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
- ACM, 2018 A.M. Turing Award announcement (Bengio, Hinton, LeCun).
- Nobel Foundation, 2024 Nobel Prize in Physics (Hopfield and Hinton).
- Krizhevsky, Sutskever, Hinton, “ImageNet Classification with Deep Convolutional Neural Networks”, 2012.
发表评论
您的电子邮箱地址不会被公开。必填项已用 * 标注