goandlove / 待分类 / 为什么“深度学习”如此厉害?

0 0

   

为什么“深度学习”如此厉害?

2019-08-24  goandlove
作者:毛大闲
来源:面包板社区
https://www.mianbaoban.cn/blog/3887969-407999.html
深度学习是AI研究的一个重要方向,最近看了不少相关资料,不免有些感悟这里写出来给大家分享。

一、深度学习是基础服务

深度学习可以类比于云计算,很多人看不懂、看不明白,只知道好像很厉害。其实与当年的云计算有点类似,喧嚣和泡沫过后,现在回看云计算的本质其实就是“基础服务”。这个基础服务是整个社会的一次升级,阿里云诞生于2009年,也正是第三次互联网浪潮的元年。

云计算诞生之前,一个企业要提供某项互联网服务要做什么?
  • 买服务器

  • 买专线

  • 开发软件

  • 寻找客户


云计算诞生之后呢?考虑商业模式就行了,因为前面所有步骤都可以直接买到,甚至有非常成熟的方案提供。

  • 服务器:各种云可以租虚拟主机,一个月最低30-40元

  • 专线:虚拟主机送公网IP

  • 开发软件:各行各业都可以直接买到SAAS服务,一键定制你的APP、网站、办公系统、财务软件等等,费用最低99元/月

  • 寻找客户:各大平台一键营销,精准广告投放


最重要的是,所有这些关键要素都统一在一个“云”平台上,创业者只需要考虑好自己的商业模式能不能挣钱就行了。所以09年以后,大家普遍感觉创业的人更多了,许多人一夜暴富,但是更多人感觉干啥都挣不到钱,因为互联网“门槛”太低了!

一个小店想接入APP点餐、在线支付、甚至是同城营销,以前最低50万起步,代码修修改改上线得一年。现在呢?上阿里云点几下,一个月99全部搞定!这就是整个社会的基础服务升级。然后我们就发现,更多的创业者都在“模式创新”,因为基础设施已经太完善了,可以说云计算的普及不亚于高铁的成就!

我们再看看“深度学习”,现在能看到的应用不外乎就是PP图、模仿声音、图片识别等等,实际上大部分人没看到的是它的“跨界属性”。09年之前我们可以将卖云吞的小老板与互联网关联起来吗?现在可以了,你进了一家小店,微信扫一下,从点单、买单、上菜全部小程序搞定,老板只需要做好云吞就行了,这就是基础服务升级的魅力。

现在你能将“深度学习”与这个云吞店关联起来吗?恐怕不能。那我们设想这样一个场景:你走到云吞店门口,犹豫是要吃云吞呢还是隔壁的小面,就在这时,AI通过走路的姿势和眼神判断你可能是潜在新客户并且在犹豫,立即在门口的大屏幕上显示“新客立减5元”,我想很多人是阻挡不了这种优惠的。那云吞老板说了,我可以挂个招牌写上撒。如果这时候是个老客户呢,一看新客优惠老客户没优惠啦,是不是人家要去吃隔壁小面了。AI来处理就好办了,一看是胖子,屏幕上立即显示云吞个头大、虾量足、今天加量还有优惠。一看是瘦子,屏幕就显示荠菜云吞健康好吃,小份的只要10元。等等,这不就是个高级营销嘛?是的,AI这时就是实现了高级营销。那店老板做下营销研究,在后台设置一些参数来识别新老客户,并且有针对性地写一些营销方案行不行呢?自然是可以的。但是换个店怎么办?卖小面的是不是要重新做一下研究重新制订方案呢?卖水饺呢?是不是所有店老板都得是营销专家才行啊。

有了云计算小店老板不用编程一样接入互联网,同样的,有了深度学习小店老板不懂营销一样是营销大师。而且深度学习的关键魅力在于,它不需要任何的营销知识,只需要通过学习和自我迭代就能变成你的专属营销专家,这就要从深度学习的基本原理讲起了。

二、深度学习的基本原理

深度学习与机器学习的最大区别在于,学习过程中是不需要有“人”的,也就是它能自我迭代和进化,很神奇吗?其实还好,下面我们详细讲讲。
上图是身高与体重对应的统计图,红色是女性,蓝色是男性。可以看到身高与体重大体是正相关的,也就是身高越高体重越重。机器学习的办法就是录入大量的身高体重数据,然后去除“噪音”,做一些加权运算最终得到一个大体合理的预测模型,如下图:
这个模型自然是有一点合理性,但是基本没有实用意义,因为“特征”太少。
下图是一个风暴预测图,科学家发现风暴的形成与温度、湿度可能有一定相关性,于是他们把大量历史数据输入到机器学习的模型里,最后得到温湿度与风暴形成的数学模型,以后使用时只需要输入当前温湿度就能得到风暴形成的概率值。这里的温度和湿度就是这个模型的“特征”。
前面例子的核心问题就是,必须得有个科学家来输入“特征”,而且特征越多模型也就越准确,那么一个模型是否准确的关键就在于特征是否足够、数据量是否充足,还得有个“科学家”来寻找和输入特征。一个模型的成功与否与人的经验其实是正相关的。

到了深度学习神奇的事情就发生了,我们只需要数据量而无需输入特征,因为它自己给自己把特征找出来了!我们以人像识别(从多张图片中识别出包含人脸的图片)为例简单讲一下原理,下图比较经典了,大概描述了深度学习的基本过程,但是很多人看的有点糊涂,这里我们就详细解释下。
第一张图:即是要学习的图片
第二张图:深度学习先从图片中提取出各种“边”,即有明暗变化的部分。这里叫第一层特征
第三张图:将各种“边”进行随机组合,能得到眼睛、鼻子、耳朵。这叫第二层特征
第四张图:将上面的眼睛、鼻子、耳朵再次进行组合,即能得到看起来像是人脸的图片。这叫第三层特征

如果输入足够多的图片,我们就能得到足够充分的特征库(保留各层相似的,去掉各层不相似的)。如此,当你胡乱输入一些图片时,AI通过特征库就能判断那些是人脸那些不是了。深度学习的厉害之处就在于特征库的学习完全是自主实现的,而机器学习需要人为去输入这些特征。深度学习的“深度”之处就在于你可以使用更多层次,提取更加精准的特征,最终的效果就是人脸识别、随机人脸生成、无缝PS等等。

三、深度学习的优势

综上,深度学习的优势就在于它摆脱了经验与“专家”,无论什么人只要掌握了该技术就变得比行业专家还要专家。比较实际的应用就包括:

  • 一键换头,不会PS也能变成PS神人

  • 一键去除背景,同上

  • 模仿特定声音,人人都是调音师

  • 随机生成猫图,天天吸猫不是梦


这些软件的创作者都不是相关专家,大部分还都是这个研究方向的学生。相信很快就会有通用的平台让每个人都可以“深度学习”起来。

  END  

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。如发现有害或侵权内容,请点击这里 或 拨打24小时举报电话:4000070609 与我们联系。

    猜你喜欢

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多
    喜欢该文的人也喜欢 更多