你可能在談話中聽到過‘deep learning’這個短語，或者你在這篇文章裡讀到過。似乎今天發生的幾乎每一次科技談話都以某種方式觸及
AI、machine learning或deep learning的主題。這些技術正在進入它們自己的領域，並將帶來巨大的變革，不僅對科技產業，而且對全球經濟和社會的各個方面都是如此。但…這一切到底是什麼意思？
就我而言，作為一名風投公司和規模計劃的常務董事，我曾與許多初創公司合作，這些公司正在利用deep learning和其他AI技術。我最近創建了一份白皮書，幫助非人工智能專家瞭解深入學習的潛力，以改變他們的業務。
你可以看到白皮書這裡，但我想強調其中的一些想法，同時提供更多的背景，為什麼deep learning是如此重要。
為什麼是現在？
推動深度學習發展的關鍵因素有：計算能力、數據和人工智能即服務。
AI已經存在了很長一段時間，可以追溯到20世紀50年代。但是今天比以往任何時候都有更多的計算能力，而且它開始以幾年前不可能的方式使強大的人工智能成為可能。
這在很大程度上歸功於雲的計算能力，但也可以追溯到硅技術的進步。這也是為什麼我們看到所有的主要玩家致力於專門的人工智能芯片，以進一步推動這些進步。
所有這些處理能力所帶來的關鍵進展是能夠處理所需的大量數據，以使AI…智能。AI主要是關於數據的，它正在以驚人的數量生成。僅僅在過去的兩年中，所有存在的數據中有90%是被創建的。在人工智能的世界裡，數據是黃金，它是石油，它是不可替代的有價值的商品。
然而，正在變得更加可用和商品化的是處理所有這些數據所需的實際人工智能算法——一種“AI-as-a-Service”。
許多科技巨頭通過他們的雲平臺通過APIs提供AI algorithms。但是，沒有人能夠取代數據本身，正是在那裡，艱苦的工作仍有待完成。這個難懂的詞的一個例子就是數據的標註，這還得由人類來完成。
原因是機器學習的方法之一，是它們需要被正確地標註和檢查的準確數據。這仍然是一項耗時而昂貴的任務，這也是數據如此寶貴的原因之一。
綜觀這三大要素，很明顯，數據在價值方面是最明顯的贏家。AI-as-a-Service是一種人人都能得到的商品，計算能力是一種人人都可以利用的商品，但數據是一種從技術平臺有機地產生的寶貴自然資源。
與國家和自然資源一樣，一些平臺數據豐富，而另一些平臺數據貧乏。那些能夠明智地利用他們的數據資源的公司將從AI revolution中獲得最大的利益。
Machine learning and deep learning
“那又怎樣是這些東西已經準備好了嗎？“我聽到你問。Machine learning是deep learning的一個子集，是機器變得更加智能的過程。具體來說，這是一種機器學習的方式，沒有人的交互，也沒有指導。機器被教導去識別事物，完成任務，做預測，以及許多其他的事情。
我認為deep learning是不同類型機器學習中“最奇特的”，因為它就像人腦一樣依賴於神經網絡。不要害怕這個術語——要理解一個神經網絡，只需想一想建立在彼此之上的功能層。
例如，想象一下日常生活中的一個場景：你看到一個物體，識別它是圓的，識別它是橙色的，然後識別它是一個水果，因此它是一個橘子。這些結論中的每一項都需要某種功能來識別整體目標的一部分，並以其他功能的結果為基礎。
那麼，為什麼deep learning如此奇特呢？
現在，真正令人興奮的部分來了。Deep learning最適合處理龐大的數據集。它提供了幾種真正令人興奮的訓練機器的方法。
大多數情況下，這是通過所謂的“supervised learning”來完成的，它處理已經被標記的數據。然而，還有其他一些具有不可思議潛力的方法：
Unsupervised learning——用這種方法， 你不用給數據貼標籤。相反，您可以簡單地提交大量數據，並通過查找模式或集群來完成系統任務。這對於像查看用戶數據這樣的事情是非常有價值的，個人很可能會將這些數據轉化為忠誠的客戶。
Reinforcement learning ——這是關於訓練系統來實現目標的。這樣做的方式是如果系統取得了一些成果，給它一個獎勵，如果它沒有取得成果給予懲罰。此方法可用於優化頁面上文章的起始位置等任務——單擊是對系統的獎勵，而不單擊則是一種懲罰。
Generative adversarial networks ——這是一種神經網絡結構，兩個AI相互競爭，一個AI試圖生成假數據，另一個試圖識別假數據。
例如，設想一種算法，用來生成名人或政客等知名人物的假視頻，而另一種算法則是用來識別那些假視頻的計數器算法。雖然這有潛力創造出非常聰明和創造性的AI，但濫用的可能性是真實的，不應該忽視風險。
那麼底線是什麼？
就像我剛開始說的，感覺每個人現在都在談論AI。但為什麼呢？很多buzz都表現為恐懼：害怕AI會奪走我們的工作；害怕AI會傷害我們。這些擔憂是有一定道理的，尤其是在就業方面。
AI有可能奪走工作，並且可能完全消除某些工作。當然，AI也會創造新的就業機會，甚至包括我們無法想象的角色。
然而，關於AI還有另一個具有諷刺意味的事實：它將幫助我們變得更有人情味。它將使我們擺脫乏味、單調的任務，而這些任務更適合於一臺機器。做那種工作並不是我們註定要做的。
人類是富有想象力和創造性的生物。當我們發明新事物、充滿情感和美麗時，我們處於最佳狀態——而不是困在橡皮圖章、大規模重複生產的任務中。
當然，還有其他障礙。我們今天擁有的數據還不夠乾淨，算法還處於早期階段，我們仍然需要大量的計算能力來推動所有這些deep learning。然而，深入學習的潛力，使真正的，強大的AI 解決方案使我充滿興奮。
如今，AI正被用於一些平凡的事物，比如讓我們更好地推銷更有意義的應用，比如掃描醫學圖像以尋找疾病，以及在自動駕駛汽車中，這將使道路旅行變得更加安全。這讓我覺得自己像個孩子，想象著我們可以迎來的未來，我希望在讀完這篇文章之後，你也會感到如此興奮。
原文鏈接：
https://thenextweb.com/contributors/2018/07/14/quick-guide-to-deep-learning/
閱讀更多 雲技術 的文章
