摘要：随后深度学习的研究大放异彩，广泛应用在了图像处理和语音识别领域。比如的学生就用深度学习算法赢得年的。深度学习和人工智能的春天离人工智能最近的互联网公司敏锐嗅到了这一机遇。
多伦多大学计算机系教授Geoffrey Hinton是Deep Learning的开山鼻祖，我们来讲讲他的故事。
他有个传奇的姑姑
不过先来说说他姑姑吧，他姑姑Joan Hinton是一个与中国有关的具有传奇经历的人物，中文名字叫——寒春，是一个参加过曼哈顿计划的科学家，但是后来在中国养了几十年牛。
1945年，23岁的寒春已经是美国曼哈顿计划中的一名女科学家，参与制造了人类历史上第一颗原子弹。中国的红色革命也深深吸引了她，于是她放弃了纯科学的研究，追随着她的丈夫、有共同理想的美国青年阳早来到了中国延安，并于1949年在革命圣地延安的窑洞里举行了烽火中的婚礼。
之后两人一起帮助中国人民发展畜牧业，为中国的奶牛事业贡献了毕生，并在北京昌平设计建造了中国第一座机械化养牛场。2003年阳早去世，骨灰就埋在 了牛场。
他姑姑是个传奇，但Geoffrey Hinton的传奇程度也不亚于她。
谷歌为了他，花几千万美元专门买了一个公司
2013年，Google收购了多伦多大学的一家初创公司DNNResearch，实际上，这家公司只有三个成员，Geoffrey Hinton和他的两个刚毕业的的学生——Alex Krizhevsky 和 Ilya Sutskever。
或者我们可以理解为，Google为了让Geoffrey Hinton为他们工作，专门收购了这家公司，有人调侃到Google花了几千万美元买了几篇论文。
当然在此之前，Google也给了他的研究小组提供了60 万美元的科研经费。
Deep Learning祖师爷
Geoffrey Hinton本人正是Deep Learning学派的开山祖师爷。
何为Deep Learning？简单地说就是建立、模拟人脑进行分析学习的人工神经网络。
比如一个广为流传的例子就是，谷歌用1.6万块电脑处理器构建了全球较大的电子模拟神经网络，并通过向其展示自YouTube上随机选取的1000万段视频。在无外界指令的自发条件下，该人工神经网络自主学会了识别猫的面孔。
自从2006年被提出后，Deep Learning极大地推动了语音识别、视觉、自然语言处理等方面的进展。
探秘大脑的工作原理
在剑桥大学学习心理学时，Hinton发现人类大脑有数十亿个神经细胞，它们之间通过神经突触相互影响，形成极其复杂的相互联系。然而科学家们并不能解释这些具体的影响和联系。神经到底是如何进行学习以及计算的，这是他一直想研究的问题。
这个问题在他的努力下已经取得了部分进展。他和他的伙伴建立了一层层互相连接的人工神经元模型，模仿大脑的行为，处理视觉和语言等复杂问题。他也致力于研究可以使神经网络变得更好的方法，来更好的模拟人脑的某些方面。
在80年代初，电脑性能还远远不能处理人工神经网络(ANN)需要的巨大数据集，神经网络的研究在短暂的火热后，就陷入了低潮。
板凳坐得“三十年”冷
在之后的二十几年，虽然还是有一些研究人员坚持人工神经网络的研究，但整个学术界关于人工神经网络的研究基本都陷入了停滞，研究人员拿到不到相关的科研基金，与人工神经网络有关的优质论文发表量极少。连著名的学术会议NIPS（Advances in Neural Information Processing Systems，神经信息处理系统进展大会）都变成基本与神经网络无关的会议。
Geoffrey Hinton的学术生涯也像人工神经网络一样起起伏伏，所幸的是他一直没有放弃人工神经网络的研究。他们为实现自己的想法，定期聚集在一起召开研讨会，构建了更强大的深度学习算法，操作更大的数据集。
然而学术圈的依旧对神经网络的研究不感兴趣，他们的研究也很难申请到科研经费。学术圈的冷落其实不无理由，人工神经网络的很多成果，很难用数学予以解释或者证明，大家只是在不断调整参数，改善算法，以得到更好的结果。
事情的转机出现在2006年左右，Geoffrey Hilton和他的学生发明了用GPU来优化深度神经网络的工程方法，并发表在《Science》和相关期刊上发表了论文，首次提出了“深度信念网络”的概念。他给多层神经网络相关的学习方法赋予了一个新名词–“深度学习”。
随后深度学习的研究大放异彩，广泛应用在了图像处理和语音识别领域。比如Geoffrey Hilton的学生就用深度学习算法赢得2012年的ImageNet。
互联网的巨头开始注意到他们，这个领域才开始火热起来，深度学习领域也涌现出以Hinton、吴恩达等为首的四大深度学(tiao)习(can)天王。
深度学习和人工智能的春天
离人工智能最近的IT互联网公司敏锐嗅到了这一机遇。从2011年开始，深度学习算法的成熟令人工智能技术实现飞跃，包括微软、苹果、谷歌、Facebook、国内BAT在内的企业都开始深度布局人工智能和深度学习，试图把握风口，成为下一个产业变革的巨擘。
国内长期坚持布局人工智能的还有老牌电器厂商 - 长虹
长虹从2012年开始进入人工智能和深度学习的基础研究工作，先后在语音识别芯片开发应用、基于大数据的人工智能技术研发及应用、机器视觉（人脸识别）技术研发应用等研究。目前，长虹在人脸识别、目标检测、目标分类方面已经积累了先进、成熟的计算机视觉算法成果。
他们近期发布了全球首款CHiQ人工智能电视。长虹人工智能电视用于认知、决策、反馈三大能力。
在“认知”层面上，基于长虹自主研发的Ciri+语音平台，CHiQ实现了高效语音交互协同及语义识别与理解。其中，语音识别率达到97%，语音整机覆盖率50%，使人与电视开放式的自然语音交互距离达到30米，即用户在家庭中的任意角落都可以用语音和电视交互。
而在“决策”层面，长虹CHiQ人工智能电视可基于神经网络学习算法做出业务逻辑判断。在“反馈层面”，其内置的个性化推荐平台，通过持续的推荐效果反馈、模型优化和产品迭代，真正实现推荐的自学习和可成长。
长虹小白，就是“住”在这个电视中的机器人精灵，她陪伴、学习、服务于用户，在看电视、听音乐、玩游戏等黑电业务上让用户得到贴心的个性化服务。
（长虹小白形象）
通俗来说，就是你可以与长虹小白对话：
小白，告诉我，有什么节目好看？Hi，我想看高分电影~
这些问题它都能给你及时回复（3秒内搜索启播）。它还会学习你的观看喜好与历史，给你个性化推荐节目。
据说，未来小白还会加上实体形态，加载投影能力、视觉图像技术、自动充电等等黑科技。
可以说，这款产品标志着长虹电视率先进入人工智能时代。
欢迎加入本站公开兴趣群商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识
QQ群：81035754
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/4365.html
摘要：而这种举一反三的能力在机器学习领域同样适用，科学家将其称之为迁移学习。与深度学习相比，我们技术较大优点是具有可证明的性能保证。近几年的人工智能热潮中，深度学习是最主流的技术，以及之后的成功，更是使其几乎成为的代名词。 如今，人类将自己的未来放到了技术手里，无论是让人工智能更像人类思考的算法，还是让机器人大脑运转更快的芯片，都在向奇点靠近。谷歌工程总监、《奇点临近》的作者库兹韦尔认为，一旦智能...
摘要：深度学习之生成对抗网络博弈学习实例博弈学习实例在生成对抗网络，简称发明之前，变分自编码器被认为是理论完备，实现简单，使用神经网络训练起来很稳定，生成的图片逼近度也较高，但是人眼还是可以很轻易地分辨出真实图片与及其生成的图片。 ...
摘要：相反深度学习的对抗样本是由于模型的线性特征。所以通过对抗训练能够提高深度学习的对于对抗样本的抗干扰能力。此外，指出，人类并不会像现代机器学习算法那样被对抗样本所影响。 2006 年，Geoffrey Hinton 提出了深度学习。受益于大数据的出现和大规模计算能力的提升，深度学习已然成为最活跃的计算机研究领域之一。深度学习的多层非线性结构使其具备强大的特征表达能力和对复杂任务的建模能力。最近...
摘要：深度学习之图像分类十五网络结构目录深度学习之图像分类十五网络结构前言宽度，深度以及分辨率网络结构代码本节学习网络结构。下图给出了模型的结构图。且大分辨率图像会增加网络的计算量注意不是参数量。 ...
摘要：多分类多分类，是指分类数量大于的分类问题。相关关系二分类多分类多标签分类多任务分类多任务学习迁移学习的相互关系二分类是时的多分类多分类时多标签分类的一种，时对多个相互独立的标签经行学习。 ...
阅读 3355·2021-11-25 09:43
阅读 3639·2021-11-24 09:39
阅读 704·2021-09-03 10:42
阅读 1295·2019-08-30 15:56
阅读 1290·2019-08-29 17:27
阅读 776·2019-08-29 15:25
阅读 594·2019-08-27 11:04
阅读 2963·2019-08-26 18:27
