對于深度學(xué)習(xí)，我也是一個(gè)初學(xué)者，能力有限，但這些的確是我現(xiàn)在的真實(shí)想法，我也會按這個(gè)思路去嘗試。
1
我是一個(gè)好奇心很重的人。深度學(xué)習(xí)剛開始流行的時(shí)候，我就做過簡單的學(xué)習(xí)。當(dāng)時(shí)我的結(jié)論是短期內(nèi)，深度學(xué)習(xí)只能在弱智能徘徊，很難進(jìn)展到強(qiáng)智能。
這個(gè)結(jié)論在今天看來，也不算過時(shí)。但真正被深度學(xué)習(xí)給 Shock 到，是去年和某教育 APP 的 CEO
同學(xué)聊天。他告訴我，在教育這個(gè)垂直領(lǐng)域，他們的語音識別率已經(jīng)比訊飛要高了，依賴于大量的數(shù)據(jù);更 NB 的是，加上 NLP，他們的 AI
已經(jīng)可以幫老師改主觀題了。主觀題啊，就是數(shù)學(xué)的問答題，語文的作文。
這讓我開始重新思考弱智能。
2
完全依靠強(qiáng)智能的應(yīng)用場景，會產(chǎn)生很多問題。比如自動駕駛，要想在中國這種交通環(huán)境下運(yùn)行，一時(shí)半會兒是不行。即使是一個(gè)看起來簡單的問答機(jī)器人，也沒一家真正做好，你多問
siri 幾句，她很快就暈了。
經(jīng)常關(guān)注我微博同學(xué)會知道，我最喜歡說的一句話就是：「能自動化的，要自動化;不能自動化的，要半自動化」。
在人工智能上，這個(gè)法則似乎依然是有效的。既然現(xiàn)在強(qiáng)智能還不夠強(qiáng)，那么為什么我們不用弱智能+人工確認(rèn)的方式，來實(shí)現(xiàn)「半智能化」呢：用機(jī)器幫你做預(yù)選，你來做最終選擇，雖然依然包含了人工干預(yù)，但卻可以把生產(chǎn)效率提升幾十倍。
3
有同學(xué)和我說，找不到應(yīng)用深度學(xué)習(xí)的場景，這是因?yàn)樘珗?zhí)著于強(qiáng)智能，想讓機(jī)器獨(dú)立處理所有事情;如果使用「半自動化」的思路，你會發(fā)現(xiàn)遍地都是場景。
最典型的場景就是「按需求進(jìn)行組合搭配」。拿今天小程序舉例，小程序在框架層上，將功能分隔到了page
的粒度，這使得小程序的組件會很好的被重用;而在設(shè)計(jì)上，小程序提供了統(tǒng)一的官方指導(dǎo)風(fēng)格，所以不會出現(xiàn)太多個(gè)性化的東西。
我需要一個(gè)用戶資料管理， xpm install user-profile;我需要動態(tài) Feed 流，xpm install
feed-timeline 。
然后這貨就喊著要去做，還在 GitHub 上開了個(gè)坑，據(jù)說 SDK
已經(jīng)寫完，安裝器年前能開始內(nèi)測。
然后我告訴他，你得趕緊做，從長遠(yuǎn)看，通用應(yīng)用最后是不太值錢的，因?yàn)楹芸炀陀虚_源項(xiàng)目把它做得很好。真正值錢的是，下沉到行業(yè)里邊的應(yīng)用。比如說吧，同樣是用戶資料頁，房地產(chǎn)行業(yè)的、獵頭行業(yè)的以及技術(shù)社區(qū)的會完全不一樣。但區(qū)別也就是添加幾個(gè)行業(yè)特定的字段而已。
大量的「二次開發(fā)」工作，才是最為瑣碎又最為掙錢的。
這就是典型的可以用上深度學(xué)習(xí)的場景。通過抓取對應(yīng)行業(yè)的 H5
頁面，我們很快就可以把各個(gè)行業(yè)需要哪些可能的字段給整理出來，然后把這些交給機(jī)器進(jìn)行學(xué)習(xí)，當(dāng)再有新的需求進(jìn)來的時(shí)候，機(jī)器就可以自動配好預(yù)設(shè)字段。機(jī)器會出錯(cuò)么?當(dāng)然。但哪怕是80%的準(zhǔn)確率，也已經(jīng)可以節(jié)省掉好幾個(gè)程序員了。
為什么我要學(xué)深度學(xué)習(xí)? 因?yàn)檫@背后是 TM 白花花的銀子。
4
其實(shí)細(xì)心的同學(xué)會發(fā)現(xiàn)，我一直說的是「深度學(xué)習(xí)」而不是「機(jī)器學(xué)習(xí)」。
因?yàn)槲业哪康暮芎唵?，那就是用。在學(xué)習(xí)第一年，我給自己定的目標(biāo)不是要理解「機(jī)器學(xué)習(xí)」的原理，而是要把「深度學(xué)習(xí)」用到自己產(chǎn)品的方方面面。
先學(xué)「深度學(xué)習(xí)」還有一個(gè)好處，那就是不用太多「機(jī)器學(xué)習(xí)」的基礎(chǔ)。能把tensorflow、kears
這種開源框架搭起來，然后喂數(shù)據(jù)，然后看結(jié)果。等到優(yōu)化的時(shí)候再去補(bǔ)知識點(diǎn)。
因?yàn)樯疃葘W(xué)習(xí)更像是一個(gè)黑盒子，現(xiàn)在很多專門搞深度學(xué)習(xí)的同學(xué)也說不清楚為什么要建三個(gè)層、要放四個(gè)節(jié)點(diǎn);什么情況下用什么激活函數(shù)。只說通過實(shí)踐+觀察數(shù)據(jù)慢慢調(diào)整。這簡直就是新手上路的最好切入點(diǎn)嘛。
如果不想在本地搭建環(huán)境，AWS 上已經(jīng)有可以用的鏡像，基于 API 的深度學(xué)習(xí)服務(wù)也日益增多。這東西就像水電氣一樣，用比學(xué)重要。
也有同學(xué)嚴(yán)謹(jǐn)?shù)闹赋?，很多場合下，機(jī)器學(xué)習(xí)的其他方法遠(yuǎn)比深度學(xué)習(xí)有效。他們是對的，如果說學(xué)好整個(gè)機(jī)器學(xué)習(xí)，可以做到90分;那么光用深度學(xué)習(xí)，可能只有70分。但現(xiàn)在絕大部分的程序，連
TM 一點(diǎn)智能都還沒用上呢。從零分到70分，只需要把深度學(xué)習(xí)用起來。
為什么我要學(xué)習(xí)深度學(xué)習(xí)，因?yàn)檫@ TM的性價(jià)比太高。
感謝大家閱讀由java培訓(xùn)機(jī)構(gòu)分享的“為什么程序員一定要會深度學(xué)習(xí)”希望對大家有所幫助，更多精彩內(nèi)容請關(guān)注Java培訓(xùn)官網(wǎng)
免責(zé)聲明：本文由小編轉(zhuǎn)載自網(wǎng)絡(luò)，旨在分享提供閱讀，版權(quán)歸原作者所有，如有侵權(quán)請聯(lián)系我們進(jìn)行刪除
