經(jīng)元之間的每個(gè)連接都有相應(yīng)的權(quán)重。這個(gè)權(quán)重決定了輸入值的重要性。初始權(quán)重是隨機(jī)設(shè)置的。
在預(yù)測機(jī)票價(jià)格時(shí)，出發(fā)日期是較重要的因素之一。因此，出發(fā)日期的神經(jīng)元連接將有很大的權(quán)重。
每個(gè)神經(jīng)元都有一個(gè)激勵(lì)函數(shù)。沒有數(shù)學(xué)推理，這些功能是難以理解的。
簡而言之，其目的之一是“標(biāo)準(zhǔn)化”神經(jīng)元的輸出。
一旦一組輸入數(shù)據(jù)通過了神經(jīng)網(wǎng)絡(luò)的每一層，它就通過輸出層返回輸出數(shù)據(jù)。
訓(xùn)練AI是深度學(xué)習(xí)中最難的部分。為什么呢？
1.需要大數(shù)據(jù)集。
2.需要很強(qiáng)的計(jì)算能力。
對(duì)于機(jī)票價(jià)格估算，我們需要找到票價(jià)的歷史數(shù)據(jù)。由于可能的機(jī)場和出發(fā)日期組合數(shù)量很大，我們需要一個(gè)非常大的票價(jià)清單。
為了訓(xùn)練AI，我們需要從數(shù)據(jù)集中給出輸入，并將AI的輸出與數(shù)據(jù)集的輸出進(jìn)行比較。由于AI尚未經(jīng)過訓(xùn)練，其輸出將是錯(cuò)的。
一旦遍歷了整個(gè)數(shù)據(jù)集，就可以創(chuàng)建一個(gè)函數(shù)（代價(jià)函數(shù)，理想情況下，我們希望代價(jià)函數(shù)為零。此時(shí)，AI的輸出和數(shù)據(jù)集的輸出一樣）來顯示AI的輸出與實(shí)際輸出的偏差。
在了解完以上幾個(gè)基礎(chǔ)概念以后，我們?cè)賮砜聪缕綍r(shí)所說的，深度學(xué)習(xí)被應(yīng)用在了哪些領(lǐng)域。
知名創(chuàng)投研究機(jī)構(gòu)CB Insights調(diào)研了25種最大的AI趨勢，預(yù)測2019年該技術(shù)的下一步趨勢，他們根據(jù)行業(yè)采用率和市場優(yōu)勢評(píng)估了每種趨勢，并將其歸類為必要性、實(shí)驗(yàn)性、威脅性、暫時(shí)性四類。
2019人工智能市場優(yōu)勢趨勢圖
深度學(xué)習(xí)其實(shí)在圖像、語音、自然語言處理這三個(gè)領(lǐng)域都已經(jīng)有了很好的應(yīng)用落地，比如我們生活中常見的，拍照購、相似推薦、人臉識(shí)別、在線試衣等等 。在圖像、語音、自然語言處理領(lǐng)域中深度學(xué)習(xí)的性能往往比傳統(tǒng)方法好得多。
深度學(xué)習(xí)的應(yīng)用——拍立淘
根據(jù)我們從上一小節(jié)了解到的知識(shí)，深度學(xué)習(xí)在這些領(lǐng)域內(nèi)大放異彩的主要原因，就在于圖像、語音、文本數(shù)據(jù)中都是有 pattern 的，這種 pattern 人腦比較容易識(shí)別，但難以明確說出識(shí)別的規(guī)則，這正是深度學(xué)習(xí)適合的問題。另外還有一個(gè)重要原因就是這些領(lǐng)域有足夠多的數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。
而一般的預(yù)測問題，可能本身不夠復(fù)雜，也可能數(shù)據(jù)不夠多。面對(duì)這些問題，一般是先試驗(yàn)簡單的、傳統(tǒng)的機(jī)器學(xué)習(xí)模型，當(dāng)它們明顯表現(xiàn)出瓶頸的時(shí)候，再去試深度學(xué)習(xí)模型。
深度學(xué)習(xí)在日常生活中已經(jīng)耳熟能詳，前幾天，央視新聞發(fā)布了一條新聞：
北京30余家重點(diǎn)醫(yī)院將共享 2017 年以來被公安機(jī)關(guān)處罰的 2100 余名號(hào)販子的頭像信息，身份證信息等等。未來這些人一旦進(jìn)入醫(yī)院，系統(tǒng)就能立刻監(jiān)控到這些號(hào)販子。
人臉識(shí)別技術(shù)已屢見不鮮，畢竟在公共安防領(lǐng)域的應(yīng)用已經(jīng)非常成熟，比如“張學(xué)友演唱會(huì)三抓逃犯事件”，應(yīng)該沒人不知道了吧？不過這次的應(yīng)用，卻而更加貼近了平常人的生活。
人臉識(shí)別也僅僅是深度學(xué)習(xí)的冰山一角，相信在很多其他領(lǐng)域，深度學(xué)習(xí)的應(yīng)用也將會(huì)未來得到落實(shí)。
央視新聞微博熱評(píng)
寬泛科技專注為人工智能、影視后期、動(dòng)漫設(shè)計(jì)、商務(wù)應(yīng)用等領(lǐng)域提供深度學(xué)習(xí)、VR/AR/MR、視覺計(jì)算、虛擬化云計(jì)算等硬件解決方案，提供IT基礎(chǔ)構(gòu)架建設(shè)、IT咨詢等服務(wù)。
下面為進(jìn)行深度學(xué)習(xí)項(xiàng)目研究開發(fā)的工程師朋友們推薦一款主機(jī)：
云軒八核i9/GTX1080Ti/RTX2080TI 深度學(xué)習(xí)GPU服務(wù)器/AI算法工程師電腦主機(jī)
GPU服務(wù)器適用于GPU渲染、深度學(xué)習(xí)訓(xùn)練、并行計(jì)算等。
機(jī)器學(xué)習(xí)算法可從能夠帶來洞察力的數(shù)據(jù)中發(fā)現(xiàn)自然模式，幫助您更好地制定決策，做出預(yù)測。
醫(yī)療診斷、股票交易、能量負(fù)荷預(yù)測及更多行業(yè)每天都在使用這些算法制定關(guān)鍵決策。
更適用于概念驗(yàn)證測試、高等院校課題研究、互聯(lián)網(wǎng)企業(yè)、醫(yī)療成像、油氣勘探、量子化學(xué)、財(cái)務(wù)模擬、基因組學(xué)等領(lǐng)域中眾多圖形和計(jì)算密集型應(yīng)用。
加入深度學(xué)習(xí)時(shí)代，從專業(yè)配置開始。
