深度学习是软件2.0吗?
极客时间编辑部
讲述:丁婵大小:1.06M时长:02:19
近日,特斯拉 AI 主管安德烈·卡帕斯(Andrej Karpathy )在一篇文章中发表了他的观点,“有时候,我会听见有些人仅仅把神经网络视为机器学习的工具,但是我并不认同这个观点“。他认为,深度学习是软件 2.0。
在安德烈看来,神经网络不仅是一个分类器,更意味着编程基础开始发生变化。神经网络有自身的优势和缺点,应用范围广泛,甚至有时候还能借此赢得 Kaggle 大赛的胜利。这就是软件 2.0。
在文中,他写道,大家所熟知的软件 1.0,是由程序员通过 Python、C++ 等编程程序指令组成,每一行代码赋予程序特定的功能。而软件 2.0 与软件 1.0 不同,前者是通过神经网络权值进行编程。
安德烈表示,软件 2.0 的应用范围广泛,在视觉识别、语音识别、语音合成、机器翻译、机器人、游戏中的应用,都将展现其不同于软件 1.0 的优势。
例如,软件 2.0 在机器翻译方面的应用。机器翻译通常通过以词组为基础的数据技术实现,但神经网络很快将成为主流。比如,架构可以设定为弱指导(或完全无监管)多语言,一个模型就可以搞定所有语言翻译。
在安德烈看来,软件 2.0 不会替代软件 1.0,事实上,训练和推理编辑 2.0 代码需要大量的 1.0 架构,但是会逐渐蚕食软件 1.0 目前所应用的领域。
不过,并非所有人都认同这个观点,《Deep Learning AI Playbook》一书的作者卡洛斯·佩雷斯(Carlos E. Perez)就撰文驳斥了这一观点,他认为安德烈的文章缺乏支持性的观点,有些他提到的优势并不能判断其真实性。
比如“运算高效”这一优势,在安德烈看来,由于连续的矩阵乘法序列,深度学习在任意计算机设备上运算比二进制更加简单。但卡洛斯持有的反对观点则认为,深度学习比传统的 ML 更加便携和模块化,但是却忽略了模块化系统的固有特点。
不过,对于安德烈认为软件 2.0 的编程更加进步这一说法,卡洛斯则表示同意,并称许多伟大的发现都是通过无理论的方式得到的,深度学习或将成为“人类最近的创新”。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论