深度學(xué)習(xí)、機(jī)器學(xué)習(xí)與模式識(shí)別的研究

陳星沅　姜文博　張培楠

摘 要：科學(xué)技術(shù)的不斷進(jìn)步，帶來計(jì)算機(jī)技術(shù)的飛速發(fā)展，使得利用計(jì)算機(jī)實(shí)現(xiàn)人工智能成為可能，就是通過計(jì)算機(jī)去完成過去只有人才能做的智能工作。機(jī)器學(xué)習(xí)是計(jì)算機(jī)實(shí)現(xiàn)智能的重要方式，人工智能的發(fā)展離不開機(jī)器學(xué)習(xí)的支撐。深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和模式識(shí)別，是三個(gè)非常接近的概念，與當(dāng)下最熱門的科技主題——機(jī)器人和人工智能聯(lián)系緊密。該文分析了深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和模式識(shí)別的相關(guān)概念和聯(lián)系，研究了機(jī)器學(xué)習(xí)的發(fā)展歷程。

關(guān)鍵詞：計(jì)算機(jī)技術(shù) 深度學(xué)習(xí) 機(jī)器學(xué)習(xí) 模式識(shí)別

中圖分類號(hào)：G624 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2015）11（a）-0012-02

1 深度學(xué)習(xí)、機(jī)器學(xué)習(xí)與模式識(shí)別的聯(lián)系

模式識(shí)別、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)代表三種不同的思想流派。模式識(shí)別是最古老的，而且在現(xiàn)在術(shù)語(yǔ)中也是相對(duì)過時(shí)的一種說法；近些年，機(jī)器學(xué)習(xí)發(fā)展迅速，并且在相關(guān)領(lǐng)域的實(shí)際應(yīng)用中取得較好的效果，是當(dāng)下計(jì)算機(jī)領(lǐng)域的熱門技術(shù)，不少初創(chuàng)公司為之興起。而深度學(xué)習(xí)是繼機(jī)器學(xué)習(xí)之后，又一個(gè)嶄新的研究領(lǐng)域，現(xiàn)在還處于科研的初期階段，人們甚至都很難預(yù)測(cè)深度學(xué)習(xí)未來的影響力。

當(dāng)下，三者之間有以下發(fā)展態(tài)勢(shì)：

（1）機(jī)器學(xué)習(xí)就像是一個(gè)真正的冠軍一樣持續(xù)昂首而上；

（2）模式識(shí)別一開始主要是作為機(jī)器學(xué)習(xí)的代名詞；

（3）模式識(shí)別正在慢慢沒落和消亡；

（4）深度學(xué)習(xí)是個(gè)嶄新的和快速攀升的領(lǐng)域。

2 模式識(shí)別：智能程序的誕生

模式識(shí)別出現(xiàn)于上世紀(jì)七八十年代，它主要是研究如何讓計(jì)算機(jī)實(shí)現(xiàn)智能化，比如對(duì)數(shù)字“3”的識(shí)別。在經(jīng)過大量的測(cè)試和研究之后，計(jì)算機(jī)科研人員通過構(gòu)建程序，進(jìn)一步實(shí)現(xiàn)了五十年代一直被人們向往和崇拜的人工智能，例如將“3”與“B”或者“8”區(qū)分開來。最初，人們并不在意智能技術(shù)是如何實(shí)現(xiàn)甚至如何操作的，只要減少人工操作就滿足了大多數(shù)人的需求。不過，如果你的算法對(duì)圖像應(yīng)用了一些像濾波器、邊緣檢測(cè)和形態(tài)學(xué)處理等一些高端的技術(shù)后，模式識(shí)別相關(guān)專家就會(huì)對(duì)它產(chǎn)生極大的興趣，光學(xué)字符識(shí)別就是通過這些專家研究誕生的。因此，把模式識(shí)別稱為70年代，80年代和90年代初的“智能”信號(hào)處理是合適的。決策樹、啟發(fā)式和二次判別分析等就是在這個(gè)時(shí)期研發(fā)出來的。而且，在這個(gè)時(shí)代，模式識(shí)別是計(jì)算機(jī)科研領(lǐng)域的“大紅人”，成為科研人員爭(zhēng)相研究的技術(shù)。

2 機(jī)器學(xué)習(xí)：從樣本中學(xué)習(xí)的智能程序

2.1 機(jī)器學(xué)習(xí)概念

機(jī)器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。

2.2 機(jī)器學(xué)習(xí)發(fā)展?fàn)顩r

到上世紀(jì)九十年代，隨著模式識(shí)別計(jì)算方法的成熟和人們對(duì)人工智能的認(rèn)識(shí)也越來越深入，科研人員逐漸發(fā)現(xiàn)大數(shù)據(jù)的重要性。就是通過大量相關(guān)數(shù)據(jù)的采集積累，用數(shù)據(jù)取代在圖像方面非常有經(jīng)驗(yàn)的專家。因此，科研人員搜集大量的人臉和非人臉圖像，再經(jīng)過某一個(gè)算法的計(jì)算，然后經(jīng)過計(jì)算機(jī)程序的自動(dòng)識(shí)別計(jì)算，等著計(jì)算機(jī)完成對(duì)這些圖像的學(xué)習(xí)，這是機(jī)器學(xué)習(xí)的研究思路。

“機(jī)器學(xué)習(xí)”是人為將大量相關(guān)數(shù)據(jù)輸入計(jì)算機(jī)程序中，計(jì)算機(jī)按照設(shè)定有規(guī)律有計(jì)劃地消化學(xué)習(xí)這些數(shù)據(jù)，發(fā)現(xiàn)總結(jié)出其中隱含的信息。計(jì)算機(jī)的學(xué)習(xí)要遠(yuǎn)遠(yuǎn)超過相關(guān)科研人員學(xué)習(xí)討論得出的結(jié)論的準(zhǔn)確性，而且會(huì)通過數(shù)據(jù)來真實(shí)地說明事實(shí)存在但是人類很難發(fā)覺的信息。計(jì)算機(jī)的速度和精確度是人為很難達(dá)到的。

步入21世紀(jì)，機(jī)器學(xué)習(xí)的技術(shù)水平逐步成熟，成為計(jì)算機(jī)科研領(lǐng)域的重點(diǎn)研究對(duì)象。機(jī)器學(xué)習(xí)的應(yīng)用范圍也開始擴(kuò)大，不只是識(shí)別單純的字符、圖像，逐漸向高新科技產(chǎn)業(yè)發(fā)展。比如實(shí)現(xiàn)機(jī)器人的學(xué)習(xí)、操作、行動(dòng)，以及在生物工程中，對(duì)大量基因數(shù)據(jù)的分析，還有在金融市場(chǎng)中，通過分析大量數(shù)據(jù)變動(dòng)，做出市場(chǎng)預(yù)測(cè)等。機(jī)器學(xué)習(xí)不再是計(jì)算機(jī)科研人員的熱門話題，也成為機(jī)器人專家等各種運(yùn)用到機(jī)器學(xué)習(xí)的領(lǐng)域爭(zhēng)相研究的對(duì)象。

3 深度學(xué)習(xí)：一統(tǒng)江湖的架構(gòu)

3.1 深度學(xué)習(xí)概念

深度學(xué)習(xí)是想通過模仿人腦的思考方式，建立類似于人腦的神經(jīng)網(wǎng)絡(luò)，來實(shí)現(xiàn)對(duì)數(shù)據(jù)的分析，按照人的思維做出相關(guān)解釋，形成人們易于理解的圖像、文字或者聲音。

深度學(xué)習(xí)分為有監(jiān)督和無監(jiān)督學(xué)習(xí)兩種類型，學(xué)習(xí)模型根據(jù)學(xué)習(xí)框架的類型來確定。例如，卷積神經(jīng)網(wǎng)絡(luò)就是一種深度的監(jiān)督學(xué)習(xí)下的機(jī)器學(xué)習(xí)模型，而深度置信網(wǎng)就是一種無監(jiān)督學(xué)習(xí)下的機(jī)器學(xué)習(xí)模型。

3.2 深度學(xué)習(xí)現(xiàn)狀及未來發(fā)展

如今的計(jì)算機(jī)領(lǐng)域，隨處可以看到一個(gè)奪人眼球的技術(shù)——深度學(xué)習(xí)。而在深度學(xué)習(xí)的模型中，研究熱度最高的是卷積神經(jīng)網(wǎng)絡(luò)，是一種能夠?qū)崿F(xiàn)大量圖像識(shí)別任務(wù)的技術(shù)。

深度學(xué)習(xí)的重點(diǎn)是對(duì)模型的運(yùn)用，模型中需要的參數(shù)是通過對(duì)大量數(shù)據(jù)的學(xué)習(xí)和分析中得到的。在深度學(xué)習(xí)的研究中，還有大量的問題需要考慮解決。面對(duì)龐大的網(wǎng)絡(luò)系統(tǒng)，一個(gè)高維度的模型需要獲得并且學(xué)習(xí)大量數(shù)據(jù)，還要有對(duì)大數(shù)據(jù)的強(qiáng)大運(yùn)算和分析能力。圖像處理器就是類似于這樣具有強(qiáng)大處理能力的工具。

深度學(xué)習(xí)作為目前炙熱的科研項(xiàng)目，存在很多急需要解決的問題?，F(xiàn)在，又還沒有一本完整的關(guān)于深度學(xué)習(xí)的研究書籍甚至是學(xué)習(xí)指南，相關(guān)的理論知識(shí)并不成熟，現(xiàn)實(shí)操作中問題重重。雖然深度學(xué)習(xí)具有很強(qiáng)大的市場(chǎng)前景，對(duì)人類的誘惑力很大，但大家并不能僅沉迷于其中，改變世界的進(jìn)步手段仍然還有許多。不過，只要人們通過不斷增加機(jī)器學(xué)習(xí)技能，深度學(xué)習(xí)的未來發(fā)展空間會(huì)非常廣闊。

人們應(yīng)該敢于思考和創(chuàng)新，不受深度學(xué)習(xí)的框架限制，勇于對(duì)這些框架進(jìn)行調(diào)整改變，進(jìn)而得到協(xié)同當(dāng)下工作的算法方式。未來，通過人們對(duì)深度學(xué)習(xí)領(lǐng)域的深入了解，相信深度學(xué)習(xí)一定會(huì)給人類帶來現(xiàn)在難以想象的驚喜。然而，偉大的發(fā)明定要有強(qiáng)大的專業(yè)知識(shí)、堅(jiān)定的信念和一顆不屈不撓的心，隨著市場(chǎng)開發(fā)的加快，這個(gè)美好的愿景一定會(huì)實(shí)現(xiàn)。

4 其他相關(guān)術(shù)語(yǔ)

（1）大數(shù)據(jù)：大數(shù)據(jù)是個(gè)豐富的概念，例如包含大量數(shù)據(jù)的存儲(chǔ)，數(shù)據(jù)中隱含信息的挖掘等。通過對(duì)大數(shù)據(jù)的學(xué)習(xí)和分析，企業(yè)領(lǐng)導(dǎo)者從中可以得到很多決策性意見。大數(shù)據(jù)與機(jī)器學(xué)習(xí)的結(jié)合在前幾年就已經(jīng)開始出現(xiàn)，并且結(jié)合范圍越來越廣泛?，F(xiàn)在，甚至軟件項(xiàng)目開發(fā)中的普通員工都會(huì)接觸到大數(shù)據(jù)、云計(jì)算這些服務(wù)。

（2）人工智能（Artificial Intelligence）：人工智能是上世紀(jì)五十年代提出的概念，但同時(shí)也是最模糊不清的。相關(guān)專家認(rèn)為：人工智能是研究人類智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計(jì)算機(jī)的軟硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。

5 結(jié)語(yǔ)

深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和模式識(shí)別是關(guān)于智能學(xué)習(xí)領(lǐng)域的三個(gè)先后發(fā)展的技術(shù)，這三者相似但關(guān)注的重點(diǎn)有所不同。相信隨著人們創(chuàng)造力的不斷提升和科技水平的不斷進(jìn)步，深度學(xué)習(xí)和機(jī)器學(xué)習(xí)會(huì)帶給人們?cè)絹碓蕉嗟捏@喜。

參考文獻(xiàn)

[1] 杜明，周而重.機(jī)器學(xué)習(xí)在模式識(shí)別中的應(yīng)用研究[J].科技信息，2009（9）：37-38.

[2] 鄭胤，陳權(quán)崎，章毓晉.深度學(xué)習(xí)及其在目標(biāo)和行為識(shí)別中的新進(jìn)展[J].中國(guó)圖像形象學(xué)報(bào)，2014（2）：175-184.

[3] 郭麗麗，丁世飛.深度學(xué)習(xí)研究進(jìn)展[J].計(jì)算機(jī)科學(xué)，2015，42（5）：28-33.

[4] 郭亞寧，馮莎莎.機(jī)器學(xué)習(xí)理論研究[J].中國(guó)科技信息，2010（14）：208-209，214.

[5] 洪國(guó)彬.模糊模式識(shí)別的若干問題研究[J].華僑大學(xué)學(xué)報(bào)：自然科學(xué)版，1993（1）：119-123.