深度学习初识（1）

1.深度学习从生命的生物机理中获得灵感，但是它与大脑的工作原理差别非常巨大。

2.描述深度学习：（1）学着描绘世界的机器（machines that learn to represent the word）；端对端的机器学习（end-to-end machine learning）。在一个能够学习的机器中，每一个组件、每一个阶段都能进行训练。

3.可以把深度学习看成是，通过整合大量能够基于相同方式训练的模块和组件来构建拥有学习能力的机器，如模式识别系统，因此，需要一个能够训练每个事物的单一原则。

4.深度学习系统和机器学习区别：之前的机器学习系统，可称为“肤浅的学习系统”，会受他们能计算的函数的复杂度的

限制，如果使用一个线性分类器的肤浅学习方法来识别图像，需要从图像中提取足够多的参数特征，但是手动设计一个特征提取器非常困难，而且很耗时。如果使用一个更加灵活的分类器，如SVM，或者两层神经网络，直接将图像的像素提供给分类器，则物体的识别率不会高。

5.模式识别系统可以想象成一个黑盒子，背面装有摄像头，顶上有一个红灯和绿灯，前面有一串开关，比如一种尝试调节开关的算法，当一条狗出现在摄像头室控制开关使红灯亮，当一辆车出现时控制开关使绿灯亮，为了训练该算法，将一条狗放在机器前，如果红灯亮，则什么都不做，如果光线模糊，则调节旋钮使灯变亮，如果绿灯亮，则扭动按钮使灯变暗；接下来换成汽车。如果进行多次尝试，并且保持每次都对旋钮进行逐渐微调，最终，机器每次都能得出正确答案。

6。将未加工的数据输入系统，因为系统具有多层结构，每一层都将知道如何对上一层产生的表征进行转化，知道最后一层输出结果。从头至尾都应该把学习融合进来，以便机器能够学习到好的数据表征。

7.直觉洞察、理论模型、实际执行、实证研究和科学分析之间相互影响，洞察力是一种创造性思维；模型基于数学，实际执行设计工程学和纯粹的黑客行为；实证研究和分析属于实实在在的科学。

8.深度学习团体：Geoff Hinton、Yoshua Bengio和Lecun、Andrew NG

9.FaceBook的深度学习，facebook必须自动筛选100-150项用户想看的或者需要看的内容，所以必须理解人们，包括口味、兴趣、关系、需要甚至生活目标。也需要理解内容，知道帖子或者评论在讲什么，图片和视频把包含什么内容。完成这项工作是一个“彻头彻尾的人工智能”问题，这需要理解人、情绪、文化和艺术，大部分工作聚焦于指定新理论。新原则、新方法和新系统，以让机器理解图片、视频和语言，随后对其进行推理。