深度学习之前生

前不久，小编在某社交网站上看到一篇总结比较到位，且图文并茂介绍深度学习历史的文章，故打消了自己费心杜撰的念头，决定利用自己稍逊的文笔进行翻译，以期最小化丧失原文味道，让大家对深度学习有一个较为详尽的理解。由于该篇文章原文较长，因此决定分为上篇：深度学习之前生和下篇：深度学习之今世。

最近，大家可能听到许多关于机器学习（ML）和人工智能（AI）好的、坏的方面，这些方面取决于你信息的来源。

很多人可能立马联想起了2001年的科幻小说里面超级电脑哈尔（HAL）的画面：太空漫游，终结者电脑，C-3PO或者将主题转到AI后走出来的莎玛莎。可能，许多人甚至不了解其实机器学习现在被作为一个单独的学科这件事情。

尽管ML和AI经常被相互替换着使用，但是严格来讲他们并不是同一回事。基于最基本的常识，机器学习（ML）其实是由人工智能(AI)演变而来的。

在上面的谷歌趋势图(Google Trends graph)中，大家能够看到： 在2015年9月份之前，AI 是比 机器学习（machine learning）更加受欢迎的一个搜索关键词。机器学习成了人工智能最重要的应用之一。也有许多人把机器学习描述成实现人工智能的一个子领域或者方法。

但当你仍然去思考来自未来的杀手机器人，你就会想到那些坏的方面。可以说，人工智能和机器学习有着更多的内涵和意义，而不仅仅是成为“人类”。 

人工智能可以被看作是一把“万能伞”（怪不得现在这世道，七大姨八大姑二舅子三担子都能跟她攀上关系）。它指的是计算机程序能够像人一样进行“思考”，表现和做那些人类对他们做的事情。（比如之前有个视频上有人用棍子从机器人背后使劲捅了一下，结果栽倒在地的它立马又站起来了。。。）。 这些通常被归类为通用（智能）或者面向特定专业领域和行为的应用。

机器学习（ML）晚于人工智能(AI)。它主要涉及的是，给机器提供让它能够不需要编程就能够学习的数据。一系列算法，诸如 决策树学习（deep tree learning）, 感应逻辑编程（inductive logic programming）, 聚类（clustering），增强学习（reinforcement learning）和贝叶斯网络（bayesian network）使得这些输入数据有了意义（机器通过这些算法从数据中学到了一定的模式和智能）。

机器学习为通向人工智能迈出了一大步。前进的，但并不是奇点（人工智能临界点）前的所有步子。

神经网络（neural networks）的发展——也就是一个计算机系统通过类似于人脑工作机理进行分类和组织数据，使得人工智能进一步被推进。

基于这样的分类和分析，一个机器学习系统能够基于最大概率进行被教育（训练）过的猜测，同时也能够从它们自身的错误中不断学习（比如Alpha Go）并且随着这个过程的持续，变得更加“聪明”。

不知道大家是不是还在跟着我的思路？ 很好，接下来我将要介绍在AI这把万能伞下面发展起来的一个分支： 深度学习（deep learning）。

如果说机器学习是人工智能的一个分支领域，那么深度学习则可以被称为机器学习的一个分支。 学科的发展演变则大概呈现这样的关系：

人工智能->机器学习->深度学习

“深度学习” 第一次被提出是在2000年左右，当时， lgor Aizenberg 和他的同事（虽然好像网上流传着另一个版本说是被大牛Hinton第一次于2006年提出）谈论人工智能神经网络（ANNs）提起。

自那以后，这个术语就开始在AI谈话中占据主导地位， 尽管事实是，有许多其他方向的分支也在快速发展，比如自然语言处理（NLP）。

简而言之，深度学习是实现机器学习的一种方式。随着ANN变得更加强大和复杂——并且在多层次和神经元中逐渐深入。深度学习便于机器进行学习能力和人工智能的增长。

到2017年，深度学习的层已经能够达到1000层。

深度学习应用所谓的“监督”学习——这里神经网络（neural network）应用标注的数据集训练，或者“非监督”学习——这里神经网络应用未标注的数据并且寻找重复的模式（pattern）。

每一层的神经元则做出“猜测”和最可能的预测，并且把这些信息传送到下一层，一直到最终的输出结果。

感到困惑吗？不用担心（有人带你飞~），因为这毕竟是个令人“相对深奥”的话题。

一个简单的神经网络（neural network）

这个世界上最激动人心的人工智能的发展正处在我们现在这个时代，正发生在此时此刻。尽管可能有铺天盖地的正在进行或者刚出来的研究成果或者文章，但我们甚至不必去了解他们。但通过此文章简要了解深度学习的发展历史（作为扩展也涉及到一些机器学习和人工智能的介绍）却是非常必要的。深度学习在相对较短的时间里走过了漫长的历程。

在手机前阅读此文的你，想好了明天的路了么？ 那就跟万众AI 一起上路吧，从了解深度学习的前生今世开始，迎接这个时代的汹涌浪潮~

参考文献【1】： The history of deep learning, Andrew Fogg.

=================================== 

我们致力于推广普及人工智能(AI), 让AI走进每个人的生活~

欢迎分享AI相关的人物轶事、工业应用、科普常识、动态前沿~

投稿邮箱：whatisai9999@qq.com

 

 

《万众AI》 2017年第七期