0 0
Read Time:1 Minute, 23 Second

前言: 深度学习 (Deep Learning) 很难让我们能从中获利与拥有高度的用户忠诚度 ?

  深度学习的 “反向传播”、“梯度递减” 使得深度学习的算法模型是 “可行” 的;但由 “反向传播”、“梯度递减” 所证明的 “可行性”,并不代表着深度学习可在 “合理”、“可负担” 的成本下,能被广泛的被运用的。

近十年来,业界一直在想法设法的在解决由 “反向传播”、“梯度递减” 所引入的 “数据不确定性” 的问题;假如,这个问题没办法找到解决的方案,那深度学习将只能成为 “高成本”、“特定的应用” 下的解决方案。也就是说, 我们想要运用深度学习, 让我们能从人工智能的产品中获利, 恐怕是真的会事与愿违的 ?!

深度学习的算法模型是从 “数据” 中去学习、建立起智能的时候,机器所拥有的智能就只是擅长于做 “数学” 上所能做的事情;预测、分类;而绝对不会有直觉认知、感情。因为,数学是没有 “直觉认知”、”感情” 的。
 
一个缺少了人类的直觉认知、感情、喜、怒、哀、樂的人工智能的产品, 怎么可能会有高度的用户忠诚度 ?!

 

 

本文: 掌握关键技术先, 才能谈获利、用户忠诚度

     我们要期望能从人工智能的产品中获利与拥有高度的用户忠诚度, 我们就必需要确定自身掌握了两大关键技术:

  • 获利: 让机器(算法模型)拥有 Common Senses
  • 用户忠诚度: 让机器(算法模型)有能力 “直接” 的向人类学习

获利: 让机器(算法模型)拥有 Common Senses

   深度学习的算法模型让机器拥有著比人类强大的预测与分类的能力, 但却无法像人类一样的拥有对一般事物的 Common Senses。

例如: 当我拿著不论是我在家中拍的照片或是我在海边拍的照片给我的朋友看时, 我的朋友; 用著 Common Senses: 毫无疑问的一定都能从各种不同的地点、不同的场景中的照片, 识别出照片中的我。然而, 类似这种人类所具备的  Common Senses, 深度学习的算法模型却不一定是具备的; 也就是说, 我们也许必需要对深度学习的算法模型进行重新的训练。

对深度学习的算法模型进行重新的训练, 意味著将会引入由 “反向传播”、“梯度递减” 所导致的成本的问题; 由 “反向传播”、“梯度递减” 所导致的成本的问题, 势必将会逐步的侵蚀著我们在人工智能的产品上的获利的能力。

如何的让机器(算法模型)拥有 Common Senses ?!

当然, 我们绝不能用传统的土方法:

  • 用更多的 Training Data 训练我们的深度学习的算法模型
  • 在我们的深度学习的算法模型上加上更多的 Features

上述的两个传统的土方法, 不仅不能有效的解决问题, 还将会引入更多、更复杂的问题 ?!

让机器(算法模型)拥有 Common Senses, 关键的技术点就是:

   我们要能针对深度学习的算法模型进行评估; 评估深度学习的算法模型在面对 “不确定性 (Uncertainty)” 时的预测、分类的能力为何?

也就是说, 当深度学习的算法模型在面对 “不确定性 (Uncertainty)” 时的预测、分类的能力是要能符合我们的预期时, 这样的深度学习的算法模型才是个具备 Common Senses 的深度学习的算法模型。”

具备 Common Senses 的深度学习的算法模型, 才能避免因重新的训练, 而引入由 “反向传播”、“梯度递减” 所导致的成本的问题, 才能使得我们的人工智能的产品能具备获利的能力。

在后续的文章中, 我们将会再陆续的探讨: 如何的评估深度学习的算法模型在面对 “不确定性 (Uncertainty)” 时的预测、分类的能力 ? 

用户忠诚度: 机器(算法模型)有能力 “直接” 的向人类学习

   Deep Mind,实现了 “Meta-Reinforcement Learning “;使得深度学习的算法模型将能从 “Simulation ” 中去学习、建立起 “智能”;而不再是只能从 “数据” 中去学习、建立起智能。

当深度学习的算法模型是从 “数据” 中去学习、建立起智能的时候,机器所拥有的智能就只是擅长于做 “数学” 上所能做的事情;预测、分类;而绝对不会有直觉认知、感情。因为,数学是没有 “直觉认知”、”感情” 的⋯

当深度学习的算法模型能从 “Simulation ” 中去学习、建立起 “智能” 的时候,就代表着机器将能 “模仿” 人类的行为;就代表着机器是由 “人类的行为” 当中去学习的。

当深度学习的算法模型 能 “直接” 的向人类学习的时候,机器将能拥有与人类一样的情感、直觉认知,也就是不足为奇的事了。因为,人类是有感情的、是有直觉认知的。

Meta-Reinforcement Learning使得深度学习将不仅仅是能处理冷冰冰的数学;预测、分类;更能像人类一样的拥有热情、喜、怒、哀、乐⋯

结论: 要做到很不容易, But, Just Do It…

   单单只是掌握了深度学习, 并没有办法能让我们的人工智能的产品获利与拥有高度的用户忠诚度 ?!

我们要能让深度学习的算法模型拥有 Common Senses, 使得我们的人工智能的产品的开发、维护的成本降低, 以使得我们人工智能的产品, 能拥有获利的能力。

更进一步, 我们要使得深度学习的算法模型有能力 “直接” 的向人类学习; 使得机器将能拥有与人类一样的情感、直觉认知, 以使得我们人工智能的产品能更融入人类的社会, 获得更佳的使用者体验, 拥有更高且更长远的用户忠诚度!

   

About Post Author

方俊贤; Ken Fang

专利号: 201910652769.4; 一种深度学习的算法, 预测微服务持续发布、持续部署后对产品整体质量的影响, 获得国家知识财产局专利; 符合专利法实施细则第 44 条的规定。
Happy
Happy
0 %
Sad
Sad
0 %
Excited
Excited
0 %
Sleepy
Sleepy
0 %
Angry
Angry
0 %
Surprise
Surprise
0 %

Average Rating

5 Star
0%
4 Star
0%
3 Star
0%
2 Star
0%
1 Star
0%

发表回复

您的电子邮箱地址不会被公开。

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据