100种分析思维模型之:深度学习林骥共 2789字,需浏览 6分钟 ·2023-10-26 15:53 你好,我是林骥。 2016 年,谷歌旗下的 DeepMind 公司开发的 AlphaGo,打败了围棋世界冠军李世石,后来又击败了当时世界排名第一的柯洁,让许多人感到震惊,点燃了大家对人工智能的热情。 2022 年,OpenAI 公司发布 ChatGPT,从此各种大语言模型蜂拥而至,生成式 AI 获得蓬勃的发展。 回顾人类社会发展的历史,一旦科学技术实现重大的突破,人们的生活就会发生翻天覆地的变化。 在 AlphaGo 和 ChatGPT 等应用程序的背后,都离不开一项关键的技术,那就是深度学习。 下面介绍 100 种分析思维模型的第 75 种:深度学习,它是能帮助我们更好地理解世界运行的底层规律。 1. 为什么学习深度学习? 深度学习是人工智能领域的前沿科技,该技术已经融入到了我们的日常工作、生活和学习中。 如今,各行各业开始运用深度学习的人,已经明显提升了工作效率。 与此同时,大量简单重复的工作将会被机器替代,很多人将会面临失业的风险。 随着深度学习技术的快速发展,未来人类从事的几乎所有活动,都可能受其影响,包括科学、医学、制造、能源、交通、农业、艺术等。 也许有一天,深度学习的应用程序将成为你的得力助手,甚至成为你的亲密朋友,它可能比任何人都更了解你,能够回答你的问题,会帮你教育好孩子,并呵护你的健康。 2. 什么是深度学习? 深度学习是机器学习的一个分支,而 ChatGPT 是深度学习的应用之一。 深度学习的起源,可以追溯到 1943 年,当时神经生理学家 Warren McCulloch 与数学家 Walter Pitts 合作,发表了一篇题为《神经活动内在思想的逻辑演算》的论文,其中提出了一个神经元模型,实现用一个简单电路来模拟大脑神经元的行为,证明可以使用逻辑演算的方式,描述神经网络的运行机理,奠定了深度学习的基础。 学习的本质是改善性能。著名学者赫伯特·西蒙说:“如果一个系统,能够通过执行某个过程,就此改进了它的性能,那么这个过程就是学习。” 深度学习是通过「神经网络」的连接来传递信息,实现将「特征工程」完全自动化,因此让解决问题变得更高效、更简单。 由于互联网的兴起,使得收集和分发数据变得简单可行。如果说深度学习是工业革命中的蒸汽机,那么数据就如同煤炭和石油,驱动着深度学习快速发展。 深度学习的过程,符合 DIKW 模型的规律,即:从数据中提取有用的信息,信息积累成知识,知识演变为智慧。 深度学习以数学、计算机科学和神经科学为基础,从数据中进行学习。随着学习层次的不断深入,机器将会变得越来越智能。 3. 怎么运用深度学习? 深度学习的应用场景非常广泛,包括图像分类、语音识别、机器翻译、文字与语音互转、数字助理、查找资料、辅助编程、辅助写作、辅助办公、艺术创作、健康诊断、自动驾驶、营销活动、下围棋、玩游戏、回答用自然语言提出的问题…… 随着计算机处理的速度越来越快,数据越来越丰富,任何企业甚至个人都可以用深度学习来提升自己。 比如,借助 ChatGPT 等应用程序,每个人都可以通过跟机器聊天的方式来进行深度学习。 但是,学习和运用深度学习是一段漫长的旅程,需要学习的知识有很多,多到一本书都无法涵盖所有的内容,市面上关于深度学习的书不计其数,粗略估计不下 100 本,而且这个数量还在不断增长。 如果你不是人工智能领域的从业者,那么其实不必深究其中的代码和公式,只需结合自身的实际情况,有针对性地学习和运用相关的知识即可,因为一个人的时间、精力和能力都是有限的。 我比较关注深度学习在个人成长方面的运用,希望自己能够运用深度学习,去分析过去记录的数据和写作的文字材料,让其成为我的得力助手,进而更加了解自己,并成为更好自己。 运用深度学习主要包括 3 个步骤:定义任务、开发模型和部署模型。 ① 定义任务 学习通常是从明确目标、定义任务和提出问题开始,了解问题背后的业务逻辑,并开始收集数据。比如,如何用数据赋能成长?目前有哪些数据可用?是否需要收集更多数据? ② 开发模型 把数据准备好之后,就可以尝试选择一个合适的模型,然后对其进行调优和检验,不断改进模型的性能。 ③ 部署模型 将优化之后的模型部署到目标环境中,监控模型在真实环境中的表现,并继续收集更多的数据,形成深度学习的闭环。 深度学习的步骤,有点类似于《数据化分析》的过程,从收集数据开始,到改善数据,再到分析数据和化解难题,然后又反过来收集更多的数据,形成一个用数据解决实际问题的增强回路。 最后的话 未来,我们每个人都有可能会用到深度学习,就像今天的互联网技术一样普及,极大地解放人类的生产力,并显著提升人们的认知能力。 尽管深度学习的应用非常广泛,但是也要请你注意,深度学习并不是一把万能的钥匙,有些问题并不适合用深度学习的方法来解决,可能是因为数据还不够多,也可能是因为还有其他更好的方法。 当你手中只有一把「锤子」的时候,看什么都像「钉子」。但如果你手中既有锤子,又有螺丝刀,还有起子和扳手等,那么就可以根据实际情况,选择使用合适的工具,这样解决问题就会变得更加高效。 所以,我们需要抱着终身学习的理念,学习更多的分析思维模型,并在实际工作和生活中加以应用,从此开启更加美好的未来。 延伸阅读: 《深度学习》([美]特伦斯·谢诺夫斯基,2019年) 《深度学习进阶》([日]斋藤康毅,2020年) 《Python深度学习》([美]弗朗索瓦·肖莱,2022年) 相关文章:100 种分析思维模型系列 ↑ 点击此卡片关注 ↑ ↑ 周二早八点阅读 ↑ 浏览 1571点赞 评论 收藏 分享 手机扫一扫分享分享 举报 评论图片表情视频评价全部评论推荐 100种分析思维模型之:六顶思考帽数据工匠俱乐部0【深度学习】深度学习之LSTM机器学习初学者0面向序列数据分析的深度学习模型数据派THU015种顶级分析思维模型.内容来源 :博雅人文作者:博雅君今天给大家分享几个思维模型,无论是数分还是其他岗位,都会有所启发。查理·芒格认为,每个学科都是从一个独特的角度去切入了解这个世界,都是一个摸象的瞎子。要超越普通人的认知决...【深度学习】深度学习之Pytorch基础教程!机器学习初学者0PaddleHub深度学习模型开发工具PaddleHub是一个深度学习模型开发工具。它基于飞桨领先的核心框架,精选效果优秀的算法,提供了百DLRM深度学习推荐模型DLRM(DeepLearningRecommendationModel)是深度学习推荐模型的实现,用于个性化推荐。该模型输入有密集和稀疏的特性,前者是浮点值的向量,后者是嵌入表的稀疏索引列表,嵌入表如何优化深度学习模型小白学视觉0DLRM深度学习推荐模型DLRM(Deep Learning Recommendation Model)是深度学习推荐模型的PaddleHub深度学习模型开发工具PaddleHub是一个深度学习模型开发工具。它基于飞桨领先的核心框架,精选效果优秀的算法,提供了百亿级大数据训练的预训练模型,方便用户不用花费大量精力从头开始训练一个模型。PaddleHub可以便捷点赞 评论 收藏 分享 手机扫一扫分享分享 举报