深度學(xué)習(xí)是什么意思？近年來(lái)，隨著信息社會(huì)、學(xué)習(xí)科學(xué)和課程改革的發(fā)展，深度學(xué)習(xí)是一種新的學(xué)習(xí)形式。目前，對(duì)深度學(xué)習(xí)的概念有很多答案，很多專(zhuān)家學(xué)者的解釋是本質(zhì)意義一致的表述略有不同。李嘉厚教授認(rèn)為，深度學(xué)

深度學(xué)習(xí)是什么意思？

近年來(lái)，隨著信息社會(huì)、學(xué)習(xí)科學(xué)和課程改革的發(fā)展，深度學(xué)習(xí)是一種新的學(xué)習(xí)形式。

目前，對(duì)深度學(xué)習(xí)的概念有很多答案，很多專(zhuān)家學(xué)者的解釋是本質(zhì)意義一致的表述略有不同。

李嘉厚教授認(rèn)為，深度學(xué)習(xí)是建立在理解的基礎(chǔ)上的。學(xué)習(xí)者可以批判性地學(xué)習(xí)新的想法和事實(shí)，將它們?nèi)谌朐械恼J(rèn)知結(jié)構(gòu)，將許多想法聯(lián)系起來(lái)，并將現(xiàn)有的知識(shí)轉(zhuǎn)移到新的情境中，從而做出決策和解決問(wèn)題。

郭華教授認(rèn)為，深度學(xué)習(xí)是在教師指導(dǎo)下的一個(gè)有意義的學(xué)習(xí)過(guò)程，學(xué)生圍繞挑戰(zhàn)性的學(xué)習(xí)主題，全心投入，體驗(yàn)成功，獲得發(fā)展。它具有批判性理解、有機(jī)整合、建設(shè)性反思和遷移應(yīng)用的特點(diǎn)。

深度學(xué)習(xí)有幾個(gè)特點(diǎn)。一是觸動(dòng)人心的學(xué)習(xí)。第二，體驗(yàn)式學(xué)習(xí)。三是深入認(rèn)識(shí)和實(shí)踐創(chuàng)新的研究。

深度神經(jīng)網(wǎng)絡(luò)（DNN）是否模擬了人類(lèi)大腦皮層結(jié)構(gòu)？

同時(shí)，一些特定的深層神經(jīng)網(wǎng)絡(luò)模型在一定程度上類(lèi)似于人類(lèi)大腦皮層的結(jié)構(gòu)。

例如，2017年10月，美國(guó)普渡大學(xué)綜合腦成像實(shí)驗(yàn)室的劉忠明在大腦皮層發(fā)表了《基于動(dòng)態(tài)自然視覺(jué)深度學(xué)習(xí)的神經(jīng)編解碼》，基于深度神經(jīng)網(wǎng)絡(luò)模型對(duì)動(dòng)態(tài)視覺(jué)進(jìn)行編解碼。這項(xiàng)工作基于972個(gè)視頻片段和11.5小時(shí)的功能磁共振數(shù)據(jù)，通過(guò)深度神經(jīng)網(wǎng)絡(luò)（fMRI）編碼和解碼，磁共振成像技術(shù)檢測(cè)由于氧合血紅蛋白和脫氧血紅蛋白比率的變化而引起的血液磁化率的差異，并判斷相應(yīng)的腦區(qū)處于活動(dòng)或靜止?fàn)顟B(tài)），并用深層神經(jīng)網(wǎng)絡(luò)來(lái)解釋動(dòng)態(tài)視覺(jué)與腦激活的關(guān)系以及二者之間的關(guān)系。在以往的研究中，深度神經(jīng)網(wǎng)絡(luò)主要用來(lái)解釋靜態(tài)視覺(jué)和大腦激活之間的關(guān)系。目前尚不清楚深度神經(jīng)網(wǎng)絡(luò)是否可以用來(lái)解釋動(dòng)態(tài)視覺(jué)和大腦激活之間的關(guān)系。具體來(lái)說(shuō)，CNN模型的中間層負(fù)責(zé)處理抽象的視覺(jué)信息，與人類(lèi)視覺(jué)皮層的層次結(jié)構(gòu)非常相似。

最終效果非常好。在編碼方面，它取決于ROI（感興趣區(qū)域）。在相同的ROI范圍內(nèi)，平均精度可達(dá)0.4～0.6，跨ROI的精度為0.25～0.3。

此答案中使用的圖片均取自原稿。

阿里巴巴和華為都自研了ai芯片，誰(shuí)的比較厲害？

阿里的漢光800和華為的勝騰910屬于人工智能芯片，但它們的應(yīng)用領(lǐng)域截然不同。漢光800是一款更側(cè)重于特殊領(lǐng)域的產(chǎn)品，而神騰910則相對(duì)通用，可以用于AI學(xué)習(xí)和訓(xùn)練。兩者在適用范圍和設(shè)計(jì)目標(biāo)上有很大差異。如今，人工智能計(jì)算剛剛興起。無(wú)論是阿里巴巴還是華為，各個(gè)廠(chǎng)商的AI芯片都沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，突破多在具體的落地領(lǐng)域，可比性不強(qiáng)，實(shí)際效果與使用場(chǎng)景密切相關(guān)，不可能直接比較誰(shuí)比誰(shuí)好。

不過(guò)，阿里巴巴和華為兩款A(yù)I芯片的愿景是相似的。這兩種芯片短期內(nèi)不會(huì)對(duì)外銷(xiāo)售。它們只會(huì)大規(guī)模部署在自己的云服務(wù)和相應(yīng)的產(chǎn)品中。開(kāi)發(fā)者只需要為計(jì)算能力付費(fèi)。未來(lái)，云服務(wù)將成為IT行業(yè)的水、電、煤。誰(shuí)能把電線(xiàn)拉到谷開(kāi)來(lái)，誰(shuí)的家電上網(wǎng)價(jià)格最便宜，誰(shuí)就能得到最大的市場(chǎng)。

如果我們真的想拿出一些數(shù)據(jù)進(jìn)行對(duì)比，那么漢光800芯片在resnet-50中的推理性能可以達(dá)到78563ips，這是一個(gè)世界紀(jì)錄的性能，有著“世界上性能最高的人工智能推理芯片”的光環(huán)；華為勝騰910是一個(gè)通用的人工智能處理器，半精度（fp16）計(jì)算能力為256TFlops，是行業(yè)的兩倍；推理能力的崛起，int8計(jì)算能力16個(gè)頂點(diǎn)，功耗僅8W，處于行業(yè)領(lǐng)先地位。

神經(jīng)網(wǎng)絡(luò)啥時(shí)候改名叫“深度學(xué)習(xí)”了？

這是同根，何必太著急。

深度學(xué)習(xí)可以理解為使用深度神經(jīng)網(wǎng)絡(luò)（DNN）的機(jī)器學(xué)習(xí)。從這個(gè)定義可以看出它們之間的關(guān)系。

深度神經(jīng)網(wǎng)絡(luò)（DNN）一般分為三種結(jié)構(gòu)

簡(jiǎn)單的DNN：一般的神經(jīng)網(wǎng)絡(luò)擴(kuò)展到多層，有很多缺點(diǎn)，包括訓(xùn)練速度慢，使用BackProp訓(xùn)練梯度衰減嚴(yán)重；

深度信念網(wǎng)絡(luò)（DBN）：基于RBN（受限玻爾茲曼）卷積深度信念網(wǎng)絡(luò)（cdbn）：比DBN訓(xùn)練更快，適用于非常大的圖像或語(yǔ)音識(shí)別。

困難之一是訓(xùn)練速度。另一個(gè)是需要大量的計(jì)算能力。成本很高。例如，谷歌的alphago使用1202個(gè)cpu和176個(gè)gpu。普通人和公司負(fù)擔(dān)不起如此強(qiáng)大的計(jì)算能力。

深度學(xué)習(xí)的預(yù)測(cè)模型有哪些？

深度學(xué)習(xí)模型很常見(jiàn)：卷積神經(jīng)網(wǎng)絡(luò)CNN、堆疊式自動(dòng)編碼器SAE、遞歸神經(jīng)網(wǎng)絡(luò)DNN、生成對(duì)抗網(wǎng)絡(luò)Gan、深度信念網(wǎng)絡(luò)DBN、深度神經(jīng)網(wǎng)絡(luò)DNN、深度強(qiáng)化學(xué)習(xí)DRL以及模型的許多變體。

深度學(xué)習(xí)中沒(méi)有預(yù)測(cè)模型，只是那些模型是一個(gè)預(yù)測(cè)問(wèn)題。GDP預(yù)測(cè)是一個(gè)連續(xù)的問(wèn)題。我覺(jué)得CNN、DBN和DNN不合適。如果數(shù)據(jù)量有限，參考互聯(lián)網(wǎng)金融，我覺(jué)得遷移學(xué)習(xí)深度學(xué)習(xí)模式是一個(gè)不錯(cuò)的選擇。個(gè)人觀點(diǎn)，僅供參考，更多官方賬號(hào)可關(guān)注個(gè)人微信公眾號(hào)“深度學(xué)習(xí)與NLP”。