浅谈深度学习(八):机器学习与深度学习

机器学习

首先我们来看看什么是学习?

百度百科里这么说的:学习是人类具有的一种重要智能行为,但究竟什么是学习,长期以来却众说纷纭。社会学家、逻辑学家和心理学家都各有其不同的看法。

而说到机器学习,不同时期,科学家们都有不同见解:

如在1996年,Langley定义的机器学习是“机器学习是一门人工智能的科学,该领域的主要研究对象是人工智能,特别是如何在经验学习中改善具体算法的性能”。

而在1997年,Tom Mitchell的机器学习对信息论中的一些概念有详细的解释,其中定义机器学习时提到,“机器学习是对能通过经验自动改进的计算机算法的研究”。

在2004年,Alpaydin又对机器学习提出了他的定义,“机器学习是用数据或以往的经验,以此优化计算机程序的性能标准。”

虽然科学家们在不同时期对机器学习作出了他们的阐述,即使这种定义是不完全和不充分的,但还是有必要对机器学习给出定义。

机器学习是研究如何使用机器来模拟人类学习活动的一门学科。稍为严格的提法是:机器学习是一门研究机器获取新知识和新技能,并识别现有知识的学问。这里所说的“机器”,指的就是计算机,电子计算机,中子计算机、光子计算机或神经计算机等等。

关于机器学习,最有名的案例莫过于1959年美国的塞缪尔(Samuel)设计的一个下棋程序。

这个下棋程序具备学习能力,可以不断改进自己的技艺,4年后,这个程序打败了程序设计者本人,又过了3年,它战胜了一个美国的8连贯的冠军。

这个例子很好的阐述的机器学习是什么这个问题。

深度学习

前面我们有多篇文章谈到了深度学习,我们知道深度学习的本质就是人工神经网络(计算机神经网络),而人工神经网络的目标就是为了让程序在面对一些问题时,比如图片识别,能够通过已有的图片训练学会图片识别的方法,从而像人类一样,具备智慧的能力。

因此说到底,深度学习本质上就是一种机器学习,是机器学习领域的一个分支。

同样,在前面文章我们还提到过,Vladimir Vapnik的支持向量机(SVM)把深度学习(计算机神经网络)带入了第二个低谷,而SVM,也是一种机器学习方法。

而在2011年的ImageNet大赛上,是以Fisher Vector的计算方法夺冠,这也是一种机器学习的方法,类似于SVM,属于一种向量机(Vector Machine)。

深度学习里面最有名的案例就是AlphaGo,AlphaGo就是以深度学习为基础的。

总结

机器学习的方法很多,因此存在很多的不同分支领域,而深度学习(计算机神经网络)就是其中的一种,但是为什么深度学习能够突然在这么多的机器学习方法中脱颖而出,恐怕还是由于深度学习是在完全模拟人脑的运行机制,虽然这种机制,人类目前都搞不清楚,但历史上很多的科技进展都是在模拟生物时取得突破的。

(未完待续)

发表评论

邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据