跳到内容

照亮世界的知识

什么是深度学习?通俗易懂的人工神经网络解析

什么是深度学习,它与机器学习有何不同?神经网络如何学习、2012年的转折点以及从人脸识别到聊天机器人的应用。

什么是深度学习?通俗易懂的人工神经网络解析

深度学习是一种人工智能方法,它允许计算机使用多层人工神经网络从大量数据中自主学习模式。回答“深度学习意味着什么”时,“深”字指的是网络中大量的层。如今,从手机上的面部解锁到聊天助手,许多技术都建立在它之上。

神经网络是如何工作的?

神经网络由互相连接的人工“神经元”组成。每个神经元将接收到的数字乘以特定的权重,将它们相加并将结果传递给下一层。第一层捕获简单的特征(图像中的边缘和颜色);后面的层将它们组合成更复杂的概念(眼睛、脸、猫)。

学习发生在训练过程中:网络做出预测,将预测结果与正确答案进行比较,并使用称为反向传播的方法向后传播错误,以小步长调整权重。在数百万个样本上重复这一过程,使网络能够执行没有人编写明确规则的任务。

深度学习和机器学习有什么区别?

在经典机器学习中,人类通常决定查看数据的哪些特征。在深度学习中,网络直接从原始数据(像素、声波、文本)中提取重要特征。代价是它需要更多的数据和计算能力,尤其是图形处理器(GPU)。

为什么深度学习在2012年腾飞?

神经网络的概念可以追溯到20世纪50年代,但几十年来没有足够的数据或计算能力。2012年,多伦多大学团队开发的 AlexNet 在 ImageNet 图像识别竞赛中大获全胜,展示了在 GPU 上训练的深度网络的强大威力。该领域的先驱杰弗里·辛顿、杨立昆和约书亚·本希奥获得了2018年图灵奖,辛顿还与约翰·霍普菲尔德(John Hopfield)共同获得了2024年诺贝尔物理学奖。

深度学习在哪里应用?

  • 图像:人脸识别、医学图像分析、自动驾驶汽车感知。
  • 语音:语音助手和语音转文本。
  • 语言:机器翻译以及 ChatGPT、Gemini 和 Claude 等大语言模型。
  • 科学:蛋白质结构预测、天气模型和药物发现。

常见问题

深度学习和人工智能是一回事吗?

不是。人工智能是最广泛的概念;机器学习是其中的一个分支,而深度学习是机器学习的一个分支。

学习深度学习需要了解什么?

基础的 Python 编程加上高中线性代数和概率论是一个好的开始。你可以继续使用 PyTorch 和 TensorFlow 等免费库以及在线课程。

深度学习的弱点是什么?

它需要大量的数据和能量,其决策很难解释(“黑箱”问题),并且可能带有其训练数据的偏见。

来源

  1. ACM, 2018 A.M. Turing Award announcement (Bengio, Hinton, LeCun).
  2. Nobel Foundation, 2024 Nobel Prize in Physics (Hopfield and Hinton).
  3. Krizhevsky, Sutskever, Hinton, “ImageNet Classification with Deep Convolutional Neural Networks”, 2012.
分享
关注 YulaHub第一时间获取当天最重要的新闻。
RSS

发表评论

您的电子邮箱地址不会被公开。必填项已用 * 标注