首页 资讯正文

深度学习—— 大数据技术的成效

长久以来,围棋被看作是人类发明中最复杂、最具开放性的智力游戏之一。许多专家曾预测,电脑在几百年的时间内都不可能在围棋上战胜人脑。

2017年,乌镇的一场“人机大战”,吸引了全世界的目光。自从智能机器人AlphaGo以4:1的成绩战胜韩国棋手李世石九段以后,中国棋手柯洁九段再度迎战AlphaGo,试图为人类扳回一局。

最终的比分定格在0:3——横空出世的AlphaGo让很多人真正意识到了人工智能深度学习的强大力量。它拥有以深度神经元为代表的智能系统,意味着人工智能可以在某些领域挑战人类智慧的极限。

深度学习是机器学习的一种。它在本质上是一种包含多个隐含层的人工神经网络。它从大量数据中学习表示(或特征),以便在分类和预测时从中提取有用信息。理论上,参数越多的模型复杂程度越高,容量就越大,也意味着它能完成更复杂的学习任务。

这里的“学习”本质上是认知的过程,从未知到已知的探索和思考。“比如1+1=2,一根手指是‘1’,再伸出一根手指,数一数,两根手指那就是‘2’。”这里的“1”和“加号”就是输入,而得到的计算结果“2”就是输出。所以,任何的从已经有的信息,最终获得一个认知的过程都可以称为“学习”。

在柯洁与AlphaGo对弈过程中,下一步的棋子落在什么地方,是一种选择问题。当前科学家正用一种叫做“神经网络”的学习策略,来解决这类问题。这类似于在人脑中负责活动的基本单元“神经元”,互相连接成一个更庞大的“神经网络”。

而“深度”就是从“输入层”到“输出层”所经历层次的数目。层数越多,学习深度也越深。所以,越是复杂的选择问题,越需要深度的层次多。当然,除了层数多外,每层“神经元”数目也要多。例如,AlphaGo的策略网络是13层,每一层的神经元数量为192个。

由此也可见深度学习的局限性——计算的局限,模型的局限,以及过度地依赖标注数据。“有人说,这几年人工智能的发展是大数据发展的成果,也就是认为我们的模型更多还是依靠数据。”现场有专家表示。

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

本文链接:https://www.chinaai.com/zixun/8946.html

发表评论

评论列表(0人评论 , 5243人围观)
☹还没有评论,来说两句吧...