22 深度学习 | 空山鸣响，静水流深：深度学习概述

王天一



该思维导图由 AI 生成，仅供参考

多年以后，面对李世石与 AlphaGo 的厮杀，加里·卡斯帕罗夫将会回想起，与深蓝对弈的那个遥远的下午。彼时的对手是一个庞大的超级计算机，记下变化多端的开局，以固定的逻辑决策应对中局，穷极所有可能性筛选残局。人工智能蹒跚学步之时，许多概念尚且是空中楼阁，计算机能够战胜优秀的人类围棋选手，这样的想法不啻于天方夜谭。
棋类游戏的核心在于根据棋局判断下一手的最优下法，深蓝通过穷举的方法在国际象棋的棋局中解决了这个问题。在 64 格的国际象棋棋盘上，深蓝的运算能力决定了它能算出 12 手棋之后的局面下的最优解，而身为人类棋手执牛耳者的卡斯帕罗夫最多只能算出 10 手棋，多出来的两手棋就会成为左右战局的关键因素。
深蓝的核心在于“算”：利用强大的计算资源来优化目标函数。深蓝本身就是一套专用于国际象棋的硬件，大部分逻辑规则是以特定的象棋芯片电路实现，辅以较少量负责调度与实现高阶功能的软件代码。其算法的核心是暴力穷举：生成所有可能的下法，然后执行尽可能深的搜索，并不断对局面进行评估，尝试找出最佳的一手。
可在围棋棋盘上，可以落子的点数达到了 361 个。别说 12 手棋，就是 6 手棋的运算量都已经接近于天文数字！这使得计算机相对于人脑的运算优势变得微不足道，走出优于人类棋手的妙手的概率也微乎其微，这也是为什么计算机会在围棋领域被看衰的原因。
围棋的棋盘状态远比国际象棋复杂，以穷举法进行最优落子策略的推演无异于痴人说梦。事实上，顶级的围棋棋手更多地依赖模糊的直觉来评判特定的棋盘状态的好坏。但理性推演与感性判断之间似乎存在着不可逾越的巨大鸿沟，尤其是对于计算机程序而言，依赖直觉是不可能的事情。因此并没有显而易见的方式来将国际象棋领域的成功复制到围棋上，直到 AlphaGo 的横空出世。
与深蓝相比，AlphaGo 的核心则在于“想”。与专用硬件深蓝不同，AlphaGo 是一套能够运行在通用硬件之上的纯软件程序。它汲取了人类棋手海量的棋谱数据，并依赖人工神经网络和深度学习技术从这些数据中学会了预测人类棋手在任意的棋盘状态下走子的概率，模拟了以人类棋手的思维方式对棋局进行思考的过程。

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
英语
中文简体
中文繁体
法语
德语
日语
韩语
俄语
西班牙语
阿拉伯语
解释
总结

深度学习：人工智能的巅峰之作深度学习技术在人工智能领域的崛起引领着人工神经网络的全新发展。通过多层感知器实现学习，深度学习能够解决更加复杂的非线性问题，实现更加精确的目标物识别。AlphaGo、AlphaGo Zero和AlphaZero等人工智能系统的诞生和升级展现了深度学习的无穷潜力。深度学习的兴起得益于数据的井喷和计算力的提升，使得人工智能系统能够进行更加复杂的学习和推理。深度学习的胜利标志着人工智能技术的巅峰之作，也为未来的科技发展指明了方向。然而，深度学习也面临着争议和挑战。其缺乏坚实的理论基础，以及隐藏的数学原理仍需深入研究。尽管取得了很多成果，但深度学习在理论上依然有诸多要解决的问题。因此，深度学习的理论问题已经成为人工智能讨论中的一个焦点。总的来说，深度学习技术的崛起和发展为人工智能领域带来了巨大的成功，同时也引发了对其理论基础的深入探讨。这一技术的兴起不仅在人工智能领域取得了巨大成功，也为其他领域的信息处理提供了新的思路和方法。深度学习的未来发展方向，是需要继续探索和研究的重要课题。

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《人工智能基础课》，新⼈⾸单¥59

立即购买

登录后留言

全部留言(6)

最新
精选

四正
“两个隐藏层足以解决任何类型的非线性分类问题，”——我怎么听说一个隐藏层就够了？
作者回复: 是的，感谢细心指出。通用逼近定理说的就是这个事情。
2018-07-07

7
上善若水
关键就是算力，量子计算机更可怕
作者回复: 量子计算机主要的优点在于并行计算，但实现起来太难了，多个量子态的操控很成问题，啥时能落地还是个问号
2019-11-01

2
型火🔥
第一句是采用了《百年孤独》式的开头😋
2018-02-23

8
ifelse
学习打卡
2023-05-09归属地：浙江

1
Geek_88604f
最近也看了DeepMutation，里面提到了一种DNN网络的mutation技术，叫做神经元切换（neuron switch）。不太理解是怎么切换的？有什么意义？望老师指点迷津。
2020-07-28

1
杨家荣
极客时间 21天打卡行动 20/21 <<人工智能基础课22>>深度学习概述回答老师问题: 深度学习的理论问题已经成为人工智能讨论中的一个焦点。那我们到底是不管三七二十一，只需要享受深度学习方法所带来的红利；还是打破砂锅问到底，把背后的道理分析得水落石出呢？回答老师的问题还是从每个人的角度出发吧,我研究深度学习,是为了更好的用,偏重前一类; 而科学的范畴就是深入背后;沿用国家的战略:经过多年的演进，人工智能发展进入了新阶段。为抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，2017年7月20日，国务院印发了《新一代人工智能发展规划》。《规划》提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，为我国人工智能的进一步加速发展奠定了重要基础。参考来源:1,[百度百科:人工智能https://baike.baidu.com/item/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/9180?fr=aladdin] 2,[百度百科:治学 https://baike.baidu.com/item/%E6%B2%BB%E5%AD%A6/570172?fr=aladdin] 今日所学: 1,AlphaGo 2,深蓝的核心在于“算”：利用强大的计算资源来优化目标函数;与深蓝相比，AlphaGo 的核心则在于“想”;深蓝仍然是专注于国际象棋的、以暴力穷举为基础的专用人工智能；AlphaGo 是几乎没有特定领域知识的、基于机器学习的、更加通用的人工智能。 3,深度学习是利用包含多个隐藏层的人工神经网络实现的学习; 4,真正推动深度学习走到聚光灯下的还是工程上的两大进步，也就是数据的井喷和计算力的飙升;大数据和深度学习的搭配称得上天作之合; 5,如果说深度学习是一台探矿机，大数据就是那座有待挖掘的金矿，计算能力的进展则为这台探矿机; 关键字: 可视皮层是分级的,方向选择性细胞总结重点: 1,深度学习实际上是基于具有多个隐藏层的神经网络的学习； 2,深度学习的思想来源于人类处理视觉信息的方式； 3,深度学习的发展得益于数据的井喷和计算力的飙升； 4,深度学习的理论基础依然有待深入
2020-01-07



收起评论