深度學習的發展歷程

深度學習的發展歷程主要分為三個重要的階段。

第一個階段是圖靈測試：

圖靈測試（The Turing test）由艾倫.麥希森.圖靈提出。1952年，在一場BBC廣播中，圖靈談到了一個新的具體想法：讓計算機來冒充人。如果不足70%的人判對，也就是超過30%的裁判誤以為在和自己說話的是人而非計算機，那就算作成功了。具體的指測試者與被測試者（一個人和一臺機器）隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。進行多次測試后，如果機器讓平均每個參與者做出超過30%的誤判，那么這臺機器就通過了測試，并被認為具有人工智能。

第二個階段是來自于醫學上的發現

1981年的諾貝爾將頒發給了David Hubel和Torsten Wiesel，以及Roger Sperry。他們發現了人的視覺處理信息是分級的。從視網膜（Retina）出發，經過低級的V1區提取邊緣特征，到V2區的基本形狀或目標的局部，再到高層的整個目標（如判定為一張人臉），以及到更高層的PFC（前額葉皮層）進行分類判斷等。這個生理學的發現，促成了計算機人工智能，在四十年后的突破性發展。計算機專家仿照人類大腦由低層到高層逐層迭代、抽象的視覺信息處理機理，建立深度網絡模型。深度網絡每層代表可視皮層的區域，深度網絡每層上的節點代表可視皮層區域上的神經元，信息由左向右傳播，其低層的輸出為高層的輸入，逐層迭代進行傳播。從學習算法的定義可知，模擬人腦視覺處理信息的機理的深度網絡主要目的是通過對歷史數據的逐步學習，將歷史數據的經驗存儲在網絡中，且經驗伴隨著學習次數的增多而不斷提高。從深度網絡的結構可以看到高層神經元的輸入來自于低層神經元的輸出，同層神經元之間沒有交互。若輸入層為輸入數據的特征表示，則可以理解為高層的特征是低層特征的組合，從低層到高層的特征表示越來越抽象的人類視覺系統信息處理過程。

第三個階段就是深度學習（Deep Learning）

深度學習是機器學習的一種，而機器學習是實現人工智能的必經路徑。深度學習的概念源于人工神經網絡的研究，含多個隱藏層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。研究深度學習的動機在于建立模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本等。目前深度學習也廣泛運用于人工智能的許多領域，解決了很多復雜的模式識別難題，使得人工智能相關技術取得了很大進步。

AI 深度學習

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。