机器学习崛起

《机器学习崛起》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、机器学习崛起　　最近，关于人工智能的话题持续火爆。2016年3月谷歌人工智能系统AlphaGo挑战世界围棋冠军李世石成功，标志着深度学习取得了巨大进展。对此，南京大学教授，计算机科学与技术系副主任，软件新技术国家重点实验室常务副主任，机器学习与数据挖掘研究所（LAMDA）所长周志华认为，对于很多具体任务，只要能够收集到足够多的高质量数据，就能利用机器学习技术构建出达到或者接近人类顶级专家水准的系统。　　究竟深度学习、机器学习与人工智能的关系是什么？能为人类带来怎样的改变？《中国信息化》记者采访到了IEEE的两位专家，为读者解答关于人工智能与机器学习的技术与应用趋势。　　常

2、规人工智能帮助机器自学　　首先，我们需要明确一个问题，深度学习和人工智能之间的关系是什么？　　SteveFurber博士是IEEE会士，“欧盟人脑计划”神经形态计算系统项目和SpiNNaker计划的负责人，目前担任英国曼彻斯特大学计算机科学学院教授。对于这个问题，SteveFurber表示，分清楚通用人工智能（AGI）和常规人工智能（或机器学习）之间的区别非常重要。前者是指机器能够获得像人类一样的智慧和能力，而后者是指开发出各种算法来让机器通过对数据进行深层次的统计分析以进行“自学”。6　　目前看来，通用人工智能的发展依然任重道远。而深度学习是机器学习（常规人工智能）算法

3、的其中一种，最初的发展来源于吉奥夫.辛顿（GoeffHinton）的大力推动。大概十年前，吉奥夫.辛顿重新整理了他在上个世纪80年代的研究成果并将其拓展为深度神经网络理论。他发现电子计算机技术经历了这样一段时间发展，已经取得了日新月异的进步，很多在上世纪无法实现的技术在当时已经能够实现了。另外，他也在学习算法的一些分支领域中有了突破性的研究。　　所以，现在很多在应用领域中性能最佳的机器学习算法都是基于模仿人类大脑结构的神经网络设计而来的。　　KevinCurran博士是IEEE高级会员，IEEE互联网安全领域专家，英国厄尔斯特大学计算机科学专业教授、智能环境与虚拟世界研究

4、实验室团队总负责人，曾参与多个“欧盟框架计划”科研项目及技术转移项目。　　KevinCurran表示，人工智能涵盖的领域十分广泛，深度学习只是其中的一个分支，并隶属于机器学习的范畴。至今为止，人工智能的概念仍是非常宽泛的。因此，为了实现多样性的应用，人工智能需要有自主“思考”能力与机器学习技术的支持，深度学习便是帮助机器实现“独立思考”的其中一种方式。　　所谓深度学习，就是将数据输入系统后，通过建模及模拟人脑的神经网络从而进行学习的技术。　　他说，我们可以这样来比喻，像生物神经元一样，神经网络系统中有一系列分层排列的模拟神经元（信息传递的连接点），且经过每个神经元的响应函

5、数（又称“激活函数”）都会分配一个相应的“权值”，表示彼此间的连接强度。通过每层神经元相互“连接”6，计算机就可以由达到最佳方案时所有神经元的加权和，从而可以即时实现这一决策方案。　　当然，计算机也会参考类似的先例，在庞大的数据库中调出对应的决策方案，如此复杂的决策过程都是由计算机在深度神经网络内部自动完成的。不过对于这一点，人类更胜一筹，因为人类可以直接对比不同决策的测试结果，在总体上更直观地评估深度学习推算的决策方案。可以预见，深度学习将与其它各项技术结合，持续深化人工智能的技术发展及应用领域。　　深度学习解决社会难题　　明确了深度学习和人工智能的关系，再来看看最近深

6、度学习取得的技术突破体现在哪些方面？这些突破离商用或者离我们的生活有多远？　　SteveFurber表示，继当初杰夫.辛顿的突破之后，相关领域的科研毫无疑问已经取得了长足的发展。他认为其中最重大的一项成就，应该就是YannLeCun在卷积神经网络领域的研究成果。卷积神经网络作为最有效的深层神经网络，现在已经被越来越广泛地运用到了很多智能应用之中，并且它们也越来越像人类大脑了。比如现在常常在用的Google，Siri和Facebook等都应用了卷积神经网络。　　KevinCurran则表示，目前深度学习在计算机视觉，自动语音识别，自然语言处理，音频识别和生物信息学等领域都取

7、得了技术性突破，并在不同的应用领域都展示了深度学习的极佳效果。全球IT行业巨头Google，Microsoft，Facebook等企业已经纷纷把深度学习作为重点项目，应用到他们的各种研究项目。　　那么，对于深度学习和人工智能的商业化会首先应用在哪些领域？6　　SteveFurber表示，深度学习和人工智能的商业化应用已经率先在语音识别系统方面得到实现，例如Apple公司的Siri，微软公司的Cortana等。　　KevinCurran则认为，深度学习可以用来解决任何具有对抗性的问题，例如需要用到策略的博弈，各种比赛，战争或金融