阿爾法狗深度學(xué)習(xí)背后驚人數(shù)據(jù)儲備

據(jù)外媒報(bào)道，目前正在幫助推動人工智能浪潮的深度學(xué)習(xí)技術(shù)有一個(gè)缺點(diǎn)，那就是它需要大量的數(shù)據(jù)才能運(yùn)作，那么問題來了：到底多少數(shù)據(jù)才足夠呢？

谷歌高級研究員杰夫-迪安（Jeff Dean）在加州伯克利的VB峰會上接受訪問時(shí)說：“我想說的是，任何有數(shù)萬或數(shù)十萬客戶互動的企業(yè)都有足夠的數(shù)據(jù)規(guī)模，可以開始考慮使用深度學(xué)習(xí)技術(shù)。如果你只有10個(gè)例子，那就很難進(jìn)行深度學(xué)習(xí)。如果你有10萬個(gè)例子，你就應(yīng)該真正開始考慮大規(guī)模使用深度學(xué)習(xí)技術(shù)?！?/p>

迪安是谷歌大腦（Google Brain）團(tuán)隊(duì)負(fù)責(zé)人，對深度學(xué)習(xí)有著比較深的了解。谷歌大腦是一個(gè)專注于計(jì)算機(jī)科學(xué)和人工智能領(lǐng)域的研究小組。自上個(gè)世紀(jì)九十年代以來，迪安一直在研究神經(jīng)網(wǎng)絡(luò)，當(dāng)時(shí)他大學(xué)本科畢業(yè)時(shí)寫了一篇關(guān)于人工神經(jīng)網(wǎng)絡(luò)的論文。

在他看來，機(jī)器學(xué)習(xí)技術(shù)有可能會影響到各個(gè)行業(yè)。當(dāng)然，這種情況發(fā)生的速度取決于各個(gè)行業(yè)的不同情況。

盡管如此，在能夠?qū)⑺鶕碛械臄?shù)據(jù)轉(zhuǎn)化為機(jī)器智能之前，人類仍有許多障礙需要解決。人們必須對數(shù)據(jù)進(jìn)行處理，然后才會對機(jī)器學(xué)習(xí)有用，但這需要時(shí)間和（至少在一開始的時(shí)候）重要的人工干預(yù)。

迪安說：“在機(jī)器學(xué)習(xí)系統(tǒng)中，有很多工作實(shí)際上不是機(jī)器學(xué)習(xí)。所以你仍然需要做很多這樣的工作。你必須把數(shù)據(jù)收集起來，也許你必須人工貼標(biāo)簽，然后編寫一些數(shù)據(jù)處理管道來生成數(shù)據(jù)集，然后你就可以做機(jī)器學(xué)習(xí)方面的工作了?！?/p>

為了幫助讓創(chuàng)建機(jī)器學(xué)習(xí)系統(tǒng)的過程變得更容易，谷歌希望解決的一個(gè)領(lǐng)域是使用機(jī)器學(xué)習(xí)來確定解決特定問題的正確系統(tǒng)。這是一個(gè)很難解決的問題，但迪安說早期的工作進(jìn)展很順利。

例如，今年早些時(shí)候，谷歌建立了一個(gè)能夠自己學(xué)習(xí)的網(wǎng)絡(luò)，它能夠識別ImageNet數(shù)據(jù)集上的圖片并發(fā)布最新的識別結(jié)果。此外，谷歌旗下的DeepMind團(tuán)隊(duì)剛剛發(fā)表了一篇關(guān)于AlphaGo的論文，AlphaGo可以通過自己跟自己對弈來提高棋力。