# WHY **为什么深度学习会成功？** - 数据的井喷 - 数据是新时代的石油，学习算法是炼油厂，[[DIKW 金字塔]] > 更神奇的是，如今的计算机不再是被动按照指令识别和驾驶，而是像自然界的生命由数百万年前开始进化那样，自主地从经验中学习。是数据的井喷促成了这一技术进步。如果说数据是新时代的石油，那么学习算法就是从中提取信息的炼油厂；信息积累成知识；知识深化成理解；理解演变为智慧。欢迎来到深度学习的新世界。 # WHAT（树干） 什么是深度学习？ - 深度学习是机器学习的一个分支，原理基于数学、计算机科学和神经科学。 - 深度学习的起源可以追溯到 20 世纪 50 年代，人工智能的诞生，关于如何构建人工智能，当时有 2 种观点： - 基于逻辑和计算机程序（由于技术的限制，性价比更高，所以主宰了数十年） - 从数据中学习：深度学习的学习过程就像是人类，像自然界的其它物种一样，从经验（大数据）中进行自主学习。 - 当今一切深度学习的井喷都源于大数据的井喷。 # HOW（树枝和树杈） - 无人驾驶 - 通过视觉和距离传感器的感应输入，学习如何像人一样驾驶 - 自然语言翻译：从语言到句子的飞跃 - 谷歌在超过100种服务中使用了深度学习，包括街景视图（Street View）、收件箱智能回复（Inbox Smart Reply）和语音搜索。 - 翻译是人工智能的一只圣杯，因为它依赖于理解句子的能力 - 语音识别 - 语言翻译和语音识别花了很久时间才达到如今的水平，**大数据一直是导致计算机各种认知能力处于瓶颈期的原因。** - AI医疗：医学诊断将更加准确 - 金融科技：利用数据和算法获取最佳回报 - 深度法律：效率的提高与费用的降低 - 德州扑克：当机器智能学会了虚张声势 - AlphaGo奇迹：神经科学与人工智能的协同 - > 除了几个评估盘局并选择最佳着数的**深度学习网络**，AlphaGo还有一个完全不同的学习系统，用于解决时间信用分配问题：在众多步棋中，哪一步对赢得胜利有所贡献，哪一步对失败承担责任？**大脑的基底神经**节接收来自整个大脑皮层的投射，并投射回去，利用**时间差分算法和强化学习**来解决这个问题。AlphaGo使用由基底神经节进化出来的相同的学习算法，以评估最大化未来**奖励的行动顺序**（这一过程将在第10章中做出解释）。**AlphaGo通过反复和自己下棋来学习这一技能。** # HOW GOOD（思维模型） - 新教育体系：每个人都需要终身学习 - 技术的进步迫使每个人的工作处于不断变化的状态，所以需要终身学习 - MOOCs 慕课，互联网免费课程应运而生 - **“学会如何学习”（Learning How to Learn）的慕课**、“思维转换”（Mindshift）的慕课，教你如何改造自己并改变你的生活方式（这两门课将在第12章中详细介绍） - 课堂教育的思维将转变为以家庭为单位的教育，更加精准与个性化的教育。导师只负责帮助学习困难的学生和给有天赋的学术灵感启发。 - 弗林效应：深度学习让人类更加智能 - 人机合作：“一个经过大量结论清晰的切片数据训练出来的深度学习网络能达到0.925的准确度，还不错，但还不及人类专家在同一测试集上达到的0.966。然而，把深度学习与人类专家的预测结合起来，准确度达到了0.995，几近完美。” - 和电脑下棋强化了人类玩家的棋技，当今的小孩都能赢过以前的大师。 - **深度学习将提升所有从业人员的智能** - **流体智力**：将新条件中的推理和模式识别用于解决新的问题，而不依赖于以前的知识。成年早期达到高峰，随着年龄逐渐下降。 - **晶体智力**：依赖于以前的知识，智商测试的对象。随着年龄缓慢提高，直至暮年。 - 全人类的晶体智力每 10 年提高3 个点，这被称为弗林效应Flynn effect。智力测试不能决定一个人的智商、解决问题的能力。 - 科学仪器+深度学习带来宇宙新发现 - > 科学仪器正以惊人的速度产生数据。位于日内瓦的大型强子对撞机（LHC）中发生的基本粒子碰撞每年产生25PB（1PB=1000TB）的数据。大型综合巡天望远镜（LSST）每年将产生6PB的数据。机器学习正被用于分析庞大的物理和天文数据集，其规模之浩大让人类根本无法通过传统方法进行搜索。例如，DeepLensing是一种神经网络，可以识别遥远星系的图像。这些图像由于光在传播中因围绕周边星系的“引力透镜”造成的光路偏折而被扭曲了。这一技术可以自动发现许多遥远的新星系。 # ref.