深度學習之我見

   2006年Hinton等人提出深度學習的概念 ，是人工智能這幾年最大的突破的原因。這裏一句話概括下什麼是深度學習：“輸入一個對象，通過逐層進行多維度運算，最後輸入結果”。
   深度學習其實是相對專家系統而言，之前的判斷是通過用大量 “如果-就” (If - Then) 規則定義的，自上而下的思路。深度學習是仿照人工神經網絡 自下而上的思路，試圖模仿大腦的神經元之間傳遞，處理信息的模式。

   以上是現在深度學習的情況，接下來我說下深度學習以後可能發展的情況。深度學習本質其實就是模擬人腦來學習知識，然後運算處理我們需要解決的問題。所有我們先看下我們的人腦，左腦主要從事邏輯思維，右腦主要從事形象思維。現在我們的深度學習，其實模仿的是人的左腦，通過高存儲，高運算，計算機在很多領域在邏輯思維上已經超過了人腦，仿照人工神經網絡的原理，可以說目前的人工智能算法完全可以替代人。但人的右腦主要是創新，形象思維，這是電腦無法完成的。但人的右腦是如何工作的呢？
   這裏我們來個遊戲，氵+ 來(lai)=淶（lai）,氵+ 去(qu)=法（qu）,如果最快的速度人們認爲這個是合理的，但仔細一想應該讀法（fa）,通過這個實驗我們知道，其實人們識別判斷第一反映是右腦，然後在左腦。也就說人們爲了快速判斷一件事情，第一反映是感性的，後面才理性。
   接下來開始說複雜的了，我們人腦一開始依靠記憶力和邏輯，例如我們小時候認動物：

這個是蛇，小時候父母告訴我們是危險動物，但蛇的種類很多，我們不可能看到所有種類，例如：

   這是一個很抽象的蛇，我們計算機是無法通過第一張圖蛇，判斷第二張圖也是蛇。我們的右腦會把第一張圖的關鍵點提取出來，然後後面看見一樣的，先會用右腦判斷是危險還是安全，然後在左腦詳細判斷出來，這也是我們人類能存活到現在的原因，否則早被猛獸吃掉。
   好接下來說下計算機，人的左像腦就計算機通，過深度學習+海量數據，實現人的邏輯處理，例如運算，圖像比對，重複海量計算等。但人的右腦就比較負責，他需要把一個個的海量數據抽取，然後不斷完善其模型，等出現同樣的問題，第一時間看有模型能匹配沒有，然後在邏輯出有對應的實體數據。
最後總結下：
1深度學習是模仿人工神經網絡，目前已經能超過人的邏輯運算能量，但人的形象思維目前還無法完成。
2人對事情的判斷是先形象在邏輯，這樣可以減少危險，加快對事情的處理。
3計算機需要具有形象思維，才能算完整的人腦模型。