浅谈人工智能中“深度学习”所要解决的问题

今天的内容由阿里CIO学院攻“疫”技术公益培训贾扬清专场整理而来。直播中贾扬清向大家分享了人工智能的工程和产品实践，首先介绍了什么是人工智能以及人工智能的应用；然后和大家一起探讨了人工智能系统中的重要问题，如算法创新背后的算力突破、云上平台能提供的价值；最后给大家剖析了大数据和人工智能之间的关系，作为一个企业应该如何拥抱AI以及智能化年底企业布局的重点。

人工智能算法

目前，AI（人工智能）已经成为科技产业大趋势。各个行业都与“AI”密切相关。与AI相关的领域如下图所示，其中包括与AI强相关的领域和AI间接赋能的的领域。那么究竟什么是人工智能、人工智能的应用以及人工智能系统将在之后一一介绍。

人工智能发展的80年，实现了从图灵测试到全民换脸。机器是通过人工智能像人一样来回答问题、创作或者计算分析的，在一些领域，计算机已经能够做的和人一样优秀。例如在2019年网络上的“全民换脸”都是基于人工智能中的深度学习及神经网络等技术的广泛应用的结果。

目前，人们生活中以及工业生产中都有很多“AI”技术的应用，用来代替人类的工作。例如比较流行的“ELON MUSK’S”能够模拟人的大脑工作。但随着人工智能的快速发展，也出现了一些对人工智能的反思和一些“假冒AI”。

人工智能AI在发展过程中面临了一系列的事件，其中有比较严重的假冒伪劣AI骗取2亿融资的事件。那么人工智能究竟是什么以及它的用途主要有哪些是接下来要重点讨论的问题。

在学术界，人工智能的定义也有所差异。人工智能是接受输入的信息，通过信息的整理判断，像人一样对输入的信息做出一系列理性行为和决策。它的主要特征就是“理性的行动”。

在这个“感知”到“决策”的反馈中，如何感知外部世界信息成为人工智能能否去行动的关键。既然是要模拟人的大脑，那人去感知的过程其实是一个认识和学习的过程。那也就是人工智能中“深度学习”所要解决的问题。

深度学习

只有将外部信息（视频，文字，口令等）转换成机器语言才能被人工智能所接受并作出反应。这个问题的思考早在人工智能初期就被科学家所考虑和研究。

在这之后人们开始讨论如何通过视觉感知来完成信息的输入，并做了很多研究。2012年，加拿大多伦多大学的ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后，更多的更深的神经网络被提出，比如优秀的vgg,GoogLeNet。这对于传统的机器学习分类算法而言，已经相当的出色。