100種分析思維模型之：深度學習

你好，我是林驥。

2016 年，谷歌旗下的 DeepMind 公司開發(fā)的 AlphaGo，打敗了圍棋世界冠軍李世石，后來又擊敗了當時世界排名第一的柯潔，讓許多人感到震驚，點燃了大家對人工智能的熱情。

2022 年，OpenAI 公司發(fā)布 ChatGPT，從此各種大語言模型蜂擁而至，生成式 AI 獲得蓬勃的發(fā)展。

回顧人類社會發(fā)展的歷史，一旦科學技術實現重大的突破，人們的生活就會發(fā)生翻天覆地的變化。

在 AlphaGo 和 ChatGPT 等應用程序的背后，都離不開一項關鍵的技術，那就是深度學習。

下面介紹 100 種分析思維模型的第 75 種：深度學習，它是能幫助我們更好地理解世界運行的底層規(guī)律。

1. 為什么學習深度學習？

深度學習是人工智能領域的前沿科技，該技術已經融入到了我們的日常工作、生活和學習中。

如今，各行各業(yè)開始運用深度學習的人，已經明顯提升了工作效率。

與此同時，大量簡單重復的工作將會被機器替代，很多人將會面臨失業(yè)的風險。

隨著深度學習技術的快速發(fā)展，未來人類從事的幾乎所有活動，都可能受其影響，包括科學、醫(yī)學、制造、能源、交通、農業(yè)、藝術等。

也許有一天，深度學習的應用程序將成為你的得力助手，甚至成為你的親密朋友，它可能比任何人都更了解你，能夠回答你的問題，會幫你教育好孩子，并呵護你的健康。

2. 什么是深度學習？

深度學習是機器學習的一個分支，而 ChatGPT 是深度學習的應用之一。

深度學習的起源，可以追溯到 1943 年，當時神經生理學家 Warren McCulloch 與數學家 Walter Pitts 合作，發(fā)表了一篇題為《神經活動內在思想的邏輯演算》的論文，其中提出了一個神經元模型，實現用一個簡單電路來模擬大腦神經元的行為，證明可以使用邏輯演算的方式，描述神經網絡的運行機理，奠定了深度學習的基礎。

學習的本質是改善性能。著名學者赫伯特·西蒙說：“如果一個系統(tǒng)，能夠通過執(zhí)行某個過程，就此改進了它的性能，那么這個過程就是學習。”

深度學習是通過「神經網絡」的連接來傳遞信息，實現將「特征工程」完全自動化，因此讓解決問題變得更高效、更簡單。

由于互聯(lián)網的興起，使得收集和分發(fā)數據變得簡單可行。如果說深度學習是工業(yè)革命中的蒸汽機，那么數據就如同煤炭和石油，驅動著深度學習快速發(fā)展。

深度學習的過程，符合 DIKW 模型的規(guī)律，即：從數據中提取有用的信息，信息積累成知識，知識演變?yōu)橹腔邸?/span>

深度學習以數學、計算機科學和神經科學為基礎，從數據中進行學習。隨著學習層次的不斷深入，機器將會變得越來越智能。

3. 怎么運用深度學習？

深度學習的應用場景非常廣泛，包括圖像分類、語音識別、機器翻譯、文字與語音互轉、數字助理、查找資料、輔助編程、輔助寫作、輔助辦公、藝術創(chuàng)作、健康診斷、自動駕駛、營銷活動、下圍棋、玩游戲、回答用自然語言提出的問題……

隨著計算機處理的速度越來越快，數據越來越豐富，任何企業(yè)甚至個人都可以用深度學習來提升自己。

比如，借助 ChatGPT 等應用程序，每個人都可以通過跟機器聊天的方式來進行深度學習。

但是，學習和運用深度學習是一段漫長的旅程，需要學習的知識有很多，多到一本書都無法涵蓋所有的內容，市面上關于深度學習的書不計其數，粗略估計不下 100 本，而且這個數量還在不斷增長。

如果你不是人工智能領域的從業(yè)者，那么其實不必深究其中的代碼和公式，只需結合自身的實際情況，有針對性地學習和運用相關的知識即可，因為一個人的時間、精力和能力都是有限的。

我比較關注深度學習在個人成長方面的運用，希望自己能夠運用深度學習，去分析過去記錄的數據和寫作的文字材料，讓其成為我的得力助手，進而更加了解自己，并成為更好自己。

運用深度學習主要包括 3 個步驟：定義任務、開發(fā)模型和部署模型。

① 定義任務

學習通常是從明確目標、定義任務和提出問題開始，了解問題背后的業(yè)務邏輯，并開始收集數據。比如，如何用數據賦能成長？目前有哪些數據可用？是否需要收集更多數據？

② 開發(fā)模型

把數據準備好之后，就可以嘗試選擇一個合適的模型，然后對其進行調優(yōu)和檢驗，不斷改進模型的性能。

③ 部署模型

將優(yōu)化之后的模型部署到目標環(huán)境中，監(jiān)控模型在真實環(huán)境中的表現，并繼續(xù)收集更多的數據，形成深度學習的閉環(huán)。

深度學習的步驟，有點類似于《數據化分析》的過程，從收集數據開始，到改善數據，再到分析數據和化解難題，然后又反過來收集更多的數據，形成一個用數據解決實際問題的增強回路。

最后的話

未來，我們每個人都有可能會用到深度學習，就像今天的互聯(lián)網技術一樣普及，極大地解放人類的生產力，并顯著提升人們的認知能力。

盡管深度學習的應用非常廣泛，但是也要請你注意，深度學習并不是一把萬能的鑰匙，有些問題并不適合用深度學習的方法來解決，可能是因為數據還不夠多，也可能是因為還有其他更好的方法。

當你手中只有一把「錘子」的時候，看什么都像「釘子」。但如果你手中既有錘子，又有螺絲刀，還有起子和扳手等，那么就可以根據實際情況，選擇使用合適的工具，這樣解決問題就會變得更加高效。

所以，我們需要抱著終身學習的理念，學習更多的分析思維模型，并在實際工作和生活中加以應用，從此開啟更加美好的未來。

延伸閱讀：

《深度學習》（[美]特倫斯·謝諾夫斯基，2019年）

《深度學習進階》（[日]齋藤康毅，2020年）

《Python深度學習》（[美]弗朗索瓦·肖萊，2022年）

相關文章：100 種分析思維模型系列

↑ 點擊此卡片關注 ↑

↑ 周二早八點閱讀 ↑