a一级少妇一区二区三区,日韩免费视频一一二区,亚洲肉浴视频播放,heyzo高清中文字幕,2012中文字幕二页,女人天堂视频网,日本japanese精品少妇,国偷自产第150视频,欧洲一卡2卡三卡4卡 高清,午夜a级理论片在线播放琪琪,丁香六月五月激情婷婷欧美,短篇超级yin荡女高中生h,亚洲成a影院,国产黄频视频大全,少妇SPA推油在线视频,亲嘴扒胸柔屁股视频网站 ,国产男女乱婬真高清免费视频

您好
,歡迎來興恒安智能
0755-33066731/18823729361 | 登錄注冊(cè) | 幫助中心

行業(yè)資訊

當(dāng)前位置: 首頁 > 行業(yè)資訊

人工智能的“左右互搏術(shù)”

更新時(shí)間:2021-10-11 9:31:01 瀏覽次數(shù):1442
金庸武俠小說《射雕英雄傳》里
,有這樣一段經(jīng)典場(chǎng)景:“老頑童”周伯通在被困桃花島期間
,創(chuàng)造了“左右互搏術(shù)”
,即用自己的左手跟自己的右手打架
,在兩手互搏中提高功力

如今

,這樣的橋段在人工智能領(lǐng)域真實(shí)上演
。它
,就是深度學(xué)習(xí)。

“左右互搏術(shù)”與深度學(xué)習(xí)中的一種對(duì)抗訓(xùn)練原理相仿

,即有兩個(gè)角色——生成器和判別器
。生成器類似于左手,扮演攻方
;判別器類似于右手
,扮演守方

判別器的目的是正確區(qū)分真實(shí)數(shù)據(jù)和生成數(shù)據(jù),從而最大化判別準(zhǔn)確率

;生成器則是盡可能逼近真實(shí)數(shù)據(jù)的潛在分布
。二者需要不斷提高各自的判別能力和生成能力來取勝,從而實(shí)現(xiàn)目標(biāo)優(yōu)化

今天

,讓我們打開這個(gè)“神秘魔盒”。

深度學(xué)習(xí)的概念

,最早是由杰弗里·辛頓在2006年提出的
。這是一門用于學(xué)習(xí)和利用“深度”人工神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)技術(shù)。作為人工智能領(lǐng)域中最熱的研究方向
,深度學(xué)習(xí)迅速受到學(xué)術(shù)界和工業(yè)界的關(guān)注

目前,深度學(xué)習(xí)已得到廣泛應(yīng)用

。如在博弈領(lǐng)域
,AlphaGo通過深度學(xué)習(xí),以4∶1的比分戰(zhàn)勝韓國棋手李世石
,成為第一個(gè)擊敗人類職業(yè)圍棋選手的電腦程序
;在醫(yī)學(xué)影像識(shí)別中,以深度學(xué)習(xí)為核心技術(shù)的X光
、核磁
、CT、超聲等醫(yī)療影像多模態(tài)大數(shù)據(jù)的分析技術(shù)
,可提取二維或三維醫(yī)療影像中隱含的疾病特征
;在圖像處理中,最成功的領(lǐng)域是計(jì)算機(jī)視覺
,如圖像風(fēng)格遷移
、圖像修復(fù)、圖像上色
、人臉圖像編輯以及視頻生成等

一種特殊的機(jī)器學(xué)習(xí)方法

今天的人工智能,其實(shí)是把現(xiàn)實(shí)生活中的問題量化成了可計(jì)算的問題

,然后用計(jì)算機(jī)算出來
。數(shù)學(xué)模型則架起了中間的橋梁。

現(xiàn)實(shí)生活中

,很多問題都可以通過建模解決
。比如計(jì)算遠(yuǎn)程火炮彈道問題,計(jì)算日食、月食出現(xiàn)的時(shí)間和地點(diǎn)等
。我們只要把相應(yīng)公式用計(jì)算機(jī)語言寫一遍
,再代入?yún)?shù),就能計(jì)算出來

然而

,更多問題的解決方法是不確定的。即使我們找到了相應(yīng)的數(shù)學(xué)模型
,也不知道應(yīng)該代入什么參數(shù)
。比如語音識(shí)別、人臉識(shí)別和機(jī)器翻譯等
。因此
,我們需要讓計(jì)算機(jī)通過自主學(xué)習(xí)
,從大量數(shù)據(jù)中得到相應(yīng)參數(shù)
。這個(gè)過程,就是機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)旨在發(fā)現(xiàn)數(shù)據(jù)存在和利用的模式

,并用它們進(jìn)行學(xué)習(xí)及做出預(yù)測(cè)。機(jī)器學(xué)習(xí)的過程
,就是用計(jì)算機(jī)算法不斷地優(yōu)化模型
,讓它越來越接近真實(shí)情況的過程。它與人類學(xué)習(xí)的道理如出一轍

考察人的學(xué)習(xí)通常方式是考試

,如果分?jǐn)?shù)不及格,就需要進(jìn)一步學(xué)習(xí)
。機(jī)器學(xué)習(xí)也要這樣來衡量
,它的目標(biāo)用專業(yè)術(shù)語來說,就是“期望值最大化”

機(jī)器學(xué)習(xí)的效果取決于兩個(gè)方面:一方面是學(xué)習(xí)的深度

。機(jī)器學(xué)習(xí)并不能“一口吃成個(gè)胖子”,它的訓(xùn)練算法需要迭代執(zhí)行
。這如同人在學(xué)習(xí)時(shí)要通過復(fù)習(xí)來“溫故而知新”一樣
。機(jī)器學(xué)習(xí)迭代的次數(shù)越多,即學(xué)習(xí)得越深入
,得到的數(shù)學(xué)模型效果越好
。另一方面是數(shù)據(jù)的質(zhì)與量。正如我們做大量優(yōu)質(zhì)習(xí)題
,成績就會(huì)提高
。機(jī)器學(xué)習(xí)也是如此,訓(xùn)練數(shù)據(jù)量越大,學(xué)習(xí)效果就會(huì)越好

根據(jù)數(shù)學(xué)模型的特點(diǎn)

,機(jī)器學(xué)習(xí)有兩種方法:一種是利用已知模型進(jìn)行訓(xùn)練;另一種是在模型未知的情況下
,設(shè)計(jì)一些簡單通用的模型結(jié)構(gòu)
,然后使用大量的數(shù)據(jù)進(jìn)行訓(xùn)練,訓(xùn)練成什么樣就是什么樣
。這便是我們常聽到的人工智能“黑箱”問題
,即使訓(xùn)練有效,也不清楚里面是什么

深度學(xué)習(xí)就是后一種機(jī)器學(xué)習(xí)的方法

。人工智能涵蓋的領(lǐng)域十分廣泛,深度學(xué)習(xí)只是其中的一個(gè)分支
,屬于機(jī)器學(xué)習(xí)的范疇
。人工智能需要有“獨(dú)立思考”能力與機(jī)器學(xué)習(xí)技術(shù)的支持,深度學(xué)習(xí)便是幫助機(jī)器實(shí)現(xiàn)“獨(dú)立思考”的一種方式

深度學(xué)習(xí)迎來革命性突破

人工神經(jīng)網(wǎng)絡(luò)

,簡稱神經(jīng)網(wǎng)絡(luò),是一種模仿動(dòng)物中樞神經(jīng)系統(tǒng)結(jié)構(gòu)和功能的數(shù)學(xué)模型
,是用大量簡單處理單元經(jīng)廣泛連接而組成的人工網(wǎng)絡(luò)
。它其實(shí)是一個(gè)特殊的分類器,用于對(duì)函數(shù)進(jìn)行估計(jì)等

神經(jīng)網(wǎng)絡(luò)為許多問題的研究提供了新思路

,特別是迅速發(fā)展的深度學(xué)習(xí),能發(fā)現(xiàn)高維數(shù)據(jù)中的復(fù)雜結(jié)構(gòu)
,取得比傳統(tǒng)機(jī)器學(xué)習(xí)更好的效果

20世紀(jì)50年代,人類第一次設(shè)計(jì)出計(jì)算機(jī)能運(yùn)行的神經(jīng)網(wǎng)絡(luò)算法

。此時(shí)的神經(jīng)網(wǎng)絡(luò)
,雖然給了人們很多遐想空間,卻解決不了實(shí)際問題
,因此被打入“冷宮”

到了20世紀(jì)80年代末期,人們提出反向傳播算法

,可讓一個(gè)神經(jīng)網(wǎng)絡(luò)模型從大量樣本中學(xué)習(xí)統(tǒng)計(jì)規(guī)律
,從而對(duì)未知事件做出預(yù)測(cè)。隨后
,支持向量機(jī)等各種各樣的機(jī)器學(xué)習(xí)方法被相繼提出
。不過,這些模型的結(jié)構(gòu)均為淺層學(xué)習(xí)方法,處理復(fù)雜問題的能力受到一定制約
。因此
,神經(jīng)網(wǎng)絡(luò)再進(jìn)“冷宮”。

2006年

,加拿大教授辛頓和他的學(xué)生提出深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的“快速學(xué)習(xí)”算法
,使深度學(xué)習(xí)迎來了革命性突破。深度學(xué)習(xí)通過學(xué)習(xí)一種深層非線性網(wǎng)絡(luò)結(jié)構(gòu)
,展現(xiàn)出了從少數(shù)樣本中集中學(xué)習(xí)數(shù)據(jù)及本質(zhì)特征的強(qiáng)大能力

從此,神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)了反復(fù)分類以及識(shí)別物體的方法

,并展現(xiàn)出乎意料的精準(zhǔn)度

計(jì)算能力成為推動(dòng)深度學(xué)習(xí)的利器

人工神經(jīng)網(wǎng)絡(luò)在被提出的50年間,都沒能很好地解決智能問題

。究其原因
,除了算法本身不完善外,還在于計(jì)算機(jī)絕對(duì)速度不夠快
,而且單位計(jì)算能力的能耗太高
,無法通過大量服務(wù)器搭建并行計(jì)算系統(tǒng)
,來達(dá)成深度人工神經(jīng)網(wǎng)絡(luò)

那么,靠什么加以突破

?答案就是摩爾定律

摩爾定律是英特爾聯(lián)合創(chuàng)始人戈登·摩爾在1965年提出的一項(xiàng)觀察結(jié)論,即計(jì)算機(jī)的總體處理能力大約每2年就會(huì)翻一番

。經(jīng)歷近50年的歷史檢驗(yàn)
,摩爾定律展現(xiàn)出驚人的準(zhǔn)確性。摩爾定律帶來的結(jié)果是
,在過去的半個(gè)多世紀(jì)里
,計(jì)算機(jī)處理器性能增長了上億倍,耗電量卻降到了百分之一

從能量角度看

,摩爾定律反映出了人類在單位能耗下,所能完成信息處理能力的大幅提升
。而這正是實(shí)現(xiàn)人工智能的基礎(chǔ)所在

從某種意義上說,不僅是深度學(xué)習(xí)技術(shù)

,今天的人工智能都是靠算力成就的

人工智能的崛起,有3個(gè)技術(shù)要素:一是它解決了可計(jì)算問題,即在算法上的突破

;二是它積累了大量數(shù)據(jù)
,形成了可學(xué)習(xí)的原材料;三是摩爾定律所推測(cè)的
,處理能力得到持續(xù)提高

算力是推動(dòng)深度學(xué)習(xí)的利器。計(jì)算能力越強(qiáng)

,同樣時(shí)間內(nèi)積累的經(jīng)驗(yàn)就越多
、迭代速度也越快,深度學(xué)習(xí)的性能也就越高

不斷進(jìn)化的深度學(xué)習(xí)之道

1997年

,“深藍(lán)”在國際象棋比賽中戰(zhàn)勝加里·卡斯帕羅夫;2016年
,AlphaGo在圍棋比賽中戰(zhàn)勝李世石

雖然這兩種人工智能系統(tǒng)都學(xué)會(huì)了下棋,但教授它們的方式以及它們?nèi)绾伪荣

,則大相徑庭

“深藍(lán)”的核心評(píng)估函數(shù)對(duì)給定盤面進(jìn)行數(shù)字“排序”,而且函數(shù)是手工設(shè)計(jì)的

。這種比賽風(fēng)格
,實(shí)際上是一種“蠻力”
!吧钏{(lán)”將其評(píng)估函數(shù)應(yīng)用到許多備選的未來狀態(tài)
,對(duì)每個(gè)棋手預(yù)先搜索七八步,以2億次/秒的速度進(jìn)行局面評(píng)估

AlphaGo的學(xué)習(xí)方法則迥然不同

。它通過一種雙管齊下的深度學(xué)習(xí)方法“學(xué)習(xí)”,用“價(jià)值網(wǎng)絡(luò)”評(píng)估局面
,用“策略網(wǎng)絡(luò)”選擇走棋

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,一部分通過使用人類高手對(duì)弈數(shù)據(jù)集的監(jiān)督學(xué)習(xí)進(jìn)行(總出棋數(shù)約為3000萬步)

,另一部分通過對(duì)自我對(duì)弈非監(jiān)督強(qiáng)化學(xué)習(xí)進(jìn)行(模擬成千上萬場(chǎng)隨機(jī)比賽)
。它不使用預(yù)測(cè)搜索,走棋是單個(gè)“圍棋局面”整體評(píng)估的結(jié)果

2017年5月

,在中國烏鎮(zhèn)圍棋峰會(huì)上,AlphaGo的升級(jí)版AlphaGo Zero
,與世界排名第一的圍棋冠軍柯潔對(duì)戰(zhàn)
,結(jié)果以3∶0的總比分完勝

令人震驚的是,AlphaGo Zero一開始并沒接觸過人類棋譜

。它使用了新的強(qiáng)化學(xué)習(xí)方法
,從單一神經(jīng)網(wǎng)絡(luò)開始,通過神經(jīng)網(wǎng)絡(luò)強(qiáng)大的搜索算法
,進(jìn)行自我對(duì)弈訓(xùn)練
。隨著自我對(duì)弈次數(shù)的增加,神經(jīng)網(wǎng)絡(luò)逐漸調(diào)整
,提升預(yù)測(cè)下一步的能力
,最終成為具備超強(qiáng)棋力的“選手”。更為厲害的是
,隨著訓(xùn)練的深入
,AlphaGo Zero還獨(dú)立發(fā)現(xiàn)了游戲規(guī)則,走出了新策略
,為圍棋這項(xiàng)古老游戲帶來了新見解

目前,深度學(xué)習(xí)在許多領(lǐng)域取得了技術(shù)性突破

,并展示了極佳效果
。然而,它仍存在一些局限:理論研究缺乏
、無監(jiān)督學(xué)習(xí)能力弱
、缺少邏輯推理和記憶能力等。

深度學(xué)習(xí)對(duì)未來社會(huì)發(fā)展具有重要意義

,需要不斷深入研究
,從多方向多角度更全面地開發(fā)深度學(xué)習(xí)的潛在價(jià)值。面對(duì)復(fù)雜的戰(zhàn)場(chǎng)