第一讲-绪论
-
人工智能的三个层面
计算智能:能存能算
感知智能:能听会说,能看会认,类似于人的视觉、听觉、触觉等感知能力
认知智能:能理解,思考,决策,概念意识观念都是认知智能的表现
-
人工智能&机器学习&深度学习
从范围来看,人工智能>机器学习>深度学习。
传统的知识过程相对于机器学习,结果容易解释,但是系统构建费时费力,依赖专家的主观意见;而机器学习基于数据自动学习减少人工繁杂工作,但结果可能不易解释提高信息处理的效率,准确率较高来源于真实数据,减少人工规则主观性,可信度高。
-
传统机器学习VS深度学习
传统机器学习对特征提取的要求很高,经常要对特征进行复杂的提取、选择等操作。
例如针对物体检测,传统机器学习需要:标注数据、提取特征、分类。
其中特征提取需要大量的时间于精力以选择合适的特征提取方式。
而深度学习需要:标注数据、选择模型、设定超参、运行模型。
其中标注的数据要远多于传统机器学习,但是免去了复杂的人工特征提取工作。深度学习在未来可能会减小数据标注量,由zero-shot或者few-shot完成指定任务。
-
深度学习发展史
-
1957年,康奈尔大学Rosenblatt提出感知机(Perceptron);
-
1969年,Minsky提出Perceptron的两大问题:单层Perceptron无法解决异或问题;计算量过大;
-
1986年,Hinton提出了BP算法,有效降低了计算量,使得计算量与神经元数目成正比;
-
1989年,Lecun提出CNN,成功应用于支票数字检测;
-
1993年,黄仁勋成立Nvidia;
-
2006年,Hinton提出了限制玻尔兹曼机(RBN);
-
2009年,吴恩达发现GPU对深度学习计算的加速作用;
-
2009年,ImageNet发布;
-
2011年,RELU激活函数发表;
-
2012年,Alex与Hinton参加ImageNet竞赛,大幅超越传统机器学习算法;
-
2012年,Alex与Hinton参加ImageNet竞赛,大幅超越传统机器学习算法;
-