從機(jī)器學(xué)習(xí)模型的層次來看，大致經(jīng)歷了兩次發(fā)展浪潮：淺層學(xué)習(xí)（Shallow Learning）和深度學(xué)習(xí)（Deep Learning）。

?

1980年代，人工神經(jīng)網(wǎng)絡(luò)的反向傳播算法（也叫Back Propagation算法或者BP算法）的出現(xiàn)讓一個(gè)人工神經(jīng)網(wǎng)絡(luò)模型從大量訓(xùn)練樣本中學(xué)習(xí)出統(tǒng)計(jì)規(guī)律，從而對(duì)未知事件做預(yù)測(cè)，這掀起了一輪基于統(tǒng)計(jì)模型的機(jī)器學(xué)習(xí)熱潮。

?

彼時(shí)的人工神經(jīng)網(wǎng)絡(luò)，雖然被稱作多層感知機(jī)（Multi-layer Perceptron），但實(shí)際上只含有一層隱層節(jié)點(diǎn)的淺層模型。

?

進(jìn)入到1990年代，支持向量機(jī)、Boosting等各種各樣的淺層機(jī)器學(xué)習(xí)模型相繼提出。但這些模型的結(jié)構(gòu)基本上可以看成帶有一層隱層節(jié)點(diǎn)（如SVM、Boosting），或沒有隱層節(jié)點(diǎn)（如LR）。但這些模型在無論是理論分析還是應(yīng)用都獲得了巨大成功。

?

與此同時(shí)，深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一個(gè)分支，經(jīng)歷了短暫的輝煌，而后由于過擬合、訓(xùn)練速度慢等問題很快陷入沉寂。

?

當(dāng)時(shí)，坐冷板凳的研究者有后來被稱為深度學(xué)習(xí)之父的Geoffrey Hinton。功夫不負(fù)有心人，Hinton最終提出了一個(gè)實(shí)際可行的Deep Learning框架，在其研究中提出具有優(yōu)異的特征學(xué)習(xí)能力多隱層的人工神經(jīng)網(wǎng)絡(luò)，并通過“逐層初始化”（Layer-wise Pre-training）克服了深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練難度。于是，深度學(xué)習(xí)重啟了機(jī)器學(xué)習(xí)發(fā)展的浪潮。

?

區(qū)別于傳統(tǒng)的淺層學(xué)習(xí)，深度學(xué)習(xí)的不同在于其強(qiáng)調(diào)了模型結(jié)構(gòu)的深度，以及明確突出了特征學(xué)習(xí)的重要性。不過，深度學(xué)習(xí)的出現(xiàn)并沒有替代淺層學(xué)習(xí)所發(fā)揮的作用。如今，多數(shù)分類、回歸等學(xué)習(xí)方法為淺層結(jié)構(gòu)算法，而深度學(xué)習(xí)一度成為了AI的一大代名詞。

?

但是，無論是淺層學(xué)習(xí)還是深度學(xué)習(xí)，在實(shí)際應(yīng)用時(shí)在算法和工程層面存在諸多局限，這也為AI的落地帶來了挑戰(zhàn)。

?

挑戰(zhàn)總是與機(jī)遇并存。跳脫出深度學(xué)習(xí)面臨的桎梏，AI未來怎么發(fā)展？

?

去年4月，剛剛成為“阿里新人”的Caffe 之父賈揚(yáng)清在內(nèi)部分享了他對(duì)AI發(fā)展的思考與洞察。其中，他重點(diǎn)指出了傳統(tǒng)的系統(tǒng)、體系結(jié)構(gòu)等知識(shí)，以及計(jì)算機(jī)軟件工程的實(shí)踐會(huì)給 AI 帶來的新機(jī)會(huì)：

?

• 軟件效率的提升。傳統(tǒng)的 AI 框架都是手寫高性能代碼，但是模型如此多變，新的硬件平臺(tái)層出不窮，已經(jīng)看到可以通過編譯器技術(shù)和傳統(tǒng)的人工智能搜索方法反過來優(yōu)化AI框架的潛力。

?

• 平臺(tái)整合能力的提升。在大規(guī)模應(yīng)用中，數(shù)據(jù)量非常大，模型非常復(fù)雜，集群還會(huì)出現(xiàn)各種調(diào)度的挑戰(zhàn)，這些對(duì)于我機(jī)器學(xué)習(xí)平臺(tái)，以及云上向客戶提供的服務(wù)提出了挑戰(zhàn)。

?

• 軟硬件協(xié)同設(shè)計(jì)能力的提升。在深度學(xué)習(xí)的計(jì)算模式開始逐漸固化的時(shí)候（比如說 CNN ），新硬件和特殊硬件（比如 ASIC ）的優(yōu)勢(shì)就開始體現(xiàn)出來了。如何實(shí)現(xiàn)軟硬件的協(xié)同設(shè)計(jì)，防止“硬件出來了，不知道怎么寫程序”或者“模型已經(jīng)變了，硬件一出來就過時(shí)了”這樣的問題，會(huì)是將來幾年中很大的方向。

?

在他看來，快速迭代帶來的大量機(jī)遇和挑戰(zhàn)非常令人興奮，無論是有經(jīng)驗(yàn)的研究者還是新學(xué) AI 的工程師，在當(dāng)今云化，智能化的年代，如果能快速學(xué)習(xí)并刷新算法和工程的各種挑戰(zhàn)，就可以通過算法創(chuàng)新引領(lǐng)并且賦能社會(huì)各個(gè)領(lǐng)域。

?

那么，在當(dāng)下AI規(guī)模化落地需求面前，AI工程師如何應(yīng)對(duì)挑戰(zhàn)并抓住機(jī)遇？

?

2月20日（本周四）晚19:00，阿里CIO學(xué)院聯(lián)合CSDN聯(lián)合發(fā)起的攻“疫”技術(shù)公益培訓(xùn)第二場(chǎng)，邀請(qǐng)阿里巴巴集團(tuán)副總裁賈揚(yáng)清向你發(fā)來對(duì)話邀請(qǐng)，探討近年來人工智能算法和系統(tǒng)的進(jìn)化過程。他將從會(huì)從人工智能的定義講到當(dāng)代發(fā)展，并對(duì)當(dāng)前業(yè)內(nèi)流行的深度學(xué)習(xí)、淺層學(xué)習(xí)、增強(qiáng)學(xué)習(xí)做深層次的解讀，同時(shí)從技術(shù)角度闡述產(chǎn)品形態(tài)和用戶場(chǎng)景。

?

通過本次直播，賈揚(yáng)清將在直播中重點(diǎn)闡述以下AI四大問題：

?

• 深度學(xué)習(xí)和淺層學(xué)習(xí)的優(yōu)弊分析

• 深度學(xué)習(xí)和淺層學(xué)習(xí)在業(yè)務(wù)應(yīng)用中的落地效果

• 云上用戶如何解決AI問題

• 阿里巴巴的飛天AI平臺(tái)如何實(shí)現(xiàn)

攻“疫”技術(shù)公益培訓(xùn)第一場(chǎng)錄播地址：https://edu.csdn.net/huiyiCourse/detail/1156，嘉賓：阿里云智能事業(yè)群數(shù)據(jù)庫(kù)產(chǎn)品事業(yè)部總裁李飛飛

我們?yōu)閳?bào)名的小伙伴準(zhǔn)備了大量的互動(dòng)禮品：

阿里帆布包、阿里馬克杯、天貓精靈智能音箱，具體互動(dòng)要求，請(qǐng)參會(huì)同學(xué)掃描下方二維碼入群了解，歡迎加小助手微信，回復(fù)公開課，進(jìn)入直播群！

??如何報(bào)名參會(huì)？?

攜手戰(zhàn)“疫”，掃描下方二維碼，進(jìn)入報(bào)名通道，即可獲得和大牛線上面基的機(jī)會(huì)！

掃描下方二維碼，立即報(bào)名參加吧~~

推薦閱讀：

• 早期文獻(xiàn)中的關(guān)系抽取論文整理，趕緊 Mark 起來！
  

• Linux系統(tǒng)常用指令總結(jié)
  

• 幾個(gè) Python“小伎倆” | 內(nèi)附代碼
  

• 一文讀懂拜占庭將軍問題
  

• 幾行代碼構(gòu)建全功能的對(duì)象檢測(cè)模型，他是如何做到的？
  

• 疫情之下，哪些行業(yè)正在逆勢(shì)爆發(fā)？
  

真香，朕在看了！ 點(diǎn)擊閱讀原文，即刻報(bào)名！

總結(jié)

以上是生活随笔為你收集整理的直播连麦贾扬清，谈谈他所理解的四大 AI 落地问题 | 攻“疫”技术公开课的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。