人工智能简史笔记2

第四章开始学习什么是神经网络

我们把迭代运算的过程称为“神经网络的训练”，最终训练好的神经网络可以对新的数据作分类预测。这就是最简单的“机器学习”的过程。

原来珠穆朗玛峰还和人工智能有沾边呢，取名来自一代人工智能宗师辛顿教授的祖辈（珠穆朗玛峰测绘师）即everest家族。下图看到了左二辛顿和右一吴恩达。2013年谷歌收购辛顿的DNN Rearch公司，有趣的是这家公司没有产品，只有三个深度学习的牛人。同样的当年谷歌收购deepmind时，他们仅发表了一篇论文，4亿美金的收购足见谷歌老板的远见。

图片发自App

再来认识另一位牛人，乐存教授，发展和推广了卷积神经网络。

卷积神经网络是深度学习中实现图像识别和语言识别的关键技术。和辛顿教授一样，乐存教授也是在人工智能和神经网络的低潮时期，长期坚持科研并最终取得成功的典范。正如辛顿教授所说：“是乐存高举着火炬，冲过了最黑暗的时代。”

给你一个规模上的概念，目前用作图像识别的某个比较典型的卷积神经网络，深度可达30层，有着2400万个节点，1亿4000万个参数和150亿个连接。连接个数远远多于参数个数的原因就是权值共享，也就是很多连接使用相同的参数。训练这么庞大的模型，必然要依靠大量最先进的CPU和GPU，并提供海量的训练数据

最后本章（第四章）介绍了一些目前深度学习相关的领域，如OCR，自动驾驶汽车，人脸识别，智能音箱等，都在我们身边发生着日新月异的变化。