你可能在谈话中听到过‘deep learning’这个短语，或者你在这篇文章里读到过。似乎今天发生的几乎每一次科技谈话都以某种方式触及
AI、machine learning或deep learning的主题。这些技术正在进入它们自己的领域，并将带来巨大的变革，不仅对科技产业，而且对全球经济和社会的各个方面都是如此。但…这一切到底是什么意思？
就我而言，作为一名风投公司和规模计划的常务董事，我曾与许多初创公司合作，这些公司正在利用deep learning和其他AI技术。我最近创建了一份白皮书，帮助非人工智能专家了解深入学习的潜力，以改变他们的业务。
你可以看到白皮书这里，但我想强调其中的一些想法，同时提供更多的背景，为什么deep learning是如此重要。
为什么是现在？
推动深度学习发展的关键因素有：计算能力、数据和人工智能即服务。
AI已经存在了很长一段时间，可以追溯到20世纪50年代。但是今天比以往任何时候都有更多的计算能力，而且它开始以几年前不可能的方式使强大的人工智能成为可能。
这在很大程度上归功于云的计算能力，但也可以追溯到硅技术的进步。这也是为什么我们看到所有的主要玩家致力于专门的人工智能芯片，以进一步推动这些进步。
所有这些处理能力所带来的关键进展是能够处理所需的大量数据，以使AI…智能。AI主要是关于数据的，它正在以惊人的数量生成。仅仅在过去的两年中，所有存在的数据中有90%是被创建的。在人工智能的世界里，数据是黄金，它是石油，它是不可替代的有价值的商品。
然而，正在变得更加可用和商品化的是处理所有这些数据所需的实际人工智能算法——一种“AI-as-a-Service”。
许多科技巨头通过他们的云平台通过APIs提供AI algorithms。但是，没有人能够取代数据本身，正是在那里，艰苦的工作仍有待完成。这个难懂的词的一个例子就是数据的标注，这还得由人类来完成。
原因是机器学习的方法之一，是它们需要被正确地标注和检查的准确数据。这仍然是一项耗时而昂贵的任务，这也是数据如此宝贵的原因之一。
综观这三大要素，很明显，数据在价值方面是最明显的赢家。AI-as-a-Service是一种人人都能得到的商品，计算能力是一种人人都可以利用的商品，但数据是一种从技术平台有机地产生的宝贵自然资源。
与国家和自然资源一样，一些平台数据丰富，而另一些平台数据贫乏。那些能够明智地利用他们的数据资源的公司将从AI revolution中获得最大的利益。
Machine learning and deep learning
“那又怎样是这些东西已经准备好了吗？“我听到你问。Machine learning是deep learning的一个子集，是机器变得更加智能的过程。具体来说，这是一种机器学习的方式，没有人的交互，也没有指导。机器被教导去识别事物，完成任务，做预测，以及许多其他的事情。
我认为deep learning是不同类型机器学习中“最奇特的”，因为它就像人脑一样依赖于神经网络。不要害怕这个术语——要理解一个神经网络，只需想一想建立在彼此之上的功能层。
例如，想象一下日常生活中的一个场景：你看到一个物体，识别它是圆的，识别它是橙色的，然后识别它是一个水果，因此它是一个橘子。这些结论中的每一项都需要某种功能来识别整体目标的一部分，并以其他功能的结果为基础。
那么，为什么deep learning如此奇特呢？
现在，真正令人兴奋的部分来了。Deep learning最适合处理庞大的数据集。它提供了几种真正令人兴奋的训练机器的方法。
大多数情况下，这是通过所谓的“supervised learning”来完成的，它处理已经被标记的数据。然而，还有其他一些具有不可思议潜力的方法：
Unsupervised learning——用这种方法， 你不用给数据贴标签。相反，您可以简单地提交大量数据，并通过查找模式或集群来完成系统任务。这对于像查看用户数据这样的事情是非常有价值的，个人很可能会将这些数据转化为忠诚的客户。
Reinforcement learning ——这是关于训练系统来实现目标的。这样做的方式是如果系统取得了一些成果，给它一个奖励，如果它没有取得成果给予惩罚。此方法可用于优化页面上文章的起始位置等任务——单击是对系统的奖励，而不单击则是一种惩罚。
Generative adversarial networks ——这是一种神经网络结构，两个AI相互竞争，一个AI试图生成假数据，另一个试图识别假数据。
例如，设想一种算法，用来生成名人或政客等知名人物的假视频，而另一种算法则是用来识别那些假视频的计数器算法。虽然这有潜力创造出非常聪明和创造性的AI，但滥用的可能性是真实的，不应该忽视风险。
那么底线是什么？
就像我刚开始说的，感觉每个人现在都在谈论AI。但为什么呢？很多buzz都表现为恐惧：害怕AI会夺走我们的工作；害怕AI会伤害我们。这些担忧是有一定道理的，尤其是在就业方面。
AI有可能夺走工作，并且可能完全消除某些工作。当然，AI也会创造新的就业机会，甚至包括我们无法想象的角色。
然而，关于AI还有另一个具有讽刺意味的事实：它将帮助我们变得更有人情味。它将使我们摆脱乏味、单调的任务，而这些任务更适合于一台机器。做那种工作并不是我们注定要做的。
人类是富有想象力和创造性的生物。当我们发明新事物、充满情感和美丽时，我们处于最佳状态——而不是困在橡皮图章、大规模重复生产的任务中。
当然，还有其他障碍。我们今天拥有的数据还不够干净，算法还处于早期阶段，我们仍然需要大量的计算能力来推动所有这些deep learning。然而，深入学习的潜力，使真正的，强大的AI 解决方案使我充满兴奋。
如今，AI正被用于一些平凡的事物，比如让我们更好地推销更有意义的应用，比如扫描医学图像以寻找疾病，以及在自动驾驶汽车中，这将使道路旅行变得更加安全。这让我觉得自己像个孩子，想象着我们可以迎来的未来，我希望在读完这篇文章之后，你也会感到如此兴奋。
原文链接：
https://thenextweb.com/contributors/2018/07/14/quick-guide-to-deep-learning/
閱讀更多 雲技術 的文章
