深度学习基础入门

引子

我们为什么要学习深度学习，深度学习是当今人工智能的核心技术，而且已经如今已经在各行各业广泛应用。我们可以看看下面的一个例子：

关于啤酒厂都在招AI工程师的故事，据报道，一家知名啤酒厂应用人工智能，主要应用在两个方面：

1. 啤酒生产：完美配比由 AI 计算
传统的品酒师根据自己品尝体验来鉴定品质，但个人口味差异、身体状态都会影响指标。利用人工智能、传感器，界定啤酒的口味和气味差别，效率和精准度上都远远高于专业人士。还能绘制风味指纹。

2. 啤酒灌装：用机器学习优化质量控制

利用AI监管啤酒生产的环节。起初瓶子灌装没控制好，部分瓶子产生过多泡沫，转化为废物和溶解氧破坏啤酒风味并缩短保质期。通过和IBM的合作，在出瓶的过程放置摄像头捕捉图像，将照片结合其他数据相传送至IBM Watson系统进行分析，调整划灌装标准，彻底解决了起泡问题。

什么是人工智能（AI）？

人工智能（Artificial Intelligence）是计算机科学的一个分支，通过了解智能的实质，产生能以人类智能相似方式做出反应的智能机器，包括机器人、自然语言识别、图像识别和专家系统等。

既然叫人工智能，那么和人类的智能又什么区别呢？人类智能具备智商、情商、财商、逆商和爱商。人工智能是否具备呢？我们把人工智能分为2大类：

1. 强人工智能：与人一样的感知（甚至比人更多），可以像我们一样思考。如同斯皮尔伯格导演的《人工智能》中的小男孩是个机器人，为了寻找妈妈克服各种困难，已经具备了人类的智能。

2. 弱人工智能：能与人一样，甚至比人更好地执行特定任务的技术。如图像分类、机器客服。

目前我们所说的，以及本文所要讲述的都属于弱人工智能。

弱人工智能发展

第一阶段逻辑推理阶段(1950 - 1960)
   认知模拟经济学家赫伯特·西蒙和艾伦·纽厄尔，他们的研究团队使用心理学实验的结果开发模拟人类解决问题方法的程序
60年代使用机器罗素和和怀海特《数学原理》中定理的证明只用了二个月时间

第二阶段知识工程阶段(1970 - 1980)
     1977年美国斯坦福大学计算机科学家费根鲍姆教授, 在第五届国际人工智能会议上提出的。
    恰当运用专家知识的获取、表达和推理过程的构成与解释,再通过智能软件而建立的专家系统。

第三阶段机器学习阶段(1990 - )
机器学习,是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。

在第三阶段发展过程，有很多里程碑事件，如：

2012，自动学习并识别猫：斯坦福大学的Andrew Ng和Jeff Dean教授共同主导的Google Brain项目通过使用深度学习让系统能够自动学习并识别猫，这项目研究引起了学术界和工业界极大的轰动。
2016， AlphaGo ：Google旗下DeepMind公司开发的AlphaGo以4:1的总比分战胜了世界围棋冠军、职业九段选手李世石，这让人们对人工智能（AI）的认知跨越到一个新的阶段
Google、微软、IBM,、百度、各学术研究机构进行理论和工业级应用的探索。

早在2011年，IBM 的 Watson系统在美国最受欢迎的智力问答电视节目《危险边缘》(Jeopardy)中亮相，一举打败了人类智力竞赛冠军。

深度学习是什么？

深度学习（Deep Learning）是一种学习算法，是人工智能领域的一个重要分支。它源于人工神经网络的研究。

2006年，杰弗里·辛顿以及他的学生鲁斯兰·萨拉赫丁诺夫正式提出了深度学习的概念。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层特征，以发现数据的分布式特征表示。

深度学习根据数据有没有被标记又分为：

监督学习
无监督学习
半监督学习

神经网络

人的大脑有100多亿个神经细胞,每天能记录大约8600万条信息. 人的一生能储存100万亿条信息。

深度学习随着算力、数据规模发展

90年代就已经出现了神经网络：美国银行有很多支票，员工不愿理每天监测，于是用而网络训练了一个模型，监测手写字体，效果还不错。但是太慢了，因为那个时候的电脑太差，没有GPU，也没有并行计算等概念。

深度学习能做什么？

计算机视觉：当前应用比较大的领域。图像分类识别（物体，人脸等等）、目标检测、目标跟踪、看图说话（机器和人看到的世界是一样的，例子图片）
自然语言处理：摘要生成、情感分析、机器翻译（翻译出判断不出原作者海明威）
语音识别：说话人身份、内容识别
生成黑科技：图像融合（内容和风格-》融合）、GAN等
无人驾驶：车道检测、行人检测（Google等等）
智慧医疗：诊断
金融科技：交易判断
智力比赛：AlphaGo. X
电子商务、智能搜索

例子：机器人帮助教学

佐治亚理工大学，名为吉尔·沃特森（Jill Watson）的机器人代替助教为学生授课5个月，期间没有任何学生发现问题。

例子：深度学习帮助诊断

人耳能够分辨出五到十种不同的咳嗽特征，但通过机器学习和信号处理，AI能够识别300多种。无症状感染者发出的咳嗽声与健康人存在不同，其中细微的差别人耳很难分辨，但AI可以。《IEEE医学与生物工程学杂志》，MIT研究人员表示，他们已经开发出一种能够识别COVID-19咳嗽声的AI。该AI算法已通过使用咳嗽数据集测试，用咳嗽声无症状感染者的诊断准确率可达到100%。

在企业级别，人工智能是关于时间，资源的预测，自动化和优化，以驱动更好的决策并改善业务成果。可以将AI定义为从根本上改进三件事，以驱动更好的决策并改善业务成果的一种方式：

预测 -组织希望能够从宏观和微观两个层面预测其业务将发生的情况。
自动化 -通过自动执行通常手动完成的关键但耗时的业务流程，员工可以自由地专注于更高价值，更具创造力的工作。根据Gartner的研究，到2021年，人工智能增强将恢复62亿小时的工人生产力。
优化 -无论这意味着优化路由和物流，营销支出还是客户的云安装配置，AI都是一种可以快速，大规模地改善人为决策的工具，并且有潜力扩大每个员工的工作量。

深度学习能不做什么？