1、人工智能浪潮又起
標志型事件，阿爾法圍棋(AlphaGo)戰(zhàn)勝李世石。
alphago是一款圍棋人工智能程序，由谷歌(Google)旗下DeepMind公司的戴維·西爾弗、艾佳·黃和戴密斯·哈薩比斯與他們的團隊開發(fā)，這個程序利用“價值網(wǎng)絡”去計算局面，用“策略網(wǎng)絡”去選擇下子。2015年10月阿爾法圍棋以5:0完勝歐洲圍棋冠軍、職業(yè)二段選手樊麾;2016年3月對戰(zhàn)世界圍棋冠軍、職業(yè)九段選手李世石，并以4:1的總比分獲勝。這個讓人工智能浪潮又起，熱浪達到了一個高度。
alphago 核心用到了”深度卷積神經(jīng)網(wǎng)絡”和“MCTS，蒙特卡洛搜索樹”算法。接下來我們了解下深度學習的本質(zhì)到底是什么?深度學習==人工智能嗎?
2、深度學習起源和概念
深度學習的概念源于人工神經(jīng)網(wǎng)絡的研究。含多隱層的多層感知器就是一種深度學習結(jié)構。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。
深度學習的概念由Hinton等人于2006年提出?；谏疃戎眯啪W(wǎng)絡(DBN)提出非監(jiān)督貪心逐層訓練算法，為解決深層結(jié)構相關的優(yōu)化難題帶來希望，隨后提出多層自動編碼器深層結(jié)構。此外Lecun等人提出的卷積神經(jīng)網(wǎng)絡是第一個真正多層結(jié)構學習算法，它利用空間相對關系減少參數(shù)數(shù)目以提高訓練性能。
深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經(jīng)網(wǎng)絡，它模仿人腦的機制來解釋數(shù)據(jù)，例如圖像，聲音和文本。
同機器學習方法一樣，深度機器學習方法也有監(jiān)督學習與無監(jiān)督學習之分.不同的學習框架下建立的學習模型很是不同.例如，卷積神經(jīng)網(wǎng)絡(Convolutional neural networks，簡稱CNNs)就是一種深度的監(jiān)督學習下的機器學習模型，而深度置信網(wǎng)(Deep Belief Nets，簡稱DBNs)就是一種無監(jiān)督學習下的機器學習模型。
3、深度學習解決什么問題
從一個輸入中產(chǎn)生一個輸出所涉及的計算可以通過一個流向圖(flow graph)來表示：流向圖是一種能夠表示計算的圖，在這種圖中每一個節(jié)點表示一個基本的計算以及一個計算的值，計算的結(jié)果被應用到這個節(jié)點的子節(jié)點的值?？紤]這樣一個計算集合，它可以被允許在每一個節(jié)點和可能的圖結(jié)構中，并定義了一個函數(shù)族。輸入節(jié)點沒有父節(jié)點，輸出節(jié)點沒有子節(jié)點。
這種流向圖的一個特別屬性是深度(depth)：從一個輸入到一個輸出的最長路徑的長度。
傳統(tǒng)的前饋神經(jīng)網(wǎng)絡能夠被看做擁有等于層數(shù)的深度(比如對于輸出層為隱層數(shù)加1)。SVMs有深度2(一個對應于核輸出或者特征空間，另一個對應于所產(chǎn)生輸出的線性混合)。
人工智能研究的方向之一，是以所謂 “專家系統(tǒng)” 為代表的，用大量 “如果-就” (If - Then) 規(guī)則定義的，自上而下的思路。人工神經(jīng)網(wǎng)絡 ( Artifical Neural Network)，標志著另外一種自下而上的思路。神經(jīng)網(wǎng)絡沒有一個嚴格的正式定義。它的基本特點，是試圖模仿大腦的神經(jīng)元之間傳遞，處理信息的模式。
3.1大腦有一個深度架構
1981年諾貝爾醫(yī)學生理學獎頒發(fā)給了David Hubel，一位神經(jīng)生物學家。他的主要研究成果是發(fā)現(xiàn)了視覺系統(tǒng)信息處理機制，證明大腦的可視皮層是分級的。他的貢獻主要有兩個，一是他認為人的視覺功能一個是抽象，一個是迭代。抽象就是把非常具體的形象的元素，即原始的光線像素等信息，抽象出來形成有意義的概念。這些有意義的概念又會往上迭代，變成更加抽象，人可以感知到的抽象概念。
像素是沒有抽象意義的，但人腦可以把這些像素連接成邊緣，邊緣相對像素來說就變成了比較抽象的概念;邊緣進而形成球形，球形然后到氣球，又是一個抽象的過程，大腦最終就知道看到的是一個氣球。
視覺皮質(zhì)并顯示出一系列的區(qū)域，在每一個這種區(qū)域中包含一個輸入的表示和從一個到另一個的信號流(這里忽略了在一些層次并行路徑上的關聯(lián)，因此更復雜)。這個特征層次的每一層表示在一個不同的抽象層上的輸入，并在層次的更上層有著更多的抽象特征，他們根據(jù)低層特征定義。