我们在上一篇文章中给大家介绍了大数据是如何帮助人工智能的这一个问题,由此可见人工智能是离不开大数据的。当然,这些能够帮助我们对人工智能有了进一步的了解,下面我们继续给大家介绍人工智能相关的问题。
我们在这篇文章给大家介绍的问题就是:深度学习的深是什么?而深度学习的浅层次东西是什么呢?一般来说,深度学习的核心理论还是基于浅层神经网络的堆叠,核心技术本身并无新意,科学家对深度学习也只是做了有限的改造和提升。另外,伟大的东西往往很简单,所以说,深度学习是一种朴素、简单、优美而有效的方法。通过构建网络结构,如果出现性能不够的情况,那么加层来凑的朴素思想,这种标准化、易用性的处理架构,极大降低了机器学习的难度,当然最关键还是应用效果。从这个角度理解,深度学习并无深意,只是对传统浅层神经网络做了少量改造。所以这就是深度学习浅层次的东西。
而深度学习总的深是什么呢?深度学习绝不只是几个具体算法、模型那么简单,而是一种仿人脑多层异构神经元连接网络的机器学习思想、方法论和技术框架,这种框架可能会从传统机器学习学科中分离出来,传统浅层学习模型的深度化是一大研究趋势。各类深度学习网络的变异、进化、融合,结合GPU超级计算将是未来现实大数据条件下大规模机器学习的重要方向,特别是海量多模态大数据条件下的机器学习,没有深度架构只靠浅层学习,将无法支撑大数据条件下自动特征学习、模型的有效表达和记忆存储。尽管深度学习的能力相比传统机器学习技术很强,但和真正的人工智能目标相比,仍然缺乏诸多重要的能力,如复杂的逻辑推理、知识抽象、情感经验、记忆和表达等。不过深度学习发展现在还处于初级阶段,能否真正实现类脑计算解码还需要时日加以验证。我们希望这些技术能够尽快实现。
我们在这篇文章中给大家介绍的人工智能中的深度学习的知识,这些知识都能够帮助我们更好地了解人工智能,在后面的文章中我们继续给大家介绍人工智能的知识。