1
| 本文作者： 老王 | 2016-12-07 10:29 |
雷鋒網(wǎng)按：為了方便讀者學習和收藏，雷鋒網(wǎng)特地把吳恩達教授在NIPS 2016大會中的PPT做為中文版，由三川和亞峰聯(lián)合編譯并制作。
今日，在第 30 屆神經(jīng)信息處理系統(tǒng)大會（NIPS 2016）中，百度首席科學家吳恩達教授發(fā)表演講：《利用深度學習開發(fā)人工智能應用的基本要點（Nuts and Bolts of Building Applications using Deep Learning）》。
此外，吳恩達教授曾在今年 9 月 24/25 日也發(fā)表過同為《Nuts and Bolts of Applying Deep Learning》的演講(1小時20分鐘)，以下是 YouTube 鏈接：
https://www.youtube.com/watch?v=F1ka6a13S9I
吳恩達在開場提到：深度學習為何這么火？
答案很簡單：
第一是因為規(guī)模正在推動深度學習的進步。
從傳統(tǒng)算法到小型神經(jīng)網(wǎng)絡、中型神經(jīng)網(wǎng)絡最后演化為現(xiàn)在的大型神經(jīng)網(wǎng)絡。
第二：端到端學習的崛起
從下圖中的上半部分可以看出，傳統(tǒng)端到端學習是把實體數(shù)據(jù)表達成數(shù)字數(shù)據(jù)，輸出數(shù)字值作為結果。如退昂識別最后以整數(shù)標簽輸出為結果。
而現(xiàn)在的端對端學習更為直接純粹，如機器翻譯：輸入英語文本，輸出法語文本；語音識別：輸入音頻，輸出文本。但端對端學習需要大量的訓練集。
吳恩達先講述了常見的深度學習模型，然后再著分析端到端學習的具體應用。
二、主要的深度學習模型
普通神經(jīng)網(wǎng)絡
順序模型 (1D 順序) RNN, GRU, LSTM, CTC, 注意力模型
圖像模型 2D 和 3D 卷積神經(jīng)網(wǎng)絡
先進/未來 技術：無監(jiān)督學習（稀疏編碼 ICA, SFA,）增強學習
傳統(tǒng)模型：語音→運算特征—（人工設計的 MFCC 特征）→音素識別器—（音素識別）→最終識別器→輸出。
端到端學習：音頻→學習算法→轉(zhuǎn)錄結果；在給定了足夠的有標注數(shù)據(jù)（音頻、轉(zhuǎn)錄結果）時，這種方法的效果會很好。
傳統(tǒng)模型：攝像頭圖像→檢測汽車+檢測行人→路徑規(guī)劃→方向控制。
端到端學習：攝像頭圖像→學習算法→方向控制。
自動駕駛對安全有極高要求，因此需要極高的精確度。采取純粹的端到端學習十分有挑戰(zhàn)性。只在有足夠（x，y）的數(shù)據(jù)，來學習足夠復雜的函數(shù)的情況下，端到端學習才有效果。
你經(jīng)常有很多改進 AI 系統(tǒng)的主意，應該怎么做？好的戰(zhàn)略能避免浪費數(shù)月精力做無用的事。
以語音識別為例，可以把原語音數(shù)據(jù)分割成：
60% 訓練集（訓練模型）
20% 開發(fā)集（開發(fā)過程中用于調(diào)參、驗證等步驟的數(shù)據(jù)集）
20% 測試集（測試時所使用的數(shù)據(jù)集）
這里面普及幾個概念：
人類水平的誤差與訓練集的誤差之間的差距是可避免的偏差，這部分誤差可以通過進一步的學習/模型調(diào)整優(yōu)化來避免。
訓練集和開發(fā)集之間的差距稱為方差，其因為跑了不同的數(shù)據(jù)從而導致誤差率變化。
上述兩種偏差合在一起，就是偏差-方差權衡（bias-variance trade-off）。
假設你想要為一個汽車后視鏡產(chǎn)品，開發(fā)語音識別系統(tǒng)。你有 5000 小時的普通語音數(shù)據(jù)，還有 10 小時的車內(nèi)數(shù)據(jù)。你怎么對數(shù)據(jù)分組呢？這是一個不恰當?shù)姆绞剑?/p>
更好的方式：讓開發(fā)和測試集來自同樣的分配機制。
當機器學習在處理某項任務上比人類表現(xiàn)還差時，你經(jīng)常會看到最快的進步。
機器學習超越人后，很快就會靠近貝葉斯最優(yōu)誤差線。
可以依靠人類的直覺：（i）人類提供加標簽的數(shù)據(jù)。（ii）進行錯誤分析，來理解人是怎么對樣本正確處理的（iii）預估偏差/方差。比如，一項圖像識別任務的訓練誤差 8%， 開發(fā)誤差 10%，你應該怎么處理？
新的監(jiān)督DL算法的存在，意味著對使用 DL開發(fā)應用的團隊合作，我們在重新思考工作流程。產(chǎn)品經(jīng)理能幫助 AI 團隊，優(yōu)先進行最出成果的機器學習任務。比如，對于汽車噪音、咖啡館的談話聲、低帶寬音頻、帶口音的語音，你是應該提高語音效果呢，還是改善延遲，縮小二進制，還是做別的什么？
今天的人工智能能做什么呢？這里給產(chǎn)品經(jīng)理一些啟發(fā)：
如果一個普通人完成一項智力任務只需不到一秒的思考時間，我們很可能現(xiàn)在，或者不遠的將來，用 AI 把該任務自動化。
對于我們觀察到的具體的、重復性的事件（比如用戶點擊廣告；快遞花費的時間），我們可以合理地預測下一個事件的結果（用戶是否點擊下一個此類廣告）。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
