深度學(xué)習(xí)是AI研究的一個重要方向，最近看了不少相關(guān)資料，不免有些感悟這里寫出來給大家分享。

一、深度學(xué)習(xí)是基礎(chǔ)服務(wù)

深度學(xué)習(xí)可以類比于云計算，很多人看不懂、看不明白，只知道好像很厲害。其實(shí)與當(dāng)年的云計算有點(diǎn)類似，喧囂和泡沫過后，現(xiàn)在回看云計算的本質(zhì)其實(shí)就是“基礎(chǔ)服務(wù)”。這個基礎(chǔ)服務(wù)是整個社會的一次升級，阿里云誕生于2009年，也正是第三次互聯(lián)網(wǎng)浪潮的元年。

云計算誕生之前，一個企業(yè)要提供某項(xiàng)互聯(lián)網(wǎng)服務(wù)要做什么？

1）買服務(wù)器

2）買專線

3）開發(fā)軟件

4）尋找客戶

云計算誕生之后呢？考慮商業(yè)模式就行了，因?yàn)榍懊嫠胁襟E都可以直接買到，甚至有非常成熟的方案提供。

1）服務(wù)器：各種云可以租虛擬主機(jī)，一個月最低30-40元

2）專線：虛擬主機(jī)送公網(wǎng)IP

3）開發(fā)軟件：各行各業(yè)都可以直接買到SAAS服務(wù)，一鍵定制你的APP、網(wǎng)站、辦公系統(tǒng)、財務(wù)軟件等等，費(fèi)用最低99元/月

4）尋找客戶：各大平臺一鍵營銷，精準(zhǔn)廣告投放

最重要的是，所有這些關(guān)鍵要素都統(tǒng)一在一個“云”平臺上，創(chuàng)業(yè)者只需要考慮好自己的商業(yè)模式能不能掙錢就行了。所以09年以后，大家普遍感覺創(chuàng)業(yè)的人更多了，許多人一夜暴富，但是更多人感覺干啥都掙不到錢，因?yàn)榛ヂ?lián)網(wǎng)“門檻”太低了！

一個小店想接入APP點(diǎn)餐、在線支付、甚至是同城營銷，以前最低50萬起步，代碼修修改改上線得一年?，F(xiàn)在呢？上阿里云點(diǎn)幾下，一個月99全部搞定！這就是整個社會的基礎(chǔ)服務(wù)升級。然后我們就發(fā)現(xiàn)，更多的創(chuàng)業(yè)者都在“模式創(chuàng)新”，因?yàn)榛A(chǔ)設(shè)施已經(jīng)太完善了，可以說云計算的普及不亞于高鐵的成就！

我們再看看“深度學(xué)習(xí)”，現(xiàn)在能看到的應(yīng)用不外乎就是PP圖、模仿聲音、圖片識別等等，實(shí)際上大部分人沒看到的是它的“跨界屬性”。09年之前我們可以將賣云吞的小老板與互聯(lián)網(wǎng)關(guān)聯(lián)起來嗎？現(xiàn)在可以了，你進(jìn)了一家小店，微信掃一下，從點(diǎn)單、買單、上菜全部小程序搞定，老板只需要做好云吞就行了，這就是基礎(chǔ)服務(wù)升級的魅力。

現(xiàn)在你能將“深度學(xué)習(xí)”與這個云吞店關(guān)聯(lián)起來嗎？恐怕不能。那我們設(shè)想這樣一個場景：你走到云吞店門口，猶豫是要吃云吞呢還是隔壁的小面，就在這時，AI通過走路的姿勢和眼神判斷你可能是潛在新客戶并且在猶豫，立即在門口的大屏幕上顯示“新客立減5元”，我想很多人是阻擋不了這種優(yōu)惠的。那云吞老板說了，我可以掛個招牌寫上撒。如果這時候是個老客戶呢，一看新客優(yōu)惠老客戶沒優(yōu)惠啦，是不是人家要去吃隔壁小面了。AI來處理就好辦了，一看是胖子，屏幕上立即顯示云吞個頭大、蝦量足、今天加量還有優(yōu)惠。一看是瘦子，屏幕就顯示薺菜云吞健康好吃，小份的只要10元。等等，這不就是個高級營銷嘛？是的，AI這時就是實(shí)現(xiàn)了高級營銷。那店老板做下營銷研究，在后臺設(shè)置一些參數(shù)來識別新老客戶，并且有針對性地寫一些營銷方案行不行呢？自然是可以的。但是換個店怎么辦？賣小面的是不是要重新做一下研究重新制訂方案呢？賣水餃呢？是不是所有店老板都得是營銷專家才行啊。

有了云計算小店老板不用編程一樣接入互聯(lián)網(wǎng)，同樣的，有了深度學(xué)習(xí)小店老板不懂營銷一樣是營銷大師。而且深度學(xué)習(xí)的關(guān)鍵魅力在于，它不需要任何的營銷知識，只需要通過學(xué)習(xí)和自我迭代就能變成你的專屬營銷專家，這就要從深度學(xué)習(xí)的基本原理講起了。

二、深度學(xué)習(xí)的基本原理

深度學(xué)習(xí)與機(jī)器學(xué)習(xí)的最大區(qū)別在于，學(xué)習(xí)過程中是不需要有“人”的，也就是它能自我迭代和進(jìn)化，很神奇嗎？其實(shí)還好，下面我們詳細(xì)講講。

上圖是身高與體重對應(yīng)的統(tǒng)計圖，紅色是女性，藍(lán)色是男性?？梢钥吹缴砀吲c體重大體是正相關(guān)的，也就是身高越高體重越重。機(jī)器學(xué)習(xí)的辦法就是錄入大量的身高體重數(shù)據(jù)，然后去除“噪音”，做一些加權(quán)運(yùn)算最終得到一個大體合理的預(yù)測模型，如下圖：

這個模型自然是有一點(diǎn)合理性，但是基本沒有實(shí)用意義，因?yàn)椤疤卣鳌碧佟?/p>

下圖是一個風(fēng)暴預(yù)測圖，科學(xué)家發(fā)現(xiàn)風(fēng)暴的形成與溫度、濕度可能有一定相關(guān)性，于是他們把大量歷史數(shù)據(jù)輸入到機(jī)器學(xué)習(xí)的模型里，最后得到溫濕度與風(fēng)暴形成的數(shù)學(xué)模型，以后使用時只需要輸入當(dāng)前溫濕度就能得到風(fēng)暴形成的概率值。這里的溫度和濕度就是這個模型的“特征”。

前面例子的核心問題就是，必須得有個科學(xué)家來輸入“特征”，而且特征越多模型也就越準(zhǔn)確，那么一個模型是否準(zhǔn)確的關(guān)鍵就在于特征是否足夠、數(shù)據(jù)量是否充足，還得有個“科學(xué)家”來尋找和輸入特征。一個模型的成功與否與人的經(jīng)驗(yàn)其實(shí)是正相關(guān)的。

到了深度學(xué)習(xí)神奇的事情就發(fā)生了，我們只需要數(shù)據(jù)量而無需輸入特征，因?yàn)樗约航o自己把特征找出來了！我們以人像識別（從多張圖片中識別出包含人臉的圖片）為例簡單講一下原理，下圖比較經(jīng)典了，大概描述了深度學(xué)習(xí)的基本過程，但是很多人看的有點(diǎn)糊涂，這里我們就詳細(xì)解釋下。

第一張圖：即是要學(xué)習(xí)的圖片

第二張圖：深度學(xué)習(xí)先從圖片中提取出各種“邊”，即有明暗變化的部分。這里叫第一層特征

第三張圖：將各種“邊”進(jìn)行隨機(jī)組合，能得到眼睛、鼻子、耳朵。這叫第二層特征

第四張圖：將上面的眼睛、鼻子、耳朵再次進(jìn)行組合，即能得到看起來像是人臉的圖片。這叫第三層特征

如果輸入足夠多的圖片，我們就能得到足夠充分的特征庫（保留各層相似的，去掉各層不相似的）。如此，當(dāng)你胡亂輸入一些圖片時，AI通過特征庫就能判斷那些是人臉那些不是了。深度學(xué)習(xí)的厲害之處就在于特征庫的學(xué)習(xí)完全是自主實(shí)現(xiàn)的，而機(jī)器學(xué)習(xí)需要人為去輸入這些特征。深度學(xué)習(xí)的“深度”之處就在于你可以使用更多層次，提取更加精準(zhǔn)的特征，最終的效果就是人臉識別、隨機(jī)人臉生成、無縫PS等等。

三、深度學(xué)習(xí)的優(yōu)勢

綜上，深度學(xué)習(xí)的優(yōu)勢就在于它擺脫了經(jīng)驗(yàn)與“專家”，無論什么人只要掌握了該技術(shù)就變得比行業(yè)專家還要專家。比較實(shí)際的應(yīng)用就包括：

1）一鍵換頭，不會PS也能變成PS神人

2）一鍵去除背景，同上

3）模仿特定聲音，人人都是調(diào)音師

4）隨機(jī)生成貓圖，天天吸貓不是夢

這些軟件的創(chuàng)作者都不是相關(guān)專家，大部分還都是這個研究方向的學(xué)生。相信很快就會有通用的平臺讓每個人都可以“深度學(xué)習(xí)”起來。