2017年为什么我一定要学深度学习

作者: Easy 2017-08-17 11:11:41

2017年为什么我一定要学深度学习

对于深度学习,我也是一个初学者,这篇文章只是我的个人想法,能力有限,所以对不对,不好说,但的确是我现在的真实想法,我也会按这个思路去尝试。请大家带着质疑精神去读吧。

我大概是一个好奇心很重的人,所以每次有新的技术出来,我都会在***时间跟进。但我又是一个记性不太好的人,大部分研究过的新技术,因为没有天天用,很快又都忘掉了。

深度学习刚开始流行的时候,我就做过简单的学习。当时我的结论是短期内,深度学习只能在***能徘徊,很难进展到强智能。

这个结论在今天看来,也不算过时。但真正被深度学习给 Shock 到,是去年和某教育 APP 的 CEO 同学聊天。他告诉我,在教育这个垂直领域,他们的语音识别率已经比讯飞要高了,依赖于大量的数据;更 NB 的是,加上 NLP,他们的 AI 已经可以帮老师改主观题了。主观题啊,就是数学的问答题,语文的作文。

这让我开始重新思考***能。

完全依靠强智能的应用场景,会产生很多问题。比如自动驾驶,要想在中国这种各种奇葩状况层出不穷的交通环境下运行,一时半会儿是不行。即使是一个看起来简单的问答机器人,也没一家真正做好,你多问 siri 几句,她很快就晕了。

经常关注我微博同学会知道,我最喜欢说的一句话就是:「能自动化的,要自动化;不能自动化的,要半自动化」。

在人工智能上,这个法则似乎依然是有效的。既然现在强智能还不够强,那么为什么我们不用***能+人工确认的方式,来实现「半智能化」呢:用机器帮你做预选,你来做最终选择,虽然依然包含了人工干预,但却可以把生产效率提升几十倍。

有同学和我说,找不到应用深度学习的场景,这是因为太执着于强智能,想让机器独立处理所有事情;如果使用「半自动化」的思路,你会发现遍地都是场景。

最典型的场景就是「按需求进行组合搭配」。拿今天正式上线的小程序举例子吧,小程序在框架层上,将功能分隔到了page 的粒度,这使得小程序的组件会很好的被重用;而在设计上,小程序提供了统一的官方指导风格,所以不会出现太多个性化的东西。

我需要一个用户资料管理, xpm install user-profile;我需要动态 Feed 流,xpm install feed-timeline 。

然后这货就喊着要去做,还在 GitHub 上开了个坑,据说 SDK 已经写完,安装器年前能开始内测。https://git.oschina.net/xpmjs/xpm

然后我告诉他,你得赶紧做,从长远看,通用应用***是不太值钱的,因为很快就有开源项目把它做得很好。真正值钱的是,下沉到行业里边的应用。比如说吧,同样是用户资料页,房地产行业的、猎头行业的以及技术社区的会完全不一样。但区别也就是添加几个行业特定的字段而已。 大量的「二次开发」工作,才是最为琐碎又最为挣钱的。

这就是典型的可以用上深度学习的场景。通过抓取对应行业的 H5 页面,我们很快就可以把各个行业需要哪些可能的字段给整理出来,然后把这些交给机器进行学习,当再有新的需求进来的时候,机器就可以自动配好预设字段。机器会出错么?当然。但哪怕是80%的准确率,也已经可以节省掉好几个程序员了。

为什么我要学深度学习? 因为这背后是 TM 白花花的银子。

这是近在眼前的机会,我再说个远点的。大家知道,日本人的科技树一般都不按套路长。早稻田大学一心想把深度学习用在二次元上,他们先是搞了个项目给黑白画稿上色;后来又发了篇论文给草稿描线。我觉得很快,他们就要开始学习漫画大家的画风,通过线稿生成原稿了😂

「传统」的日漫或许很难由机器生产,但现在社交网络上大量生产的「条漫」却对画质要求不高。尤其是四格类的,经常关注我的同学应该看过我用 Comipo!软件「绘制」的四格漫画。( https://zhijia.io/anthology/101869 ) 当机器参与进来后,根据脚本生成这种品质的漫画简直易如反掌。到时候,人人都能过上1%的生活。

为什么我要学习深度学习?因为我要让未来早点来。

上周我发了条微博,说2017年要自学深度学习,有过千的同学表示愿意一起来学。

也有同学表示,机器学习不是那么好学的。其实细心的同学会发现,我一直说的是「深度学习」而不是「机器学习」。

因为我的目的很简单,那就是用。在学习***年,我给自己定的目标不是要理解「机器学习」的原理,而是要把「深度学习」用到自己产品的方方面面。

用以致学,是我一贯的学习方式。刚开始不理解没关系,先用起来。需要理解的时候,再慢慢理解。说到底,也没多少人理解自己手机每一部分的工作原理不是。

先学「深度学习」还有一个好处,那就是不用太多「机器学习」的基础。能把tensorflow、kears 这种开源框架搭起来,然后喂数据,然后看结果。等到优化的时候再去补知识点。

因为深度学习更像是一个黑盒子,现在很多专门搞深度学习的同学也说不清楚为什么要建三个层、要放四个节点;什么情况下用什么激活函数。只说通过实践+观察数据慢慢调整。这简直就是新手上路的***切入点嘛。

如果不想在本地搭建环境,AWS 上已经有可以用的镜像,基于 API 的深度学习服务也日益增多。这东西就像水电气一样,用比学重要。

也有同学严谨的指出,很多场合下,机器学习的其他方法远比深度学习有效。他们是对的,如果说学好整个机器学习,可以做到90分;那么光用深度学习,可能只有70分。

但现在绝大部分的程序,连 TM 一点智能都还没用上呢。从零分到70分,只需要把深度学习用起来。

为什么我要学习深度学习,因为这 TM的性价比太高。

深度学习 弱智能 机器学习
上一篇:谷歌旗下人工智能部门DeepMind开发新系统 有想象能力 下一篇:带着问题学Machine Learning:什么是机器学习
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

百度CTO王海峰CNCC2019演讲:深度学习平台支撑产业智能化

百度CTO王海峰在会上发表题为《深度学习平台支撑产业智能化》的演讲,分享了百度关于深度学习技术推动人工智能发展及产业化应用的思考,并深度解读百度飞桨深度学习平台的优势,以及与百度智能云结合助力产业智能化的成果。

佚名 ·  2天前
刷脸取件被小学生“破解”!丰巢紧急下线 精选

近日,#小学生发现刷脸取件bug#的话题引发关注!这是真的吗?都市快报《好奇实验室》进行了验证。

好奇实验室 ·  4天前
深度学习/计算机视觉常见的8个错误总结及避坑指南

人类并不是完美的,我们经常在编写软件的时候犯错误。有时这些错误很容易找到:你的代码根本不工作,你的应用程序会崩溃。但有些 bug 是隐藏的,很难发现,这使它们更加危险。

skura ·  2019-10-17 09:58:01
2019年深度学习自然语言处理十大发展趋势 精选

自然语言处理在深度学习浪潮下取得了巨大的发展,FloydHub 博客上Cathal Horan介绍了自然语言处理的10大发展趋势,是了解NLP发展的非常好的文章。

HU数据派 ·  2019-10-16 14:10:24
4 分钟!OpenAI 的机器手学会单手解魔方了,完全自学无需编程 精选

OpenAI 的机器手学会单手解魔方了,而且还原一个三阶魔方全程只花了 4 分钟,其灵巧程度让人自叹不如。

佚名 ·  2019-10-16 13:52:13
MIT新研究表明机器学习不能标记假新闻

麻省理工学院研究人员发表的两篇新论文显示,当前的机器学习模型还不能完成区分虚假新闻报道的任务。在不同的研究人员表明计算机可以令人信服地生成虚构新闻故事而无需太多人为监督之后,一些专家希望可以训练基于相同机器学习的系统来检测此类新闻。

佚名 ·  2019-10-16 11:52:15
高位截瘫患者重新行走:靠意念指挥外骨骼,法国脑机接口新突破 精选

依靠介入头部的 2 个传感器,法国里昂的一名瘫痪男子 Thibault 实现了操控外骨骼装备来助力行走。

孙滔 ·  2019-10-15 10:10:00
2008 年预测 2020 年生活方式:基本都实现了

美国皮尤研究中心曾在 2008 年预测 2020 年的生活方式,目前来看,该研究的预测基本已经实现。而对于未来 10 年,也就是 2030 年左右人们的生活,在 2017 年底的世界经济论坛上,800 多名信息和通讯技术领域的技术高管和专家给出了如下预测。

佚名 ·  2019-10-15 10:03:43
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载