【深度学习笔记】1.深度学习发展史

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

1. 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
2. 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
3. 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