第一层是感知,看到的东西是什么,
第二层是推理,基于看到的东西想象未来发生什么,
第三层是知识,根据看到的数据和现象,形成自己的知识
第四层是规划,知道未来应该做什么。
自然语言处理比较常见的应用是机器翻译,人类能几秒钟反应过来一句英文是什么意思,这就是一种潜意识的感知,自然语言处理其实就是一种感知。
计算机视觉能够基于看到的东西,做一些推理,图片里面都是一些像素,通常需要用概率模型等。
深度学习也是机器学习的一种,可以做NLP、CV,还可以做reinforce learning等。
本课程最关注的方向就是深度学习和NLP与CV的结合。
- 在图片分类上的应用。
- 物体检测和分割:检测人和飞机在什么地方,看一看某一个像素属于人还是飞机?
- 样式迁移
- 人脸合成
- 文字生成图片
- 文字生成gpt3,How to run an effective Board meeting?
Q&A:
模型的可解释性问题,尤其是深度学习模型的可解释性,基本放弃了,人类已经理解不了,但是什么模型会应用在什么领域,我们会有一些可解释性
深度学习模型可以用数学表示,但是数学不能解释模型为什么能工作,为什么不工作。。。
怎么找到论文读论文?
后续讲。