新一波AI:深度学习带来转机

此前,人工智能程序“阿尔法狗”以4∶1的总比分击败围棋世界冠军李世石。不久前,它再次对战柯洁,以3∶0的总比分大获全胜。“阿尔法狗”先后两次战胜人类,引起了人们对人工智能发展的新思考。

shenduxuexi

事实上,在深度学习出现之前,人工智能已经经历了两次热潮,人工智能够再次迎来“暖春”,可以说是得益于深度学习。深度学习作为人工智能机器学习研究中的新领域,它实质上是人工智能的一种算法,它通过分析学习从而建立并模拟人脑。它模仿人脑的思考机制来解释数据,例如图像,声音和文本。那么,深度学习究竟是如何促使人工智能再次崛起的?

深层神经网络替代传统神经网络

毫不夸张的说,深度学习最终得以实现,深层神经网络为其奠定了扎实的基础,究竟什么是深层神经网络?它与传统的神经网络比较,深层神经网络具备哪些特点呢?深度学习又是如何在深层神经网络上展开的呢?

深层神经网络是人工智能算法的一个分支,本质上是多层函数嵌套形成的数学模型。在模型架构上,深层神经网络与传统的神经网络有诸多相似之处。像传统的神经网络一样,深层神经网络也包括输入层、隐藏层和输出层,链接通道也只存在于相邻层级之间的神经元之间,在同一层及跨层之间是没有链接的。

相对于传统的神经网络,深层神经网络具备更多的层级数量,并且具有更为有效的算法,也更加接近人脑的结构,从而使得深层神经网络能够处理更加复杂的输入信息,深度学习就是在这个多层级的人工神经网络上进行的。海量的训练数据、强大的计算架构和学术领域的飞速进展驱动神经网络实现突破。因此,深度学习在图像分类、面部识别等方面超越了传统方法。

深度学习

大数据训练提升数据分析力、挖掘力

深度学习的开展,主要得益于海量的大数据。在运算表层,存在一个巨大的数据集,选定的深度学习模型以数据集中海量大数据为基础,对大数据进行多次训练,并从中摸索、归纳出可以被计算机运用在类似数据上的知识或规律。

伴随现实世界中数据呈井喷式指数级增长,大规模数据分析和数据挖掘是必不可少的,而且在分析力、挖掘力的效率提升层面也是迫在眉睫。由此可见,深度学习作用与人工智能离不开对大数据的分析与挖掘。通过多次的大数据训练,数据分析挖掘系统对数据的挖掘和分析实现高效、深度的数据挖掘和分析。

shenduxuexi1

高性能并行计算高速分析海量数据

伴随人工智能的发展,如今的GPU在浮点运算、并行计算、矩形运算等部分计算方面已经提升数十倍乃至上百倍,远远高于CPU的性能。正是基于高性能并行计算,才使得深度学习可以训练一个大的网络环境。

GPU具备大量的核和大量的高速内存,它最为擅长进行类似图像处理的并行计算。“粗粒度并行”计算很适用图像处理,因为像素与像素之间相对独立,GUP提供大量的核,可以同时对很多像素进行并行处理。需要强调一点,GUP提供的并行计算仅仅是在处理吞吐量方面使性能得以提升。因为GPU的特点特别适合于大规模并行运算,GPU在“深度学习”领域发挥着巨大的作用,因为GPU可以平行处理大量琐碎信息。深度学习所依赖的神经系统网络,就是要在高速的状态下分析海量的数据。

关联阅读:

微软为下一代HoloLens开发AI芯片,可识别语音和图像

微软将推出第二代AI处理器 争夺AI行业领导权

智能应用潜力巨大 人工智能“添翼”中国经济