人工智能這門學科，別說我們一般人了，就是很多業(yè)內人士也很難搞得特別清楚。究其原因，人工智能是一個非常廣泛的領域，涵蓋了很多大的學科。大致可以歸納為以下六個類別：
在進一步闡述深度學習之前，我們需要了解什么是機器學習（Machine Learning）。機器學習是人工智能的一個分支，而在很多時候，幾乎成為人工智能的代名詞。簡單來說，機器學習就是通過算法，使得機器能從大量歷史數(shù)據(jù)中學習規(guī)律，從而對新的樣本做智能識別或對未來做預測。
深度學習是機器學習研究中的一個新的領域，其目的是建立可以模擬人腦進行分析學習的神經網絡。簡單來說，深度學習就是使用深度神經網絡來做機器學習。
仍然是一頭霧水？沒關系，小T舉一個生活中常見的挑水果的示例大家就很容易明白了。
小時候，媽媽讓我們幫忙出門去買些水果。因為家人都喜歡甜美多汁的蘋果，所以媽媽告訴我們：果皮透亮的紅色蘋果比綠色的蘋果要更甜一些。由此我們產生了一個簡單的規(guī)則：只挑選皮亮色紅的蘋果。
蘋果買回來吃了以后我們發(fā)現(xiàn)，同樣是皮亮色紅的蘋果，其中有一些其實味道也并不好。很顯然，媽媽教給我們的方法有些片面了，挑選甜美多汁的蘋果的標準并不只根據(jù)顏色。
通過不斷購買和嘗試大量蘋果以后，我們總結出來一個結論：皮亮色紅是沒有錯的，但是相對于那種有著大片紅色果皮的蘋果來講，紅色呈條紋狀的那種更甜更好吃。從此以后，我們就會加上這條新的經驗結論去購買蘋果。
過了一段時間有一天，我們發(fā)現(xiàn)經常購買蘋果的那家店鋪關門了。所以我們又換了另外一家水果店根據(jù)以前經驗結論去購買蘋果。不過這家店鋪的蘋果和之前我們常去的那家的蘋果不是一個產地的，之前的一些經驗結論又不適用了。于是我們又重新開始嘗試，發(fā)現(xiàn)A產地的蘋果是紅色條紋的最甜，而B產地的蘋果是黃紅色的最甜。
又過了一段時間家里來了個妹妹，妹妹并不喜歡甜甜的紅蘋果，只喜歡酸酸甜甜的橙子。。。（額，腦仁疼?。?我們之前所有實踐得出的蘋果知識都沒用了。我們需要根據(jù)之前挑蘋果的經驗，用相同的辦法重新研究一遍哪些橙子的口感最好。
在這個買水果的例子中，我們就相當與一個進行深度學習的機器。大量的試吃的蘋果就是機器的訓練數(shù)據(jù)。我們通過對大量數(shù)據(jù)的分類和邏輯判斷，不斷更新和修正自身在購買水果這個方向的認知。
這其中的分類和邏輯判斷，就是機器的算法。讀取更多的訓練數(shù)據(jù)，機器的準確率也會更高，一旦發(fā)生預測錯誤機器就會進行自我修正。
更妙的是，機器還能用同一個算法來訓練不同的模型，預測不同的水果：橙子、香蕉、葡萄、櫻桃、西瓜之類的等等。
由此可見，深度學習的進展本質上是由大數(shù)據(jù)喂養(yǎng)出來的。大數(shù)據(jù)時代，海量高質量的帶標注數(shù)據(jù)，使深度學習模型可以學習到非常有效的層次化特征表示；以云計算為代表的大規(guī)模分布式計算平臺以及GPU、FPGA等硬件能力的提升為深度學習提供了必要的計算基礎設施。大數(shù)據(jù)喂養(yǎng)下的深度學習取得了顯著進展，機器在圖像、語音識別等感知能力方面甚至超越人類。在深度學習的推動下，自然語言處理方面也取得了顯著進展。
1、依賴大規(guī)模標注數(shù)據(jù)和難以有效利用先驗知識等局限性，阻礙了深度學習的進一步發(fā)展。
由于深度學習需要的訓練數(shù)據(jù)數(shù)量十分龐大，而隨著數(shù)據(jù)采集難度和獲取成本的日益增高，深度學習也逐漸體現(xiàn)出其局限性。
2、深度學習還有一個不小的問題：沒有人知道它是如何運作的。
深度神經網絡的架構由于或多或少受到了人類大腦的啟發(fā)，正如人類的大腦一樣，深度學習的程序很難從外部理解：它是一個神秘的黑箱。也就是說，我們?yōu)闄C器提供大量的訓練數(shù)據(jù)，機器就能夠產生一套算法并不斷自行進化和修正。但是這套算法機器是如何產生的，我們不得而知。
目前，全世界的科學家們都在全力開發(fā)工具打開這個黑箱。因為黑箱的存在即意味著不可解釋，以及不確定性?！拔覀儾⒉淮_定神經網絡在做什么，我們不太信任它?！惫こ處焸兏嬖V小T：“對神經網絡的恐懼是完全正當?shù)?，而真正讓我感到恐懼的是神經網絡在學習對的事情的同時也學習了錯的事情?！?/p>
深度學習的大量實踐中，人們越來越多地發(fā)現(xiàn)深度學習模型的結果往往與人的先驗知識或者專家知識相沖突。如何讓深度學習擺脫對于大規(guī)模樣本的依賴？如何讓深度學習模型有效利用大量存在的先驗知識？如何讓深度學習模型的結果與先驗知識一致已成為了當前深度學習領域的重要問題。
下期內容：什么是數(shù)據(jù)標注？|“人工智能+區(qū)塊鏈”科普第5問
