AI正火，十年之后处境将是怎样？-电子技术方案|电路图讲解

未来十年，那些最强大的公司必将是现阶段的创业公司。这些创业公司不仅拥有当下大型科技巨头所不具备的特殊的数据集，并且还在利用这些数据集训练自己的神经网络模型，使得产品的性能获得了极大的提升。   八十年代是 PC（笔记本电脑）的时代，九十年代是互联网的时代，2000年至今是智能手机的时代。从现在起一直到未来十年，我们将逐渐迈入深度学习神经网络的时代。这种状态将一直持续，直到下一个范式转变，大众技术获得突破。这种突破不仅仅是 AI 或机器学习方面的突破，具体来说，主要是指深度学习神经网络。如果你只能看一篇文章，那么我建议你跳过这篇文章，直接阅读链接中的这篇来自纽约时报的文章( https://www.nytimes.com/2016/12/14/magazine/the-great-ai-awakening.html), 文章虽然很长，但是却非常的详细，主要讨论的是下一个十年的重要的转变趋势。       如果可以用数字化的形式来表示（例如图像），或者是像数据一样从数据库中获取，那么就会有大量的数据样本用于深度神经网络的训练。以下是其简要概述：   人类大脑是如何学习的？

 人类大脑大约由1000亿个神经元组成，神经元之间相互连接形成大约100万亿个突触。对于特定的输入，神经元要么处于关闭状态，要么处于开启的状态。神经元之间的互连作用建立在积极强化的概念上——每组输入对应特定的输出，“大脑”会正确地记住该路径，并且以关联的方式进行“学习”。积极的反馈会被记住，相应地，连接之间也会起到相互促进的作用。随着计算能力和其他研究在未来的进一步突破，也许在2030年将会出现更好的脑机接口技术或者其他相关的技术。当然，现在我们只能学习深度学习神经网络。所以，今天我们就来学习一下深度学习神经网络。   什么是深度学习神经网络？  

 从计算模型来讲，深度神经网络就只是一个数学公式——这是现今模仿人类大脑功能的最佳相似模型，虽然没有一个地方是非常接近的，因为人类的大脑比任何设计出来的机器大脑都更加复杂和强大。但是，我们能够设计出一个仅仅擅长一项或者多项任务的神经网络，而且这个神经网络能在特定的任务中良好的学习，甚至比人类的表现更好，但是这并不是我们所理解的“智能”。它不会将在某一个任务中学到的知识迁移到另一个任务中来使用。机器学习的应用是一种特殊的技术，目前已经从研究阶段过渡到应用阶段，任何人都可以去创建和训练自己的神经网络模型。   深度学习神经网络如何学习？     

 人工神经元（又称感知器或者S形神经元等等）经设计已经应用于计算模型之中，该计算模型通过其所获取的一组输入数据和关键参数来构建模式匹配模型，并且形成一定的正反馈路径，从而得到预期的输出结果。例如，从一张图片中识别出键盘的过程。图片中最基本、最核心的元素是处于打开或者关闭状态的按键像素点，这些像素点非常小。然后，模式匹配模型会通过这些像素点推导出按键图案。最后，模式匹配模型再通过其识别出的按键推导出计算机键盘。   上述神经网络通过成千上万个已经标记好的数据（这里是键盘图片）进行训练，从而得到一个正反馈模型。训练神经网络的数据质量越高，模型得到的效果也就越好。如果数据本身就存在一定的偏差，那么训练出的模型的识别系统仍将很差。这里并没有什么“智能”——系统只是具备了你教给它的一些功能而已。

为什么现在是神经网络的时代？   大数据、机器学习和计算能力的显著提高都是推动深度学习不断发展的关键因素。如果没有训练神经网络的数据，那么就没有 AI，更没有什么奇迹可言。   虽然神经网络的概念已经存在了一段时间了，但是直到2012年，Geoffrey Hinton 等研究人员才让神经网络又一次成为热门的基础研究。Google 率先进行了某些非常有意思的实验，Google Brain 团队将神经网络的理论转换成了现实。先是“发现猫”的实验演示，研究人员使用 YouTube 中猫的图片去训练神经网络模型，经过一段时间之后，模型竟然可以从没有标记的数据中识别出“猫”的图片。研究人员瞬间被震惊了。                                          

。 （本文来源网络整理，目的是传播有用的信息和知识，如有侵权，可联系管理员删除）