人工智能如今已滲入到生活中的各個(gè)方面。從引人關(guān)注的圍棋、象棋對(duì)手，到手機(jī)支付、手機(jī)解鎖中的人臉識(shí)別，都運(yùn)用了人工智能。

人工智能具備很多人類(lèi)的感知和識(shí)別能力，能自動(dòng)完成一定的任務(wù)，例如識(shí)別聲音、認(rèn)出人臉和做出決策等等。

如何自動(dòng)完成任務(wù)？以圖像識(shí)別為例，在以前，我們會(huì)給計(jì)算機(jī)輸入一系列規(guī)則讓它推理(rule-basedreasoning)，它采用特征點(diǎn)歸類(lèi)的方法來(lái)辨別圖像，但這很難能準(zhǔn)確地識(shí)別。

如果我們告訴計(jì)算機(jī)左邊是蘿卜，那它可能會(huì)以為右邊的甜筒也是胡蘿卜。

要想實(shí)現(xiàn)真正的人工智能，人們研究出了機(jī)器學(xué)習(xí)。

機(jī)器學(xué)習(xí)簡(jiǎn)單說(shuō)就是，編寫(xiě)出一套算法，使計(jì)算機(jī)能“自動(dòng)”地進(jìn)行學(xué)習(xí)。我們不需要輸入大量規(guī)則，只需用少量的規(guī)則建造一個(gè)模型，計(jì)算機(jī)就可以通過(guò)學(xué)習(xí)來(lái)創(chuàng)造新的數(shù)據(jù)，從而對(duì)新事物做出分析和判斷。

通過(guò)學(xué)習(xí)左邊的 1，可以判斷出右邊也是 1

之前我們示范過(guò)，如何用一個(gè)神經(jīng)網(wǎng)絡(luò)，寫(xiě)出一套機(jī)器學(xué)習(xí)算法，來(lái)自動(dòng)識(shí)別未知的圖像。

一個(gè) 4 層的神經(jīng)網(wǎng)絡(luò)
輸入層經(jīng)過(guò)幾層算法得到輸出層

實(shí)現(xiàn)機(jī)器學(xué)習(xí)的方法有很多，近年被人們討論得多的方法就是深度學(xué)習(xí)。

深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)，它是用深度神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)機(jī)器學(xué)習(xí)，網(wǎng)絡(luò)深度比原始網(wǎng)絡(luò)加深了數(shù)十甚至上百倍。

增強(qiáng)學(xué)習(xí)也可以達(dá)到機(jī)器學(xué)習(xí)的效果，感興趣的小伙伴可以上網(wǎng)搜索，在此暫時(shí)沒(méi)有推薦的書(shū)籍。

一個(gè) 34 層的深度神經(jīng)網(wǎng)絡(luò)

這種網(wǎng)絡(luò)可以解決什么問(wèn)題呢？ 其中最熱門(mén)的就是圖像識(shí)別問(wèn)題。

比如計(jì)算機(jī)拿到一些貓的照片后，可以識(shí)別出中華田園貓和其他種類(lèi)的貓，然后分類(lèi)。這種看似很廢的用處，如果運(yùn)用到醫(yī)療領(lǐng)域，比如分辨好的和病變的器官，或是目前大熱的人臉識(shí)別，都將改變?nèi)祟?lèi)的生活。

從 2010 年開(kāi)始，為了更好地發(fā)展圖像識(shí)別技術(shù)，人們建立了圖像數(shù)據(jù)庫(kù) ImageNet，甚至舉辦了基于數(shù)據(jù)庫(kù)的識(shí)別大賽 ILSVRC，比比看誰(shuí)的圖像識(shí)別方法更好。

ImageNet 數(shù)據(jù)庫(kù)

深度學(xué)習(xí)在比賽上得到了很好的成績(jī)，因此受到更多人的重視并發(fā)展。在這之前，發(fā)展受限主要是因?yàn)樾酒惋@卡帶不動(dòng)（運(yùn)算量實(shí)在太大了）。