深度学习发展史
人工智能
分类
人工智能分为3类:
- 强人工智能:认为有可能制造出真正能推理和解决问题的智能机器
- 弱人工智能:认为不可能制造出能真正进行推理和解决问题的智能机器
- 超级人工智能:彻底超越人类的机器
三次浪潮
人工智能的发展大致可分为3个阶段
- 第一阶段是1956 - 1980左右。这时候大部分处于发现的阶段,证明发展发力,相对比较缓慢
- 第二阶段是1980 - 2000左右。这时候人工智能得到大量的发展,期间研究出很多机器学习的算法
- 第三阶段是2000 - 至今。人工智能全面开花,涉及技术被应用于各种行业当中。
机器学习
定义
机器学习是利用数学的手段,使得机器拥有总结事物规律的能力。然后利用总结而来的规律去预测未来未知的事情
分类
机器学习可分为以下3种
- 监督学习:需要带标签的数据,首先需要机器学习数据规律,然后预测结果
- 非监督学习:不需要带标签的数据,直接学习并预测结果
- 强化学习:从结果导向,不断的优化自身
深度学习
最初由一名科学家提出:通过模拟人体神经元,让计算机拥有更强的思考能力。于此同时提出了神经网络 BP算法。利用激活函数来模拟人体神经元传递电信号的过程。
定义
一般通过多层网络结构来完成分类或回归任务
分类
深度学习同样可分为监督与非监督学习
- 监督学习:深度前馈网络、卷积神经网)、循环神经网络
- 无监督学习:深度信念网、深度玻尔兹曼机,深度自编码器
主要应用
图像处理
- 图像分类(物体识别):整幅图像的分类或识别
- 物体检测:检测图像中物体的位置进而识别物体
- 图像分割:对图像中的特定物体按边缘进行分割
- 图像回归:预测图像中物体组成部分的坐标
语音识别领域主要应用
- 语音识别:将语音识别为文字
- 声纹识别:识别是哪个人的声音
- 语音合成:根据文字合成特定人的语音
自然语言处理领域主要应用
- 语言模型:根据之前词预测下一个单词
- 情感分析:分析文本体现的情感(正负向、正负中或多态度类型)
- 神经机器翻译:基于统计语言模型的多语种互译
- 神经自动摘要:根据文本自动生成摘要
- 机器阅读理解:通过阅读文本回答问题、完成选择题或完型填空
- 自然语言推理:根据一句话(前提)推理出另一句话(结论)
综合应用
- 图像描述:根据图像给出图像的描述句子
- 可视问答:根据图像或视频回答问题
- 图像生成:根据文本描述生成图像
- 视频生成:根据故事自动生成视频