亚洲欧洲精品成人久久曰影片,av天堂午夜精品一区二区三区

深度學(xué)習(xí)難嗎？

深度學(xué)習(xí)是比較難的，這需要持之以恒的決心。大多數(shù)人只憑一時(shí)的興趣去學(xué)習(xí)，把熱情一過(guò)就拋到腦后不管了。曾經(jīng)有這樣一個(gè)學(xué)生，看到我在寫毛筆，就央求我教他，他說(shuō)他非常喜歡寫毛筆，我見他言語(yǔ)誠(chéng)懇丶態(tài)度也比較端正，也就答應(yīng)了他的請(qǐng)求，開始的時(shí)候還相當(dāng)認(rèn)真，可學(xué)到一個(gè)月的時(shí)候，他就常常缺課了，我問他為什么經(jīng)常缺課？他竟然回答說(shuō)他會(huì)寫了，不需要再學(xué)了。
深度學(xué)習(xí)是什么？

深度學(xué)習(xí)：像人腦一樣深層次地思考從上一篇我們可以看出，個(gè)性化推薦系統(tǒng)確實(shí)很會(huì)“察言觀色”，針對(duì)不同的用戶，主動(dòng)推送不同的3D打印內(nèi)容。但如果你認(rèn)為它真正有了“人工智能”，那你就錯(cuò)了。其實(shí)，這些推薦系統(tǒng)背后的運(yùn)行原理主要基于概率統(tǒng)計(jì)、矩陣或圖模型，計(jì)算機(jī)對(duì)這些數(shù)值運(yùn)算確實(shí)很擅長(zhǎng)，但由于采用的只是“經(jīng)驗(yàn)主義”的實(shí)用方法（也即管用就行），而非以“理性主義”的原則真正探求智能產(chǎn)生的原理，所以距離真正的人工智能還很遠(yuǎn) 。
AI（Artificial Intelligence），也就是人工智能，就像長(zhǎng)生不老和星際漫游一樣，是人類最美好的夢(mèng)想之一。雖然計(jì)算機(jī)技術(shù)已經(jīng)取得了長(zhǎng)足的進(jìn)步，但是到目前為止，還沒有一臺(tái)計(jì)算機(jī)能產(chǎn)生“自我”的意識(shí) 。提示：圖靈測(cè)試（Turing Testing），是計(jì)算機(jī)是否真正具有人工智能的試金石 ?！坝?jì)算機(jī)科學(xué)之父”及“人工智能之父”英國(guó)數(shù)學(xué)家阿蘭·圖靈（1912—1954）在1950年的一篇著名論文《機(jī)器會(huì)思考嗎？》里，提出圖靈測(cè)試的設(shè)想。
即把一個(gè)人和一臺(tái)計(jì)算機(jī)分別隔離在兩間屋子，然后讓屋外的一個(gè)提問者對(duì)兩者進(jìn)行問答測(cè)試。如果提問者無(wú)法判斷哪邊是人，哪邊是機(jī)器，那就證明計(jì)算機(jī)已具備人的智能。直到深度學(xué)習(xí)（Deep Learning）的出現(xiàn)，讓人們看到了一絲曙光，至少，（表象意義下的）圖靈測(cè)試已不再是那么遙不可及了。2013年4月，《麻省理工學(xué)院技術(shù)評(píng)論》雜志將深度學(xué)習(xí)列為2013年十大突破性技術(shù)（Breakthrough Technology）之首。
有了深度學(xué)習(xí)，推薦系統(tǒng)可以更加深度地挖掘你內(nèi)心的需求，并從海量的3D模型庫(kù)中挑選出最合適的供你打印。讓我們先來(lái)看看人類的大腦是如何工作的。1981年的諾貝爾醫(yī)學(xué)獎(jiǎng)，頒發(fā)給了David Hubel和Torsten Wiesel，以及Roger Sperry 。前兩位的主要貢獻(xiàn)是，發(fā)現(xiàn)了人的視覺系統(tǒng)的信息處理是分級(jí)的。
如圖4-45所示，從視網(wǎng)膜（Retina）出發(fā)，經(jīng)過(guò)低級(jí)的V1區(qū)提取邊緣特征，到V2區(qū)的基本形狀或目標(biāo)的局部，再到高層的整個(gè)目標(biāo)（如判定為一張人臉），以及到更高層的PFC（前額葉皮層）進(jìn)行分類判斷等。也就是說(shuō)高層的特征是低層特征的組合，從低層到高層的特征表達(dá)越來(lái)越抽象和概念化，也即越來(lái)越能表現(xiàn)語(yǔ)義或者意圖。
圖4-45人腦的視覺處理系統(tǒng) （圖片來(lái)源：Simon Thorpe）這個(gè)發(fā)現(xiàn)激發(fā)了人們對(duì)于神經(jīng)系統(tǒng)的進(jìn)一步思考。大腦的工作過(guò)程，或許是一個(gè)不斷迭代、不斷抽象概念化的過(guò)程，如圖4-46所示。例如，從原始信號(hào)攝入開始（瞳孔攝入像素），接著做初步處理（大腦皮層某些細(xì)胞發(fā)現(xiàn)邊緣和方向），然后抽象（大腦判定眼前物體的形狀，比如是橢圓形的），然后進(jìn)一步抽象（大腦進(jìn)一步判定該物體是張人臉），最后識(shí)別眼前的這個(gè)人──正是大明星劉德華。
這個(gè)過(guò)程其實(shí)和我們的常識(shí)是相吻合的，因?yàn)閺?fù)雜的圖形，往往就是由一些基本結(jié)構(gòu)組合而成的。同時(shí)我們還可以看出：大腦是一個(gè)深度架構(gòu)，認(rèn)知過(guò)程也是深度的。圖4-46視覺的分層處理結(jié)構(gòu) （圖片來(lái)源：Stanford）而深度學(xué)習(xí)（Deep Learning），恰恰就是通過(guò)組合低層特征形成更加抽象的高層特征（或?qū)傩灶悇e）。