深度学习最终会淘汰掉其他所有机器学习算法吗?
简单粗暴一点的说,我认为深度学习会,甚至已经在淘汰几乎所有的传统机器学习算法… 但是,深度学习也会被更新的未来算法所淘汰。
当然实际上这么说是不太公平或不准确的。应该说算法进化是一个不断融合,不断取长补短的扬弃过程。淘汰这个词过于武断或是戏剧化了。
深度学习的积极意义在于,至少我认为是,摆脱了传统“专家系统”的局限性,是首次真正站在“机器”的角度,而不是从人的视角,去学习智能。
我常说这个突破堪比微积分,是划分初等数学和高等数学的分界线。人工智能领域也是从深度学习开始从“初等智能”迈向“高等智能”的。
当然这绝不是终极算法,想想微积分从牛顿时代到今天都发展了多少?
首先可以很肯定的说,不会!理由是因为每种算法都有擅长的领域,解决相应的问题,没有一种算法可以解决所有问题。而且在实际应用中还需要考虑成本问题,深度学习是很高级的算法这一点没错,但并不代表它就适合解决所有问题,难道真的要用高射炮去打蚊子吗?效果不一定好哦,而且成本是不是太高了呢。再退一步讲深度学习也是基于早期的算法发展起来的,他们是包含关系,并不是独立存在的。
本人曾经长期从事听觉感知和自然语言理解的研究工作,神经网络早已有之,但此神经网络绝非人类的神经网络,近几年又出来了所谓深度学习,很好奇,上网看了看,结果发现无非是神经网络的若干改进而已,比如深度学习中的语音识别的内核,仍然是上世纪八十年代古老的隐含马尔科夫链,与人的语音感知根本就不是一码事。仍属于超大计算量的蛮干。所以窃以为,在揭示人类的听觉和视觉模式感知奥秘之前,AI不会有多大的作为。
直接说答案:不会。
机器学习模型简单,目前商用比较多。深度学习模型效果好,但是碍于其沉重的问题,商用还有一定的难度。
如果深度学习也突破了瓶颈问题,那么未来的商用应该是物尽其用,小场景用小模型,大场景用大模型,相互结合效果更好。
人工智能和深度学习的关系是什么?
人工智能是指让计算机具有与人一样的智能思考能力的一种技术愿景。
这项技术愿景的定义来源于计算机学家艾伦 图灵,他定义了图灵测试的标准。简单来说就是,让一个测试者与被测试者(一个人和一个计算机)通过一些装置提问沟通。
图灵
如果机器让参与者做出超过30%的误判,那么这台计算机就通过了测试,被认为具有人类智能。其实,也就是说,测试者根本没法发现,对面回答他的提问的到底是人还是计算机,这时候,就判定那台计算机具有人类智能。
图灵之后,大概在1958年左右,美国的计算机科学家就开始大力发展人工智能了。他们希望用编程的办法,也就是编写程序,让计算机能通过图灵测试,实现人类的智能。但很遗憾,这条路没有走通。因为无论人们怎么设置计算机的算法,都没办法让计算机通过测试。人们往往很快就能发现,对面的是一台计算机。
深蓝
从那时开始,人工智能技术就开始没落了,多年来无人问津。这种情况直到互联网时代,互联网+传感器技术,带来了大量的数据。
计算机科学家们开始觉得,可以采用另外的思路来实现人工智能这个梦想。于是,他们开发了深度学习。
什么叫深度学习呢?
就是通过给计算机提供数据,来训练它修改自己的程序和算法。这就相当于你教育孩子的时候,之前的计算机科学家就像不断告诉孩子该怎么做的父母;而深度学习,是让孩子们不断地去经历现实,自己来寻找对现实的解释和理解。
到此,以上就是小编对于人工智能深度学习回归分析的问题就介绍到这了,希望介绍关于人工智能深度学习回归分析的2点解答对大家有用。