深度学习算法好学吗_在MATLAB里面做深度学习难吗？

人工智能在过去两年被谷歌引爆，于是该领域的创业公司如雨后春笋般生长

起来，有的做专用芯片，有的做算法，有的做机器人人工智能到底是什么？是让机器代替

人类完成重复的生产线劳动吗？这样理解为免太简单。

人工智能绝对不只是让机器完成模

仿，从而替代重复性工作，真正的人工智能需要机器经过训练和学习，接近或者超越人类

的智能行为。

人工智能训练模型的时候，数据是最重要的因素，只有通过大数据训练，才能让训练的模

型更接近于实际需求。比如，自动驾驶的模型训练，现在基本是靠自动驾驶汽车上路测试

收集数据训练模型，

路上的汽车只有采集到更多可能的场景，

才能确保训练出的模型更接

近实际路况。在人工智能训练中一般会遇到两个问题：第一，数据量不够如何训练模型？

第二，数据量太大如何快速进行标注？

MathWorks

产品市场经理赵志宏

迁移学习：

通过模型产生数据训练神经网络如果没有数据能做人工智能吗？这是很多初创

公司的困惑。在笔者的概念里，正常的

AI

开发流程是，先采集数据，再训练模型。在最

近的

Matlab

大会上，

MathWorks

产品市场经理赵志宏先生给出了一个不一样的答案，他

表示，数据、输出和模型是整个

AI

开发流程的一个步骤。如果开发者想做人工智能，又

没有太多的数据，可以采用迁移学习的方法。

迁移学习又是什么概念？不防从实际例子

来理解。比如：通过人工智能的方式来预测风力发电机的故障，用户不能等到采集到大量

故障数据以后再预测，

这样不符合设备维护的目标，

而是先用

Simulink

模型建立一个风里

发电机的模型，

通过校正让这个模型非常接近风力发电机，

然后通过该模型产生故障数据，

进而训练机器学习或者深度学习的神经网络。

赵志宏先生表示，基于模型设计的优势是，它是在真正做出产品之前建好一个模型，这个

模型与实际产品非常的接近，

不管是从数字计算、

行为计算产生的结果与真正的结果都非

常接近。

很多工程师在设计产品的时候已经把这个模型建好了，在这个模型上加入故障情