读吴恩达博士《深度学习》视频有感：

读吴恩达博士《深度学习》视频有感：

在视频中，吴恩达博士阐明了人工智能是未来的发展方向，他也致力于让越来越多人接触和学习人工智能。他的课程有五个部分，第一部分是神经网络和深度学习；第二部分是改善深层神经网络：超参数调整、正则化以及优化；第三部分是结构化机器学习项目；第四部分是卷积神经网络；第五部分是序列模型。目前前三个部分已经结课，第四部分还在进行中。

作为一名工科生，对人工智能、大数据、编程这些名词有一种天然的好感，大概就是这些领域对自己有很强的吸引力，也希望可以投身到人工智能发展的浪潮中，希望可以通过自己的努力让这个社会有点不一样。刚接触第一章节的时候，发现其实并没有讲述太多的编程知识，而是从思维上进行启蒙，讲述计算机运算的逻辑是什么，计算机语言的逻辑系统是什么。

吴恩达博士讲述了神经元概念，大概就是输入一个x，经过修正线性单元（RELU）,输出一个结果y。我觉得这个看似简单的过程给自己很多的思考，远古时代，我们如果想要实现身体保暖需求必需靠自己去打猎获得兽皮做衣服，想要维持体力和生存必需打猎获得动物的肉做食物，这些都是靠我们思维认知模式驱动的。经历了农业革命再到科技革命直到1956年以前，我们人类使用工具和利用资源的方式有很大的创新，工具越来越先进，资源利用率越来越高，人类变得越来越聪明，但是我们的主体认知思维模式还是没什么变化，我们发明斧头可以更好地砍树，制作陶器可以更好地满足饮食生活，发明运算速度更快的计算机也只是为了更好地运算。我们一直处于基于目的驱动的发展认知模式。突然有一天，当我们可以把这种思维模式丢给一个非人类的载体时，我们就能解放自己的大脑，让这个载体为我们服务，为我们思考，说的不为过就是我们人类创造了自己。而如何把这个修正线性单元（RELU）做得更好就是机器思考能力的关键。现在的监督学习包括输入音频会自动导出文字；输入英语句子会自动导出中文句子还有输入通过汽车前方摄像头拍摄的照片来告知处理器其他汽车的位置。从这里看出，输入一个x是很关键的，是得到我们想要的结果的第一步，x又分为structured data和unstructured data（音频、图片）。

吴恩达博士提到，如果在未来我们要提高机器学习的准确性，我们要有足够大的神经网络和x段有足够大的信息量，用规模推动深度学习。这也不难想到吴恩达博士的努力就是为了让更多人参与人工智能发展，创造更多的数据，优化提升现有算法。人工智能的关键是大数据、计算能力和算法。吴恩达博士讲了logistic回归，正向传播是指输入X、W、B求得Z,再由Z值的函数求得A，A就是输出的预测值Y，再由Y求得成本函数，来判断数据是否准确。反向传播就是正向传播的逆向。在这个过程中，我们会对输入的多个数据X1、X2、…XN有多个重复计算过程，也就是for循环语序，这样会增加电脑运算的压力，为了加快运算速度，我们用调用程序的办法用矢量来计算这个过程，可以大大提高运算速度。在这里，我第一次体会优化算法带来的速度提升，在对未来更大的数据处理上，我们只有一步一步加快算法速度，才能更好地运用数据。

人工智能研究方向是充满前景的，孕育着很多发展机会，也是造福全人类的研究领域。一开始接触各种算法的确感觉有点难，但是正如老师说的，不懂就要多问、多看、多学、多听。研究生阶段和本科阶段不一样，我希望能找准一个有前景的研究重点，在这个领域深扎，形成自己的优势，只有这样才能在各种挫折竞争中掌握主动权。

另外，有许多人担心人工智能会不会最终成为人类的终结者，这种担心不无道理，因为未来超强人工智能的智商远远超过人类，当人类不存在优势的时候，被另外一个物种代替也就成为必然。但是，我们不能因为这样而消极或是不发展人工智能，这样封闭自己必将导致与时代脱节，人工智能现在的应用方向暂时只有人脸识别，计算机视觉和语音识别，其他意识层面的领域还没有大突破。自从人类认知革命开始，自然界的平衡就被打破，有人类的地方，其他生物物种就会很快消失殆尽，这也加深我们对零和博弈的认知，但人类消灭其他物种不是用更锋利的牙齿和更强壮的身体，而是通过合作。同样我也认为，更聪明的机器人不能因为更强的运算能力就把人类消灭，人工智能可以极大提高我们的生活质量，人工智能在发展，我们人类自己也在进步，我们一定可以用好人工智能。