大數(shù)據(jù)時代下的深度學(xué)習(xí)

王敏 趙倩

摘要：近幾年大數(shù)據(jù)技術(shù)和人工智能迅速發(fā)展，大數(shù)據(jù)時代隨之來臨，為人工智能技術(shù)的發(fā)展提供了無窮無盡的數(shù)據(jù)樣本，而深度學(xué)習(xí)則是人工智能技術(shù)進(jìn)一步發(fā)展最主要的推動力。

關(guān)鍵詞：大數(shù)據(jù)時代；人工智能技術(shù)；深度學(xué)習(xí)；深度神經(jīng)網(wǎng)絡(luò)

一、大數(shù)據(jù)和深度神經(jīng)網(wǎng)絡(luò)

（一）產(chǎn)生原因

簡單的說人工智能技術(shù)就是讓機(jī)器在一定的硬件基礎(chǔ)上通過一些算法去實(shí)現(xiàn)感知和認(rèn)識世界的功能。人工智能最核心的技術(shù)就是機(jī)器學(xué)習(xí)，大數(shù)據(jù)為人工智能提供基礎(chǔ)，若使大數(shù)據(jù)轉(zhuǎn)變?yōu)橹R或者是生產(chǎn)力，則離不開機(jī)器學(xué)習(xí)的支撐。相比較于傳統(tǒng)的淺層的機(jī)器學(xué)習(xí)，由于21世紀(jì)大數(shù)據(jù)時代的到來加之以神經(jīng)網(wǎng)絡(luò)的進(jìn)一步發(fā)展，基于深度神經(jīng)網(wǎng)絡(luò)的人工智能迅速發(fā)展，即深度學(xué)習(xí)在大數(shù)據(jù)時代蓬勃興起。深度學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)的一個重要大分支，而深度學(xué)習(xí)的基本結(jié)構(gòu)就是深度神經(jīng)網(wǎng)絡(luò)。

（二）基本原理

神經(jīng)網(wǎng)絡(luò)在最初時僅包括輸入、隱含、輸出三層，隱含層之間含有的神經(jīng)元可通過一定的訓(xùn)練來實(shí)現(xiàn)從輸入到輸出的一個非線性映射，這就是淺層機(jī)器學(xué)習(xí)的過程。而深度神經(jīng)網(wǎng)絡(luò)則是包含多個隱含層，也就是隱含層之間具有更多的神經(jīng)元，包含有更大的參數(shù)空間，通過訓(xùn)練具有更強(qiáng)的學(xué)習(xí)能力，最終機(jī)器通過對大數(shù)據(jù)的計(jì)算，學(xué)習(xí)到網(wǎng)絡(luò)中的數(shù)據(jù)參數(shù)。

（三）本質(zhì)思想

深度神經(jīng)網(wǎng)絡(luò)的本質(zhì)思想就是通過多個隱含層來實(shí)現(xiàn)神經(jīng)元的多層堆疊，以最大化的擴(kuò)充信息存儲量并實(shí)現(xiàn)信息的分層表達(dá)，即每一層的輸出信息都作為下一層的輸入信息，逐層的提取并存儲特性值，并由低層的特征值組合以形成高層的特征值，在這種思想下建立了深度神經(jīng)網(wǎng)絡(luò)。

（四）訓(xùn)練原則

機(jī)器學(xué)習(xí)分為有監(jiān)督的機(jī)器學(xué)習(xí)和無監(jiān)督的機(jī)器學(xué)習(xí)。所謂有監(jiān)督的學(xué)習(xí)就是通過研究人員以標(biāo)簽化的方式提供樣板模型來實(shí)現(xiàn)機(jī)器的智能化。而無監(jiān)督的學(xué)習(xí)就是不對數(shù)據(jù)進(jìn)行打標(biāo)簽，直接對數(shù)據(jù)進(jìn)行建模進(jìn)而讓機(jī)器自行去判斷推斷出數(shù)據(jù)的內(nèi)在結(jié)構(gòu)，即無需人為的設(shè)計(jì)特征提取，所有特征都是從數(shù)據(jù)中學(xué)習(xí)而來。很顯然這種方式則適用于信息爆炸的大數(shù)據(jù)時代，更合適于深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

二、大數(shù)據(jù)下深度學(xué)習(xí)的應(yīng)用

深度學(xué)習(xí)在不同的細(xì)分領(lǐng)域廣泛應(yīng)用，其在計(jì)算機(jī)視覺，語音識別以及自然語言處理中具有顯著的效果，并且應(yīng)用于我們生活的很多方面，很大程度上方面了人們的生產(chǎn)生活。

（一）圖像識別

圖像識別是深度學(xué)習(xí)最早涉足的應(yīng)用領(lǐng)域，其很大程度上提高了圖像識別的準(zhǔn)確性，同時也大大減少了人工抽取特征的時間消耗，從而在很大程度上提高了在線計(jì)算的效率，逐漸成為最主要的圖像識別方法應(yīng)用于生活的方方面面。

（二）語音識別

由于深度神經(jīng)網(wǎng)絡(luò)采用模擬人腦的多層神經(jīng)網(wǎng)絡(luò)，可以逐級地進(jìn)行信息特征抽取，最終形成適合模式分類的理想特征。這種多層結(jié)構(gòu)和人腦處理語音圖像信息具有很大的相似性。深度神經(jīng)網(wǎng)絡(luò)的建模技術(shù)，在實(shí)際線上服務(wù)時，能夠無縫地和傳統(tǒng)的語音識別技術(shù)相結(jié)合，在不引起任何系統(tǒng)額外耗費(fèi)情況下，大幅度提升了語音識別系統(tǒng)的識別效率。

（三）自然語言處理

沒有語言，人類的思維就無從談起，所以自然語言處理體現(xiàn)了人工智能的最高任務(wù)與境界，也就是說，只有當(dāng)計(jì)算機(jī)具備了處理自然語言的能力時，機(jī)器才算實(shí)現(xiàn)了真正的智能。傳統(tǒng)的處理方法需要消耗大量的人力物力進(jìn)行預(yù)干預(yù)，并且傳播過程中具有很大的誤差。而深度學(xué)習(xí)下進(jìn)行的需要模型訓(xùn)練，極大程度上提高了準(zhǔn)確性和傳播效率。自然語言處理是一個涉及到多個技能、技術(shù)和領(lǐng)域的綜合體，其本質(zhì)就是開發(fā)能夠理解人類語言的應(yīng)用程序或服務(wù)。不久的將來自然語言處理能力達(dá)到一定的水準(zhǔn)，人們的生產(chǎn)生活方式也會產(chǎn)生不一樣的新風(fēng)向。

大數(shù)據(jù)時代下的深度學(xué)習(xí)會涉足于更多的領(lǐng)域，都有待于我們?nèi)グl(fā)現(xiàn)探索，深度學(xué)習(xí)的應(yīng)用會惠及我們的方方面面。

三、大數(shù)據(jù)時代下的深度學(xué)習(xí)的機(jī)遇

技術(shù)的進(jìn)步是不可阻擋的時代潮流，人工智能現(xiàn)如今已經(jīng)對我們生活的方方面面產(chǎn)生了巨大的影響，而深度學(xué)習(xí)的發(fā)展勢必會推動社會整體的變革，隨著谷歌AlphaGo的亮相，大數(shù)據(jù)時代下的深度學(xué)習(xí)這個新浪潮必將會引起新一輪的技術(shù)革命和系統(tǒng)革命。算法雖是深度學(xué)習(xí)的靈魂，但是沒有強(qiáng)大的硬件支撐一樣前途堪憂，因此硬件領(lǐng)域要值此機(jī)會，推動硬件技術(shù)的深度變革，設(shè)計(jì)出具有人工智能本領(lǐng)的硬件系統(tǒng)。深度學(xué)習(xí)下處理器也面對新一輪的更新?lián)Q代，更為快速智能的處理設(shè)備將會占領(lǐng)新一輪的市場。深度學(xué)習(xí)將會提供一批新的就業(yè)崗位，為社會經(jīng)濟(jì)的發(fā)展提供新的商機(jī)。

四、大數(shù)據(jù)時代下的深度學(xué)習(xí)的挑戰(zhàn)

盡管深度學(xué)習(xí)如今已經(jīng)取得了較為矚目的成績，但這一研究領(lǐng)域仍舊處于初期階段，仍然具有較多的挑戰(zhàn)。首先在理論方面，深度學(xué)習(xí)的模型都是非凸函數(shù)，這方面的理論研究起來還是比較困難的。其次在建模上，面對不同的具體問題，我們?nèi)绾卧O(shè)計(jì)出與之相適應(yīng)的數(shù)據(jù)模型，這是需要我們實(shí)施探究的。在工程方面，如何在工程上利用規(guī)模比較大的并行工作平臺來實(shí)現(xiàn)大數(shù)據(jù)時代下的海量數(shù)據(jù)的訓(xùn)練。以及如何判斷深度學(xué)習(xí)訓(xùn)練所得的數(shù)據(jù)的優(yōu)劣，也需要我們?nèi)ゲ粩嗟貦z驗(yàn)。面對這些切實(shí)的挑戰(zhàn)，深度學(xué)習(xí)的步伐還要不斷地加緊以實(shí)現(xiàn)質(zhì)的突破。

五、結(jié)語

棲身于大數(shù)據(jù)時代的我們，我們需要進(jìn)一步的將深度學(xué)習(xí)應(yīng)用于大數(shù)據(jù)的分析中，更多的挖掘出數(shù)據(jù)背后隱藏的巨大價值。未來是屬于大數(shù)據(jù)的時代，更是屬于深度學(xué)習(xí)的時代，深度學(xué)習(xí)在大數(shù)據(jù)下的滋養(yǎng)下，進(jìn)一步的生根發(fā)芽，服務(wù)于人們的生產(chǎn)生活。

參考文獻(xiàn)：

[1]馬世龍，烏尼日其其格，李小平.大數(shù)據(jù)與深度學(xué)習(xí)綜述[J].智能系統(tǒng)學(xué)報，2016.

[2]余濱，李紹滋，徐素霞，紀(jì)榮嶸.深度學(xué)習(xí)：開啟大數(shù)據(jù)時代的鑰匙[J].工程研究-跨學(xué)科視視野中的工程，2014.

[3]王金甲，陳浩，劉青玉.大數(shù)據(jù)下的深度學(xué)習(xí)研究[J].高技術(shù)通訊.2017.

作者簡介：

王敏：女，山東協(xié)和學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)17-01學(xué)生。

趙倩：女，山東協(xié)和學(xué)院講師。