机器人是怎么深度学习的(2)
http://www.newdu.com 2024/11/24 05:11:10 解放日报 夏斌 参加讨论
什么让深度学习实现超越 不过,创造一个强大的神经网络需更多处理层。而由于硬件限制,早期仅能制造2至3个神经层。那么,是什么让深度学习实现超越呢? 显然,高性能计算能力的提升是一大助力。这些年GPU(图形处理器)、超级计算机和云计算的迅猛发展,让深度学习脱颖而出。2011年谷歌大脑用了1000台机器、16000个CPU处理的深度学习模型大概有10亿个神经元。而现在,我们已经可以在几个GPU上完成同样的计算了。 “深度学习还得到大数据的助力,就像火箭有了燃料。”格灵深瞳计算机视觉工程师、清华大学自动化系博士潘争介绍,深度学习技术建立在大量实例基础上,就像小孩收集现实世界的信息一样。而且,“喂”的数据越多,它就越聪明,并且不会“消化不良”。因为大数据的不可或缺,所以目前深度学习做得最好的基本是拥有大量数据的IT巨头,如谷歌、微软、百度等。 现在,深度学习技术在语音识别、计算机视觉、语言翻译等领域,均战胜传统的机器学习方法,甚至在人脸验证、图像分类上还超过人类的识别能力。专家预计,再过些年,我们口袋里的手机也可以运行像人脑一样复杂的神经网络。 不过,就目前的趋势来看,深度学习技术仍然无法代替“坐在后台监控室的人”。举个例子,如果你和朋友在一家饭店里用餐后抢着结账,这种推搡过程,智能摄像头尚难以判断是在打架还是怎么了。可见,逻辑判断和情感选择,是深度学习尚难以逾越的障碍。 (部分资料引自《三联生活周刊》、雷锋网) ◇案例◇ 一眼就能识别坏人的系统 专注于计算机视觉及人工智能的科技公司格灵深瞳,将基于深度学习技术研发的智能识别系统,运用到银行安防监控领域。 考虑到传统光学镜头在识别图像时会丢失“深度”维度,格灵深瞳专门为银行安监开发了一套三维传感器。在它的背后,一套奖惩机制训练成的算法模型能够主动识别异常。“看见有人走近了一个有人的自动柜员机,而不是旁边那个空着的,此时要识别他的轨迹、判断其行为是否正常,就牵涉到深度学习。”格灵深瞳CEO何搏飞介绍,如果系统识别出异常,它就会推送给后台监督者。而为了教会机器判断准确,背后需要提供几十万量级的图片数据。 何搏飞指出,给这个智能识别系统一张侧脸或者是没有脸的全身照,它也能以超过99%的精度迅速锁定目标。前提是建一个6000到1.5万的样本库,“一旦样本达到百万级,可能精度要下降20%或更多。” (责任编辑：admin) |