第250章 消逝的禮包

請關閉瀏覽器的閱讀/暢讀/小說模式並且關閉廣告遮蔽過濾功能，避免出現內容無法顯示或者段落錯亂。

章杉知道在深度學習傾注再多精力也不為過。

關注人工智慧領域是符合時代潮流的~

我們現在我們正處於人工智慧的第三次浪潮。

從1956年達特茅斯會議上人工智慧的誕生開始，到如今人工智慧已經展了59年。

這期間人工智慧歷經風雨，經歷了數次高潮也有數次低谷，每次高潮都是因為核心技術的提出引起了人們極大的興趣，吸引了大量的資金的投入。

之所以aI引人注目，簡單說，人工智慧學者們認為計算機和智慧網路的這一深層的自動編碼與解碼過程同人的思維類似。

都是一個從資料刻畫、抽象認知到優選方案的深度學習的過程。

由於人腦具有深度結構，認知過程是一個複雜的腦活動過程~

因而計算機和人工智慧網路模擬從符號接受、符號解碼、意義建立再到最佳化方案的學習過程也是有結構的；

同時，認知過程是逐層進行、逐步抽象的，人工智慧不是純粹依賴於數學模型的產物。

而是對人腦、人腦神經網路及抽象認知和思維過程進行模擬的產物。

探索自身從來都是人類的本能，透過對人工智慧的研究人類能更加認清自己！

應該說，到目前為止，深度學習是計算機和智慧網路最接近人腦的智慧學習方法。

近幾年來，深度學習進一步嘗試直接解決抽象認知的難題，並取得了突破性的進展。

2o13年4月，《麻省理工學院技術評論mITTeneto1ogyRevie》雜誌將深度學習列為2o13年十大突破性技術之。

深度學習引爆的這場革命，將人工智慧帶上了一個新的臺階，不僅學術意義巨大，而且實用性很強，工業界也開始了大規模的投入，一大批產品將從中獲益。

……

而深度學習之所以產生，源於3o年多來電腦科學、人工神經網路和人工智慧的研究。

3o年多來，加拿大多倫多大學計算機系辛頓教授（hinton，g.）一直從事機器學習模型、神經網路與人工智慧等問題的相關研究，並在機器學習模型特別是突破淺層學習模型，實現計算機抽象認知方面取得了突破性的進展。

2oo6年，他在《snetce》上表了《利用神經網路刻畫資料維度（Reduneta1ityofdataithneura1netorks）》一文，探討了應用人工神經網路刻畫資料的學習模型，先提出了深度學習（deep1earning）的概念和計算機深度學習模型，掀起了深度學習在人工智慧領域的新高潮。

章杉有幸拜讀過這篇文章！

這篇文章的兩個主要觀點是

第一，多隱藏層的人工神經網路具有優異的特徵學習能力，學習到的特徵對資料有更本質的刻畫，從而有利於視覺化或分類。

第二，深度神經網路可以透過“逐層初始化”（Layer-isepre-training）來有效克服訓練和優解的難度，無監督的逐層初始化方法有助於突破淺層學習模型。

基於深度置信網路dBn提出非監督逐層訓練演算法，為解決深層結構相關的最佳化難題帶來希望，隨後提出多層自動編碼器深層結構。

可以說在深度學習領域辛頓既是開拓者，又是奠基人。