勤学励志文章

勤学励志文章

　　勤学是我们每个人最应该做到的习惯，那么勤学励志文章都有哪些呢?一起来看看吧。

　　勤学励志文章：深度学习是什么

　　作者：猎豹CEO傅盛

　　人工智能，就好像第四次工业革命，正从学术界的私藏，转变为一种能够改变世界的力量。尤其，以深度学习取得的进步为显著标志。它让匍匐前进60年的人工智能一鸣惊人。我们正降落到一片新大陆。深度学习带来的这场重大技术革命，有可能颠覆过去20年互联网对技术的认知，实现技术体验的跨越式发展。

　　那么，深度学习到底是什么?怎么理解它的重要性?

　　我们先从概念和现象入手。我总结了一句话，学术上看未必严谨，但从我的理解角度看——深度学习是基于多层神经网络的，海量数据为输入的，规则自学习方法。

　　这里包含了几个关键词：

　　第一个关键词叫多层神经网络。

　　深度学习所基于的多层神经网络并非新鲜事物，甚至在80年代被认为没前途。但近年来，科学家们对多层神经网络的不断算法优化，使它出现了突破性的进展。以往很多算法是线性的。而这世界上大多数事情的特征是复杂非线性的。比如猫的图像中，就包含了颜色、形态、五官、光线等各种信息。深度学习的关键就是通过多层非线性映射将这些因素成功分开。

　　那为什么要深呢?多层神经网络比浅层的好处在哪儿呢?

　　简单说，就是可以减少参数。因为它重复利用中间层的计算单元。我们还是以认猫为例好了。它可以学习猫的分层特征：最底层从原始像素开始学习，刻画局部的边缘和纹;中层把各种边缘进行组合，描述不同类型的猫的器官;最高层描述的是整个猫的全局特征。它需要超强的计算能力，同时还不断有海量数据的输入。特别是在信息表示和特征设计方面，过去大量依赖人工，严重影响有效性和通用性。深度学习则彻底颠覆了“人造特征”的范式，开启了数据驱动的“表示学习”范式——由数据自提取特征，计算机自己发现规则，进行自学习。

　　你可以理解为——过去，人们对经验的利用，靠人类自己完成。在深度学习呢?经验，以数据形式存在。因此，深度学习，就是关于在计算机上从数据中产生模型的算法，即深度学习算法。

　　问题来了，几年前讲大数据，以及各种算法，与深度学习有什么区别呢?

　　过去的算法模式，数学上叫线性，x和y的关系是对应的，它是一种函数体现的映射。但这种算法在海量数据面前遇到了瓶颈。国际上著名的ImageNet图像分类大赛，用传统算法，识别错误率一直降不下去，上深度学习后，错误率大幅降低。在2010年，获胜的系统只能正确标记72%的图片;到2012年，多伦多大学的 Geoff Hinton利用深度学习的新技术，带领团队实现了85%的准确率。2015年的ImageNet竞赛上，一个深度学习系统以96%的准确率第一次超过了人类(人类平均有95%的准确率)。

　　计算机认图的能力，已经超过了人。尤其图像和语音等复杂应用，深度学习技术取得了优越的性能。为什么呢?其实就是思路的革新。

　　举几个脑洞大开的例子。

　　先说计算机认猫。我们通常能用很多属性描述一个事物。其中有些属性可能很关键，很有用，另一些属性可能没什么用。我们就将属性被称为特征。特征辨识，就是一个数据处理的过程。传统算法认猫，也是标注各种特征去认。就是大眼睛，有胡子，有花纹。但这种特征写着写着，有的猫和老虎就分不出来，狗和猫也分不出来。这种方法叫——人制定规则，机器学习这种规则。

　　深度学习方法怎么办呢?直接给你百万张图片，说这里有猫，再给你上百万张图，说这里没猫。然后再训练一个深度网络，通过深度学习自己去学猫的特征，计算机就知道了，谁是猫。

　　第二个例子是谷歌训练机械手抓取。

　　传统方法肯定是看到那里有个机械手，就写好函数，move到xyz标注的空间点，利用程序实现一次抓取。而谷歌现在用机器人训练一个深度神经网络，帮助机器人根据摄像头输入和电机命令，预测抓取的结果。简单说，就是训练机器人的手眼协调。机器人会观测自己的机械臂，实时纠正抓取运动。所有行为都从学习中自然浮现，而不是依靠传统的系统程序。

　　为了加快学习进程，谷歌用了14个机械手同时工作，在将近3000小时的训练，相当于80万次抓取尝试后，开始看到智能反应行为的出现。据公开资料，没有训练的机械手，前30次抓取失败率为34%，而训练后，失败率降低到18%。这就是一个自我学习的过程。

　　有人问了，深度学习，能学习写文章吗?

　　来看这个例子。斯坦福大学的计算机博士andrej kapathy曾用托尔斯泰的小说《战争与和平》来训练神经网络。每训练100个回合，就叫它写文章。100个回合后，机器知道要空格，但仍然有乱码。500个回合后，能正确拼写一些短单词。1200个回合后，有标点符号和长单词。2000个回合后，已经可以正确拼写更复杂的语句。

　　整个演化过程是个什么情况呢?以前我们写文章，只要告诉主谓宾。而以上过程，完全没人告诉机器语法规则。甚至，连标点和字母区别都不用告诉它。不告诉机器任何程序。只是不停将原始数据进行训练，一层一层训练，最后输出结果——就是一个个看得懂的语句。一切看起来都很有趣。人工智能与深度学习的美妙之处，也正在于此。

　　我还去硅谷看过一家公司——完全颠覆以往的算法，利用深度学习实现图像深度信息的采集。

　　众所周知，市面上已经有无人机，可实现人的跟踪。它的方法是什么呢?一个人，在图像系统里，一堆色块的组合。通过人工的方式进行特征选择，比如颜色特征，梯度特征。拿简单的颜色特征举例：比如你穿着绿色衣服，突然走进草丛，就可能跟丢。或，他脱了件衣服，几个人很相近，也容易跟丢。此时，若想在这个基础上继续优化，将颜色特征进行某些调整，是非常困难的。而且调整后，还会存在对过去某些状况不适用的问题。

　　总之，这样的算法需要不停迭代，迭代又会影响前面的效果。而硅谷这个团队，利用深度学习，把所有人脑袋做出来，只区分好前景和背景。区分之后，背景全部用数学方式随意填充，再不断生产大量背景数据，进行自学习。只要把前景学习出来就行。

　　据我所知，很多传统方法，还在采用双目视觉。用计算机去做局部匹配，再根据双目测出的两个匹配的差距，去推算空间另一个点和它的三角位置，从而判断离你多远。可想而知，深度学习的出现，使得很多公司辛苦积累的软件算法直接作废了。“算法为核心竞争力”，正在转变为，“数据为核心竞争力”。技术人员必须进入新的起跑线。

　　最后再举个例子。

　　大家都做过胃镜。尤其胃痛，很痛苦。肠胃镜要分开做，而且小肠看不见。有一家公司出了一种胶囊摄像头。吃进去后，在你的消化道，每5秒拍一幅图，连续摄像，此后再排出胶囊。所有关于肠道胃部的问题，全部完整记录。但医生光把那个图看完，就需要五个小时。原本的机器主动检测漏检率高，要医生复查。后来，他们采用深度学习。采集8000多例图片数据灌进去，用机器不断学，不仅提高诊断精确率，减少了医生的漏诊，以及对稀缺好医生的经验依赖。只需要靠机器自己去学习规则。

　　深度学习算法，可以帮助医生作出决策。

　　了解完深度学习，接着思考一个问题——20世纪70年代末80年代初，个人电脑突飞猛进时，人工智能的商业化却步履维艰。乔布斯曾这样定义个人计算机的价值——“它是我们思维的自行车”。那么，今天的人工智能呢?深度学习呢?它给我们真正带来的东西是什么?未来，对行业和社会有什么影响?中国公司的机会在哪?

　　勤学励志文章：学习的捷径从模仿和重复开始

　　作者：刘思言

　　最近终于有能量去拾起以前丢下的兴趣爱好。由于时间关系，只能买书自学。也有在微博上关注一些水彩大触。仔细研究发现，他们开班教授的水彩课，大都一个模式。就是老师先示范一遍怎么画，然后学生再按照老师的步骤，去把老师画过的画重新画一遍。如果一遍不行，达不到预期效果，那就重复多遍。

　　这种学习方法，适用于很多地方。据我观察，我们的人生经历中，有很多课程都是通过这种方法所习得。

　　最早先的时候，当我们还是襁褓中的婴儿，又或是牙牙学语的幼儿，我们所有的行为模式，包括脾气性格，都是在模仿大人。我们会模仿大人说话，走路，做动作。也会学到大人不好的行为习惯。

　　在动物界，成年的动物也会教授幼年动物捕猎技巧，生存技能。所有的教授，都是让幼年的动物模仿自己。通过一遍一遍的模仿，最终变成自己所掌握的技能。

　　这些是因为肌肉具有记忆效应。同一种动作重复多次以后，肌肉就会形成条件反射。所以英语学习中常说的语感，其实也是一种肌肉记忆。通过不断练习模仿，模仿标准发音，重复阅读，使肌肉和舌头形成条件反射，以此来增强我们的语感。

　　所以一开始学习英语的时候，老师都会教我们如何朗读，也会让我们去听英语原声磁带。还有一些同学是喜欢听VOA和BBC这样的英文广播，或是去听一些英语演讲，比如美国总统就职演说一类的，还有些同学喜欢看原声电影或电视剧。所有这些，都是一个模仿的过程。当我们的发音还不那么标准的时候，我们就通过去模仿那些标准的发音，来纠正自己。同时也提高了我们自己的听力水平。

　　同样适用的还有画画和书法。我至今都清楚地记得小学三年级的时候，学校搞了个画画比赛。我回家对着家里的年画年年有鱼画了一幅。是一个穿着红肚兜的中国传统娃娃骑坐在一条大红色锦鲤身上，特别喜庆。那是我第一次认认真真地画完一幅画。我尽量模仿年画的样子，尽量百分百地还原那副年画。

　　后来那副画得了一等奖。那是我第一次感觉，画画好像没那么难。后来也断断续续地画。那个时候最喜欢的就是画花仙子。也是尽量地模仿书本上花仙子的样子。所以临摹一定是画画的第一步。当我们还不会自己构图的时候，当我们对事物还没有那么深刻理解的时候，临摹也许是最简单最有效也最捷径的方法了。

　　而对于书法来说，临帖更是必不可少。临帖是书法家终生的必修课。但临帖一定要临那些经典的作品。因为好的书法作品，一定能带给你不一样的启发。你每次临完之后一定会有不同的收获。可是不好的作品同样也会带给你不好的影响。重复与模仿这种方法可行，是因为我们模仿的对象是值得学习的。如果一开始你模仿的对象就是一个伪对象，你不但会失去真正模仿的意义，也会把那些坏习惯学过来。

　　所以为什么我们总爱说要树立好的榜样。因为坏榜样一旦有人模仿，后果也是不堪设想。

　　最近看浙江卫视有档歌唱类节目叫我是大歌神。里面的选手就叫模唱选手。模唱选手和歌手本尊在挑战间里面唱，下面有猜评团的评委来猜哪个才是真正的歌手本尊。有那么一些模唱歌手，真的能以假乱真，让人分不清真伪。

　　所以主持人说虽然现在是模唱歌手，但将来也有可能找到自己的方向，成为真正的歌手。天后那英没成名以前去参加歌唱比赛，也可以说是模唱。她当时模仿的是苏芮。所以，在我们还没有足够的力量形成自己的风格以前，模仿也不失为一个好方法。我觉得这种方法最适合我这种音痴。

　　我一直唱歌都五音不全，老走调。有段时间觉得应该要好好改变一下，最好能一雪前耻。于是对着电脑一遍一遍地练习丁当的《我爱他》，后来有次去KTV，一个唱歌很好的朋友居然说这首唱得不错，是练过的吧?嘿嘿，我会告诉你为了唱好这首歌我练了三个月?

　　同样的，我觉得重复和模仿还适用于学习舞蹈。大家想想为什么有那么多人模仿MJ呢?那些舞蹈工作室的学员们，有哪个不是一遍遍地对着碟片认真练习那些经典的舞蹈?当你还没有掌握基础的舞蹈动作，没有能力编舞的时候，那么还是老老实实地从模仿和重复开始吧。

　　然后我想最适用这种方法的，应该要算某些体育运动了。这大概也是因为运动靠的就是肌肉啊，当然锻炼的也是肌肉。学乒乓球和羽毛球的同学都知道，教练教给你手的动作，然后就会让你重复练习，增强肌肉记忆。而标准的握拍、挥拍、拉球等动作一旦习得，就一辈子都不会忘记。诸如鲍春来，王楠这样的羽坛乒坛大咖，即使退役多年，参加某些综艺节目的时候，人家一上手，分分钟就知道什么叫专业范。至于像体操跳水那些动作，哪个不是靠上千上万次的练习来掌握的?

　　所以你看，重复和模仿真的是一条捷径，能帮助你学习基础，掌握技巧，提高技艺，然后才是形成自己的风格。也许很多时候不是我们学不会什么，而是我们愿不愿意花点时间去重复与模仿。不要觉得重复与模仿可笑无聊低级。因为这是每一次学习的必经之路，是所有后天学习的基石。基础打好了，要盖高楼大厦那还不是迟早的事儿吗?