Artificial Intelligence

Logic-based AI，也稱為符號(hào)主義AI，能夠解決良定義的邏輯問(wèn)題well defined logical problems比如國(guó)際象棋。

但對(duì)解決更復(fù)雜、模糊問(wèn)題，比如圖像分類，語(yǔ)音識(shí)別或者翻譯，就束手無(wú)策了。

通常說(shuō)來(lái)，AI非常廣泛，包含了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，但也包含很多沒(méi)有學(xué)習(xí)的那些領(lǐng)域分支。

Machine Learning

Alan Turing是早期思考機(jī)器能否學(xué)習(xí)和創(chuàng)新的人之一，他曾經(jīng)引用AdaLovelace的話來(lái)表達(dá)自己對(duì)于設(shè)計(jì)通用機(jī)器具備學(xué)習(xí)和創(chuàng)造的思考。

Machine Learning由下面這個(gè)問(wèn)題而生：計(jì)算機(jī)能否從“我們讓它干什么”變成“自己學(xué)會(huì)執(zhí)行一個(gè)特定的任務(wù)”？

面向工程的方向——engineering-oriented
解決實(shí)際問(wèn)題——real world complex problems

Representational Learning

上例子是手工設(shè)計(jì)的，但是我們能夠搜索不同的可能的坐標(biāo)變換，利用正確分類點(diǎn)的比例去調(diào)整。

機(jī)器學(xué)習(xí)中的“學(xué)習(xí)”其實(shí)描述了一種對(duì)更好的表示的自動(dòng)搜索過(guò)程。

所有機(jī)器學(xué)習(xí)算法包含自動(dòng)發(fā)現(xiàn)變換的過(guò)程：可以是坐標(biāo)變換，線性投影，平移變換，非線性變化等等。

機(jī)器學(xué)習(xí)算法在這方面并無(wú)“創(chuàng)造力”，僅僅是搜索操作的預(yù)設(shè)集合——假設(shè)空間。

Deep Learning

Deep Learning是一種學(xué)習(xí)表示的方式，能夠連續(xù)型地獲取更加有意義的表示。

其中的Deep表示的是整個(gè)模型的深度——加深神經(jīng)網(wǎng)絡(luò)的層次。

目前數(shù)十層到數(shù)百層的表示甚至更多，算法自動(dòng)學(xué)習(xí)這些表示。

對(duì)應(yīng)的淺層的結(jié)構(gòu)常常稱為“Shallow Learning”。

深度學(xué)習(xí)不是真實(shí)大腦的模型。

其中常用的神經(jīng)網(wǎng)絡(luò)的術(shù)語(yǔ)來(lái)自于神經(jīng)生物學(xué)，主要是最初的發(fā)展受到這方面的啟發(fā)。

深度學(xué)習(xí)其實(shí)是學(xué)習(xí)表示的數(shù)學(xué)框架。

連接主義學(xué)派發(fā)展

總結(jié)

以上是生活随笔為你收集整理的PaddlePaddle训练营——公开课——AI核心技术掌握——第1章迈入现代人工智能的大门——深度学习简介的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。