经由过程这张图可以看出，各类不合算法在输入的数据量达到必定级数后，都有邻近的高精确度。于是出生了机械进修界的名言：成功的机械进修应用不是拥有最好的算法，而是拥有最多的数据!

在大年夜数据的时代，有很多多少优势促使机械进修可以或许应用更广泛。例如跟着物联网和移动设备的成长，我们拥有的数据越来越多，种类也包含图片、文本、视频等非构造化数据，这使得机械进修模许可以获得越来越多的数据。同时大年夜数据技巧中的分布式计算Map-Reduce使得机械进修的速度越来越快，可以更便利的应用。各种优势使得在大年夜数据时代，机械进修的优势可以获得最佳的发挥。

比来，机械进修的成长产生了一个新的偏向，即“深度进修”。

固然深度进修这四字听起来颇为高大年夜上，但其理念却异常简单，就是传统的神经收集成长到了多隐蔽层的情况。

在上文介绍过，自负年夜90年代今后，神经收集已经消寂了一段时光。然则BP算法的创造人Geoffrey Hinton一向没有放弃对神经收集的研究。因为神经统??隐蔽层扩大年夜到两个以上，其练习速度就会异常慢，是以实用性一向低于支撑向量机。2006年，Geoffrey Hinton在科学杂志《Science》上揭橥了一篇文┞仿，论证了两个不雅点：

1).多隐层的神经收集具有优良的特点进修才能，进修获得的特点对数据有更本质的描述，大年夜而有利于可视化或分类;

2).深度神经统??练习上的难度，可以经由过程“逐层初始化” 来竽暌剐效克服。 

对EasyPR做下解释：EasyPR，一个开源的中文车牌辨认体系，代码托管在githubhttps://github.com/liuruoze/EasyPR 。其次，在前面的博客文┞仿中，包含EasyPR至今的开辟文档与介绍。在后续的文┞仿中，作者会介绍EasyPR中基于机械进修技巧SVM的应用即车牌判别模块的核心内容，迎接持续浏览。

图16 Geoffrey Hinton与他的学生在Science上揭橥文┞仿

经由过程如许的发明，不仅解决了神经统??计算上的难度，同时也说清楚明了深层神经统??进修上的优良性。大年夜此，神经收集从新成为了机械进修比赛的主流强大年夜进修技巧。同时，具有多个隐蔽层的神经收集被称为深度神经收集，基于深度神经收集的进修研究称之为深度进修。

因为深度进修的重要性质，在各方面都取得极大年夜的存眷，按照时光轴排序，有以下四个标记性事宜值得一说：

2012年6月，《纽约时报》披露了Google Brain项目，这个项目是由Andrew Ng和Map-Reduce创造人Jeff Dean合营主导，用16000个CPU Core的并行寂?娼台练习一种称为“深层神经收集”的机械进修模型，在语音辨认和图像辨认等范畴获得了巨大年夜的成功。Andrew Ng就是文┞仿开端所介绍的机械进修的大年夜牛(图1中左者)。

2012年11月，微软在中国天津的一次晃荡上公开演示了一个全主动的同声传译体系，讲演者用英文演讲，后台的计算机趁热打铁主动完成语音辨认、英中机械翻译，以及中文语音合成，效不雅异常流畅，个中支撑的关键技巧是深度进修;

2013年1月，在百度的年会上，开创人兼CEO李彦宏高调宣布要成立百度研究院，个中第一个重点偏向就是深度进修，并为此而成立深度进修研究院(IDL)。

2013年4月，《麻省理工学院技巧评论》杂志精深度进修列为2013年十大年夜冲破性技巧(Breakthrough Technology)之首。

图17 深度进修的成长高潮

文┞仿开首所列的三位机械进修的年沂录，不仅都是机械进修界的专家，更是深度进修研究范畴的前驱。是以，使他们担负各个大年夜型互联网公司技巧掌舵者的原因不仅在于他们的技巧实力，更在于他们研究的范畴是前景无穷的深度进修技巧。

图18 百度识图

深度进修属于机械进修的子类。基于深度进修的成长极大年夜的促进了机械进修的地位进步，更进一步地，推动了业界对机械进修父类人工智能妄图的再次看重。

人工智能是机械进修的父类。深度进修则是机械进修的子类。如不雅把三者的关系用图来注解的话，则是下图：

图19 深度进修、机械进修、人工智能三者关系

毫无疑问，人工智能(AI)是仁攀类所能想象的科技界最冲破性的创造了，某种意义上来说，人工智能厩ㄑ游戏最终幻想的名字一样，是仁攀类对于科技界的最终妄图。大年夜50年代提进出工智能的理念今后，科技界，家当界赓续在摸索，研究。这段时光各类小说、片子都在以各类方法展示对于人工智能的想象。仁攀类可以创造类似于仁攀类的机械，这是多么巨大年夜的一种理念!但事实上，自负年夜50年代今后，人工智能的成长就磕磕碰碰，未竽暌剐见到足够震动的科学技巧的进步。

总结起来，人工智能的成长经历了如下若干阶段，大年夜早期的逻辑推理，到中期的专家体系，这些科研进步确切使我们离机械的智能有点接近了，但还有一大年夜段距离。直到机械进修出生今后，人工智能界感到终于找对了偏向。基于机械进修的图像辨认和语音辨认在某些垂直范畴达到了跟人相媲美的程度。机械进修使仁攀类第一次如斯接军人工智能的妄图。

事实上，如不雅我们把人工智能相干的技巧以及其他业界的技巧做一个类比，就可以发明机械进修在人工智能中的重要地位不是没有来由的。

　　推荐阅读

　　John McAfee观点：人工智能是否会毁灭人类？

2017 年 3 月 9 日，黑客地下技巧专家兼作家 ZT，即将出版一本中篇小说：建筑师启发录。他的跟随者集合在美国田纳西州首府纳什维尔的一家放弃酒吧的地下室中拜读这本小说。恰逢第 3 届年>>>详细阅读

本文标题：从机器学习谈起

地址：http://www.17bianji.com/lsqh/34959.html

 1/2    1