Deep Learning：Overview and Trend （Andrew Ng学术报告）

    昨天去中科院自动化所听了Andrew Ng的报告，人山人海。前边由于是在旁边的直播教室看的（可想可知有多火爆），音质特别烂所以没怎听清，后来讲一半的时候报告厅门终于打开了，得以一见真容。因为只听了一部分，就只将这些写下来与大家分享。

  

    Andrew提到，由于两方面的原因：

    (1)我们有时得到的不一定会非常理想地全是tagged（标签化）的数据，很可能是tagged和untagged混合；

    (2)有些数据根本就是无法定义tag的。

    因此他推测在未来的2年时间内，可能我们的研究主流还是针对tagged的数据集，但是在3~5年后，对于tagged和untagged的混合数据集研究很可能成为研究热点。

  

    下面这张图比较有打击力度。Andrew认为在deep learning的发展下，现有阶段的算法可以被完全取代。这感觉很像大一统理论，说实话很打击我这种还在研究各种算法的同学，不过想想如果真的有一天只使用一个算法就能解决所有问题时，那该多美好。

 

       这张图展示了对于tagged数据集，deep learning和已有的一些算法性能比较，红线是old algorithm，可以看出当数据集越来越大时，deep learning的性能将会持续增长，而现有的算法则会遇到瓶颈，而且即使是在数据集较小时deep learning的性能也不差多少。

      最后Andrew还介绍了deep learning将会带来的效益，从图上可以看出，deep learning几乎能解决所有现阶段计算机科学研究的难点问题，很具有诱惑。

  

   快要结束的时候，Andrew还特地介绍了下百度的几位大牛，感觉他提王劲提的比较多，难道是之前两人在谷歌就认识了？一场报告听下来，Andrew讲的都很浅显易懂，几乎没有涉及到算法的问题，带有科普性质。给人的感觉就是一个循循善诱的老师，非常亲切。报告结束的时候我趁主持的老师没注意就溜了上去，和Andrew说我上过他的课，很崇拜他，希望能一起照个相，他腼腆一笑（真的是很腼腆。。）正要说话就被一群同学摁住签名了，很多人拿了coursera的结业证书给他签，Andrew一边在说着马上要去赶另一个会，一边又在帮同学签着名。这时才赶上来的老师站我旁边，说一场学术报告被硬生生开成了明星见面会（整场报告一直有同学和老师在拿着手机照相）。无奈之下只好和和他借位合了一张，以表敬仰之情，合照就不发上来了，上一张Andrew的近照吧，目测有1米8。。