深度学习基础篇

第1章 绪论

1.1　引言

深度学习（Deep Learning）[1]，是当今人工智能/机器学习领域研究和应用开发的热点。在“大数据+深度学习”的共同推动下，深度学习在ImageNet图像分类竞赛、语音理解、图像识别、视频分析、无人驾驶汽车领域都取得了重要突破。与传统方法不同，深度学习首先通过大规模的迭代实验（调参实验）逼近所能达到的最高识别准确率，然后使用对应的（参数和）模型对新样本（图像、声音等）提取关键特征，并基于该特征，利用已训练好的分类模型预测新样本的类别。目前，Google、Facebook、Microsoft等国际巨头，以及百度、腾讯、阿里巴巴、京东等国内互联网巨头都已投入巨资布局深度学习，并将其作为重要的研发方向。

1.1.1　Google的深度学习成果

2015年10月，Google（谷歌）旗下DeepMind公司研发了人工智能围棋程序，该程序主要使用深度学习的技术，整体上包含离线学习和在线对弈两个过程，其中离线学习主要利用大量已有棋谱进行训练“价值网络”去计算局面优劣，训练“策略网络”去选择下子位置；在线对弈主要利用“价值网络”计算当前棋面优劣，利用“策略网络”计算当前应该选择的下子位置。2015年，阿尔法围棋（AlphaGo）以5:0的总比分击败欧洲围棋冠军樊麾；紧接着，2016年3月，以4:1的总比分击败世界围棋冠军、职业九段选手李世石[2]。

而在此之前，2011年谷歌就成立了由人工智能和机器学习顶级学者吴恩达（Andrew Ng）领衔的“Google Brain”项目，这个项目利用谷歌的分布式计算框架训练深度人工神经网络。该项目的主要成果是使用包含16000个CPU核的并行计算平台，使用基于深度学习算法训练超过10亿个神经元的深度神经网络[3]，该系统能够在没有任何先验知识的前提下，自动学习YouTube网站上海量的视频数据，训练深度神经网络。吴恩达目前是斯坦福大学计算机科学系和电子工程系副教授、人工智能实验室主任，并担任百度公司首席科学家，负责百度研究院的百度大脑计划。

1.1.2　Microsoft的深度学习成果

2012年，微软首席研究官Rick Rashid在“21世纪计算大会”上的英文演讲被实时翻译成与他音色很接近的中文演讲，该功能主要借助于基于深度学习技术实现的自动同声传译系统[4]，自动同声传译过程主要是语音识别、机器翻译和语音合成。

1.1.3　国内公司的深度学习成果

2013年，百度成立了由知名学者余凯领导的百度深度学习研究院（Institute of Deep Learning，IDL），主要目标是将深度学习应用于语音识别和图像识别、智能检索等领域。现在，基于深度学习，百度的图像搜索更加准确，百度翻译更加专业，语音识别效果令人十分满意。目前，许多基于深度学习的产品已经面市，例如百度识别APP，该APP主要功能是图像识别和智能检索，其中拍照购物和通过照片匹配度来交友都是该APP中比较有特色的功能。百度在“小度机器人”和无人驾驶汽车领域等都取得了重要进展。小度机器人能够通过对话等自然的交互方式，准确理解用户意图，并与用户进行信息和服务等的交流。

阿里巴巴的“拍立淘”是基于“大数据+深度学习+图像处理”的构思开发的，网购用户通过手机拍照，利用“拍立淘”就能在淘宝中找到非常类似的产品，其搜索准确度和用户满意度非常高。

LinkFace（脸云科技）在2014年开创了基于深度学习的人脸检测算法，支持人脸检测、人脸识别、人脸关键点检测等全套技术，在FDDB数据集上的人脸识别准确率高达99.5%。图森（http://www.tusimple.com/）通过深度学习引擎，研发了图像识别和语义分析技术，为企业搭建了自己的图片识别服务，根据企业的实际业务设计了分类标签系统，精准描述企业图片分类需求。该公司还研发了基于摄像头的智能驾驶解决方案。