Page 5 - 基于深度学习的人工智能技术研究

前言 PR E F AC E

在实践中，深度学习由神经网络中的多个隐藏层组成。知识在各个层间
流动。就像人类学习，一个逐步学习的过程。第一层专注于学习更具体的概

念，而更深的层将使用已经学习的信息来吸收得出更多抽象的概念。这种构
造数据表示的过程称为特征提取。它们的复杂体系结构为深度神经网络提供

了自动执行特征提取的能力。相反，在常规的机器学习或浅层学习中，此任
务是在算法阶段之外执行的。由人工或数据工程师（而非机器）负责分析原
始数据并将其更改为有价值的功能。

基于深度学习的人工智能技术，是当今科技界备受瞩目的领域。虽然存
在着某些困难和挑战，但是它在图像识别、自然语言处理、语音识别等领域
仍有着广泛的应用。对于未来的发展前景，我们可以期待它在更广泛领域中，

为人类创造更多的价值。
对于智能，每个人都有不同的定义。从机器学习或者是人工智能角度来
看，所谓的智能是一个决策函数，这个决策函数有一个输入，比如说一个照

片会输出一个决策，它告诉你照片里有什么。这个智能是我们目前经常说的
人工智能，实际上它跟人的智能还有一个很大的 gap，最大的 gap 就在于他

们对数据的依赖程度。目前基于深度学习的人工智能还处于技术阶段，还不
是真正的科学，因为我们对于其底层真正的原理其实并没不理解。同时基于
深度学习的人工智能在智能度上仍然跟人类无法相比，还有需要努力弥补的

巨大 gap。现在有了非常大的数据、计算能力，让那些十年前、二十年前研
发出来的算法，发挥出巨大的价值。但同时也要认识到现有的方法有一个巨
大的局限性，对样本的数量有很大的依赖。自监督学习是解决目前深度学习

对标注数据数量依赖度的起点，相信未来还会涌现出更多振奋人心的研究。
深度学习浪潮的兴起主要得益于两方面的因素：一是计算能力的提升，
特别是图形处理器（GPU）的广泛应用，大大加速了深度学习的训练和推理