热点:

    3分钟告诉你,人工智能怎么学

      [  中关村在线   ]  

        尹日先

        了解更多数字化转型方案查看此链接:

        https://www.dellemc-solution.com/home/index.html

        现在人工智能有多火?

        没事遛狗追剧、签到赢金币的我妈

        刷到朋友圈广告

        就想每天半小时开启Python学习之旅了

        再说天天忘事儿、数学粉碎级骨折的我

        也被各大网站、头条宣扬的“未来已来”打动

        居然动起了转行当数据科学家的念头

        (我飘了...)

        碍于现实,数据科学家可以不当,不过人工智能还是要了解滴,门外汉只求掌握大致情况,以避免在一桌子人大谈特谈神经网络、机器学习的时候,因为接不上话只能用喝水来掩饰尴尬的局面。

        不过网上人工智能的相关文章满天飞,我越看越迷,往往没介绍个子丑寅卯啥的,先打一大波广告——水分太大,学不了真功夫。

        于是,我光临了“干货总局”,传说中一个免费分享知识的地方,我带着一颗求知的心来了。

        这家铺子店面不大,正值早晨,里面稀稀拉拉没几个人,一位小二打扮的人倚在柜台上嗑瓜子,见我进来抬抬眼皮、动动眼珠子算是示意。

        “小二,人工智能的知识在哪看啊?”

        “B区250-272架子都是讲人工智能干货的,自己翻。”

        “想快速了解基本内容,你有什么建议读的吗?”

        “《3分钟告诉你,人工智能是怎么学习的》,翻阅的人很多。”

        我拿起来一翻,一种熟悉的亲切感扑面而来,这不就是一直困扰我的问题吗?

        1机器学习与深度学习是什么关系?

         ▼开局一张图▼

        21世纪以后,人工智能发展异常火爆,这主要得益于机器学习(MachineLearning)的方式。

        而近10年人工智能的高度繁荣,则与机器学习子类——深度学习(DeepLearning)的发展有关。

        机器学习

        所谓机器学习,是让计算机从大量真实环境、信息和以往经验中学习,像人类一样从中获取知识经验并成长,从而使计算机在以后遇到类似情况时,利用学习到的方法进行判断和处理。

        比如一台机器,目标是让它学会辨别猫和虎,我们可以提供大量猫虎图片,让机器自行学习形状、体积等足以区分两者的特质。随着学习训练不断进行,面对给定的图片,系统最终可以准确判断哪些是猫、哪些是虎。

        而相较于一般的机器学习,深度学习所需数据量更大、任务执行时间更长、需要更高算力支撑。应用领域有语音识别、智能监控、计算机视觉等。

        深度学习

        深度学习,是机器学习的一个子类,其灵感源于人脑神经网络,是一种模仿人脑的深度神经网络的机制来解释数据的方式,例如文本、声音、图像等。

        2什么是强化学习?

        近几年,除了深度学习,强化学习(ReinforcementLearning)也非常热门。

        强化学习

        强化学习同样是机器学习的一种,计算机可以在没有明确指令的前提下像人类一样自我学习,在与环境的交互过程中通过学习策略以达成回报较大化或实现特定目标。在获得足够的学习量以后,强化学习后的计算机就能够预测结果,做出正确的判断。

        强化学习受行为心理学的启发,比如小学生取得好成绩会得到家长表扬或零食玩具,小学生由此得到了学习好可以得到奖励的正强化,从而更加努力学习。

        强化学习与之类似,系统通过与环境进行交互获得的奖赏来修正自身行为,在不断的“试错”中学习经验,目的是获得奖赏的较大化。近来随着计算速度的飞速提升以及深度学习架构的稳定发展,强化学习实现了真正意义上的飞跃。

        3对抗神经网络是什么?

        对抗神经网络

        近年来,又出现了对抗神经网络(GenerativeAdversarialNetworks),这是非常有潜力的机器学习模型。它使用了两个简化的人脑数学模型的神经网络,让二者在某一数字游戏中互相PK,从而使双方都获得学习和成长。

        用“左右互搏”来形容这一过程最合适不过了。两个神经网络使用相同的数据集进行训练,其中一个叫生成网络,根据所见图片生成新的图片;另外一个神经网络叫判别网络,它会判断所见到的图片是与训练时的相似还是被创造出来的假图片。

        生成网络要不断生成更逼真的图片以瞒过判别网络的眼睛,判别网络则需拼命揪出生成网络的假图片,在两个网络相互对抗、不断竞争的过程中促进彼此技能增长,最后计算机就学会了能够识别看起来非常真实的图片。

        关于对抗神经网络,有人举过“警察与小偷”的例子。警察抓小偷,小偷要避免被警察抓,随着低水平小偷落网,那些侥幸游走的小偷则会不断学习以提高反追捕能力,而为了抓捕更狡猾的小偷,警察也需要不断提高自己辨别案犯的能力。这个过程中,双方就在不断的切磋、碰撞中提升自身水平。

        看完《3分钟告诉你,人工智能是怎么学习的》,我确实有醍醐灌顶的感觉,对人工智能的理解也清晰了不少,不愧是“干货总局”,没有水分,实在!

        临走我到柜台前跟小二告别,顺带问了他一个问题:“你们这里免费分享知识,不赚钱怎么维持下去啊?”

        小二神秘一笑,不答反问:“客官看,人工智能是否会一直顺畅地发展下去?”

        “这个嘛,当然了!全球人工智能的市场价值在2016年预估为4.8亿美元,而到2022年预计可以达到130亿美元,人工智能迅速增长,市场潜力巨大,是未来行业发展的方向啊!”

        “未必。马克思主义告诉我们,事物发展的前途是光明的,道路是曲折的。就拿大火的深度学习和强化学习来说,发展到一定阶段一定会遇到瓶颈,毕竟归根到底,这些机器学习的算法都是基于蛮力计算,需要极大的数据量来训练计算机,倘若算力跟不上,一个任务训练就要花上三四天,这样的速度岂不是大大拖延了人工智能的发展进程?”

        “那你觉得这问题能解决吗?”我暗暗惊奇,没想到这看起来无所事事的小二,还有两把刷子。

        “你看看我们的赞助商是谁?”小二指了指背后的金字招牌,我这才注意到“干货总局”边上的“戴尔易安信”字样。

        不等我开口,小二继续说道:“机器学习,尤其是深度学习的工作负载需要高效能和大容量,只有这样才能快速管理分析结构化和非结构化数据,进而快速提供一致的结果。这方面,拥有多年行业积累的戴尔易安信推出了多款适合深度学习的高性能PowerEdge服务器,为人工智能的发展增添助力!”

        PowerEdgeC4140

        一款超高密度、针对加速器优化的1U机架式服务器平台,专为认知和技术计算工作负载而设计。

        PowerEdgeR940xa

        可推动GPU数据库加速,为计算密集型应用程序提供实时决策。结合使用4个CPU和4个GPU,提供一致的高性能,可满足严苛的应用程序需求,加速AI继续学习。

        

        ▲ 点击图片可了解 RowerEdgeR940xa详细信息

        DSS8440

        是一款2路4U服务器,旨在为机器学习应用提供极高的性能。DSS8440配备多达10个加速器、高速PCIe结构和大量的本地存储。非常适用于机器学习、训练应用程序以及其他计算密集型工作负载。

        目前,深度学习、强化学习、认知功能模拟多基于数据海量处理,人工智能的研究与开发,都可以运行在戴尔易安信高性能计算解决方案中。在人工智能快速发展的当下,戴尔易安信将帮助企业实现基于深度学习的大数据分析,为客户量身打造解决方案、实施护航服务,以实现更好的人工智能部署与应用!

        “原来你们是打广告来的,这不是夹带私货嘛!”小二话音刚落,我接茬说道。

        “免费知识分享,不求盈利,只为曝光,给友情赞助宣传一二,你不吃亏我也不吃亏嘛!”

        相关内容推荐:戴尔PowerEdge服务器简化IT管理助力客户创新

        相关产品:PowerEdgeR740 机架式服务器

    server.zol.com.cn true //server.zol.com.cn/734/7349644.html report 5627 尹日先了解更多数字化转型方案查看此链接:https://www.dellemc-solution.com/home/index.html现在人工智能有多火?没事遛狗追剧、签到赢金币的我妈刷到朋友圈广告就想每天半小时开启Python学习之旅了再说天天忘事儿、数学粉碎级骨折的我也被各大网站、头条宣扬的“未来...
    • 猜你喜欢
    • 最新
    • 精选
    • 相关
    0

    下载ZOL APP
    秒看最新热品

    内容纠错