隨著人類在人像識(shí)別、機(jī)器翻譯、自動(dòng)駕駛等人工智能領(lǐng)域研究的深入，機(jī)器學(xué)習(xí)也由淺入深，進(jìn)入了一個(gè)新的階段，可以說(shuō)，人類對(duì)深度學(xué)習(xí)的突破程度，代表了機(jī)器學(xué)習(xí)的智慧程度。那么，人工智能這么火，深度學(xué)習(xí)你知道多少呢？

什么是深度學(xué)習(xí)？

深度學(xué)習(xí)（DL）是機(jī)器學(xué)習(xí)的技術(shù)和研究領(lǐng)域之一，通過(guò)建立具有階層結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)（ANNs），在計(jì)算系統(tǒng)中實(shí)現(xiàn)人工智能。由于階層ANN能夠?qū)斎胄畔⑦M(jìn)行逐層提取和篩選，因此深度學(xué)習(xí)具有表征學(xué)習(xí)能力，可以實(shí)現(xiàn)端到端的監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)。此外，深度學(xué)習(xí)也可參與構(gòu)建強(qiáng)化學(xué)習(xí)系統(tǒng)，形成深度強(qiáng)化學(xué)習(xí)。

「深度」怎么理解？

從一個(gè)輸入中產(chǎn)生一個(gè)輸出所涉及的計(jì)算，可以通過(guò)一個(gè)流向圖來(lái)表示。

流向圖是一種能夠表示計(jì)算的圖，在這種圖中每一個(gè)節(jié)點(diǎn)表示一個(gè)基本的計(jì)算以及一個(gè)計(jì)算的值，計(jì)算的結(jié)果被應(yīng)用到這個(gè)節(jié)點(diǎn)的子節(jié)點(diǎn)的值。考慮這樣一個(gè)計(jì)算集合，它可以被允許在每一個(gè)節(jié)點(diǎn)和可能的圖結(jié)構(gòu)中，并定義了一個(gè)函數(shù)族。輸入節(jié)點(diǎn)沒(méi)有父節(jié)點(diǎn)，輸出節(jié)點(diǎn)沒(méi)有子節(jié)點(diǎn)。

這種流向圖的一個(gè)特別屬性是深度：從一個(gè)輸入到一個(gè)輸出的最長(zhǎng)路徑的長(zhǎng)度。

人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

從概念上來(lái)說(shuō)，這三者之間是一個(gè)逐級(jí)包含的關(guān)系（如下圖所示），人工智能包含的含義很廣，機(jī)器學(xué)習(xí)只是它的一個(gè)方向，而深度學(xué)習(xí)也只是機(jī)器學(xué)習(xí)的一個(gè)分支。

從時(shí)間的維度來(lái)看，人工智能的發(fā)展也經(jīng)歷了從符號(hào)注意人工智能到機(jī)器學(xué)習(xí)，再到深度學(xué)習(xí)的一個(gè)過(guò)程。

人工智能的概念開(kāi)始于上世紀(jì)50年代，人類把規(guī)則輸入到計(jì)算機(jī)，計(jì)算機(jī)通過(guò)執(zhí)行代碼代替人類完成指定的工作，這一時(shí)期計(jì)算機(jī)并不具備真正意義上的智能。90年代以后機(jī)器學(xué)習(xí)開(kāi)始蓬勃發(fā)展，人類不用告訴計(jì)算機(jī)任何規(guī)則，計(jì)算機(jī)可以從大量的數(shù)據(jù)中自主發(fā)現(xiàn)規(guī)則。進(jìn)入新世紀(jì)以后深度學(xué)習(xí)大放異彩。

所謂“深度”不是指理解的深度，而是模型的層數(shù)，深度學(xué)習(xí)它通過(guò)構(gòu)建多處理層的計(jì)算模型，從訓(xùn)練數(shù)據(jù)中提取多層次特征，能夠顯著提高圖像、語(yǔ)音、文本的識(shí)別準(zhǔn)確率。

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

很多小伙伴兒在學(xué)習(xí)時(shí)會(huì)有這樣的疑惑：神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的區(qū)別到底在哪兒，應(yīng)該學(xué)習(xí)哪個(gè)？其實(shí)它們不是同一個(gè)層次的概念。

神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的基礎(chǔ)，深度學(xué)習(xí)是建立在多層神經(jīng)網(wǎng)絡(luò)上的框架。想要深入理解深度學(xué)習(xí)，必須對(duì)神經(jīng)網(wǎng)絡(luò)的機(jī)構(gòu)和基本原理有清晰地認(rèn)識(shí)。

80年代反向傳播算法讓神經(jīng)網(wǎng)絡(luò)聲名鵲起，但是到了90年代，SVM等機(jī)器學(xué)習(xí)算法地出現(xiàn)掩蓋了神經(jīng)網(wǎng)絡(luò)的風(fēng)頭，直到2012年深度卷積神經(jīng)網(wǎng)絡(luò)在圖像分類挑戰(zhàn)賽上一舉奪魁才讓神經(jīng)網(wǎng)絡(luò)重新被廣大研究者重視。可以說(shuō)，是深度學(xué)習(xí)挽救了神經(jīng)網(wǎng)絡(luò)。

深度學(xué)習(xí)的框架選擇

很多人可能會(huì)問(wèn)：為什么要使用框架？我用Numpy照樣能實(shí)現(xiàn)多層的神經(jīng)網(wǎng)絡(luò)。話雖沒(méi)錯(cuò)，但是手動(dòng)從底層開(kāi)始一步一步構(gòu)建深度學(xué)習(xí)框架，不僅費(fèi)時(shí)費(fèi)力，而且運(yùn)算效率不高，如果你希望使用GPU計(jì)算還需要編寫(xiě)CUDA。而使用成熟的框架，我們不用浪費(fèi)大量的精力自己造輪子，像堆積木一樣就能構(gòu)建自己的深度神經(jīng)網(wǎng)絡(luò)。

結(jié)語(yǔ)：深度學(xué)習(xí)是人工智能實(shí)現(xiàn)的一個(gè)重要環(huán)節(jié)，隨著未來(lái)在計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別等領(lǐng)域的研究與商用，小編相信：深度學(xué)習(xí)的巨大潛能一定會(huì)發(fā)揮到極致，讓冰冷的機(jī)器變得智慧，讓我們的生活更加便捷、多彩。