人工智能如今已滲入到生活中的各個方面。從引人關(guān)注的圍棋、象棋對手，到手機(jī)支付、手機(jī)解鎖中的人臉識別，都運(yùn)用了人工智能。

人工智能具備很多人類的感知和識別能力，能自動完成一定的任務(wù)，例如識別聲音、認(rèn)出人臉和做出決策等等。

如何自動完成任務(wù)？以圖像識別為例，在以前，我們會給計算機(jī)輸入一系列規(guī)則讓它推理(rule-basedreasoning)，它采用特征點歸類的方法來辨別圖像，但這很難能準(zhǔn)確地識別。

如果我們告訴計算機(jī)左邊是蘿卜，那它可能會以為右邊的甜筒也是胡蘿卜。

要想實現(xiàn)真正的人工智能，人們研究出了機(jī)器學(xué)習(xí)。

機(jī)器學(xué)習(xí)簡單說就是，編寫出一套算法，使計算機(jī)能“自動”地進(jìn)行學(xué)習(xí)。我們不需要輸入大量規(guī)則，只需用少量的規(guī)則建造一個模型，計算機(jī)就可以通過學(xué)習(xí)來創(chuàng)造新的數(shù)據(jù)，從而對新事物做出分析和判斷。

通過學(xué)習(xí)左邊的 1，可以判斷出右邊也是 1

之前我們示范過，如何用一個神經(jīng)網(wǎng)絡(luò)，寫出一套機(jī)器學(xué)習(xí)算法，來自動識別未知的圖像。

一個 4 層的神經(jīng)網(wǎng)絡(luò)
輸入層經(jīng)過幾層算法得到輸出層

實現(xiàn)機(jī)器學(xué)習(xí)的方法有很多，近年被人們討論得多的方法就是深度學(xué)習(xí)。

深度學(xué)習(xí)是一種實現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)，它是用深度神經(jīng)網(wǎng)絡(luò)來實現(xiàn)機(jī)器學(xué)習(xí)，網(wǎng)絡(luò)深度比原始網(wǎng)絡(luò)加深了數(shù)十甚至上百倍。

增強(qiáng)學(xué)習(xí)也可以達(dá)到機(jī)器學(xué)習(xí)的效果，感興趣的小伙伴可以上網(wǎng)搜索，在此暫時沒有推薦的書籍。

一個 34 層的深度神經(jīng)網(wǎng)絡(luò)

這種網(wǎng)絡(luò)可以解決什么問題呢？ 其中最熱門的就是圖像識別問題。

比如計算機(jī)拿到一些貓的照片后，可以識別出中華田園貓和其他種類的貓，然后分類。這種看似很廢的用處，如果運(yùn)用到醫(yī)療領(lǐng)域，比如分辨好的和病變的器官，或是目前大熱的人臉識別，都將改變?nèi)祟惖纳睢?/p>

從 2010 年開始，為了更好地發(fā)展圖像識別技術(shù)，人們建立了圖像數(shù)據(jù)庫 ImageNet，甚至舉辦了基于數(shù)據(jù)庫的識別大賽 ILSVRC，比比看誰的圖像識別方法更好。

ImageNet 數(shù)據(jù)庫

深度學(xué)習(xí)在比賽上得到了很好的成績，因此受到更多人的重視并發(fā)展。在這之前，發(fā)展受限主要是因為芯片和顯卡帶不動（運(yùn)算量實在太大了）。