机器 能 像 人 一样 思考 吗 ？人工智能 （一 ）机器 学习 和 神经网络 (3)

使得 最後 的 誤差 函數 最小

這樣 就是 一個 成功 的 訓練

這樣 我們 就 不光 能夠 識別

說 這個 字母 到底 是 x 還 是不是 x

我還 可以 看 這個 x 寫得 好不好

就 可以 讓 機器 像 人 一樣

叫思國 思家思 社稷 賞花 賞月 賞 秋香 了

不過 全 連接 網絡 最大 的 問題

是 在於 它 實在 是 太 復 雜了

比如說 我們 這 只是 一個 5×5 的 圖片

那 麽 假如 說 我們 有 三層 神經網絡

每 一層 有 25 個 神經元 的話

每 一層 的 參數 就 有 600 多個

三層 的 就 有 2000 來個

這個 參數 需要 調 是 吧

而且 這 還是 一個 最 簡單 圖片

那 你 如果 是 一個 彩色 圖 是 吧

你 如果 是 一個 比較 大 的

什 麽 1920×1080 的 這種 圖片

那 麽 你 識別 起來 就 會 非常 的 復 雜

算 起來 也 非常 慢

這也 是 前幾次 這個 人工智能 陷入 低谷 的 原因

就是 不管 是 算力 還是 算法 都 跟不上

那 麽 現在 為什 麽 又 重新 起來 了 呢

就是 因為 剛才 說 的 這個 辛頓

他 提出 了 反向 傳播 算法 BP 算法

BP 算法 的 意思 是 說

你 在 調整 參數 的 時候

你 不用 像 以前 一樣 這樣 調 了

你 可以 先調 最後 一層

最後 一層 調完 了 往前 調 是 吧

再 一直 調 調到 前 最 前面 這 一層

就 叫 反向 傳播

那 麽 這種 算法 比 以前 的 算法 復 雜度 要 低

所以 也 引領 了 這個 第三次 的 人工智能 浪潮

說 到 這 不知 大家 是不是 對 人工智能

已經 有 了 一個 粗淺 的 認識 了

那 麽 很 顯然 這種 算法 如此 的 復 雜

我們 在 程序員 編程 的 時候

不 可能 一切 從零開始 編 是不是

必須 得 有 一些 算法 已經 編好 了 放在 這

這 就是 什 麽 呢

這 就是 所謂 的 人工智能 的 框架

人工智能 的 框架

就 好像 說 這個 做菜 的 廚師

他 不會 從 這個 種子 開始 種菜 是 吧

建築工人 他 也 不會 從 燒磚 開始

那 麽 總有 一些 工具 是 已經 編好 了

你 在 這個 工具 之上 繼續 自己 的 創作 就 可以 了

這就稱 之 為 框架

現在 世界 上 有 幾個 比較 流行 的 框架

比如說 最 流行 的 當然 就是 谷歌 的 是 吧

了解 人工智能 同學 都 知道

谷歌 的 這個 叫 TensorFlow

這是 全世界 最 流行 的 這個 這個 框架

還有 比如說 亞馬遜 的 這個 SageMaker

像 這個 微軟 的 CNTK

還有 現在 流行起來 的 這個 就是 臉書

它們 做 了 一個 叫做 什 麽 呢

叫做 PyTorch 是 吧

那 這個 現在 也 比較 流行

那 麽 你 在 這個 人工智能 時代

你 擁有 的 框架 那 就 好像 是

在 通信 領域 你 擁有 了 這個 行業標準 一樣

你 會 占有 全 行業 基礎性 的 這個 優勢

那 麽 隨著 中國 人工智能 領域 的 發展

中國 的 企業 華為

它 也 開發 了 自己 的 這個 人工智能 框架

叫做 MindSpore

那 麽 相比 於 這些 比較 流行 的 框架

華為 的 MindSpore 有什 麽 樣 自己 的 優勢 呢

有 這 麽 幾個

比如 第一個 它 可以 實現 自動 並行 自動 並行

在 人工智能 領域 裏面

要 進行 大量 的 這種 計算 並行計算

那 麽 其它 的 框架 很多

都 是 需要 手動 進行 並行計算 的

就是 你 這些 數據 模型 參數 的 這個 分配

分配 到 某 一個 計算 節點 上

這都 是 需要 程序員 手工 調節 的

那 這個 工作量 非常 大

而 MindSpore 你 就 可以 一條 語句

直接 實現 了 這種 自動 並行 的 分配 了

第二個 它 就是 可以 實現 二階 優化

在 傳統 的 這種 梯度 下降 算法 之中

相當於 是 勻速 地去 尋找 那個 最低點

叫 一階 優化

而 這個 華為 的 這個 MindSpore 這個 框架

它 可以 自動 實現 二階 優化

相當於 是 加速 尋找 那個 最低點

除此之外 我 寫到 這吧

它 還有 第三個 優勢 叫做 全 場景 協同

全 場景 協同 什 麽 意思 呢

我們 經常 在 計算機 和 通信 領域 聽說 過 這樣 的 詞

就 叫做 雲 邊緣 和 端 是 吧

雲 就 指 的 是 計算中心

邊緣 比如說 像 自動 駕駛 汽車

端 就是 你 的 手機 電腦 這些 東西

那 麽 MindSpore 這個 框架

它 既 可以 在 雲 計算中心 進行 使用

你 也 可以 用 在 你 的 手機 上

或者 用 在 這個 自動 駕駛 汽車 上

你 比如 你 用 手機 打字 的 時候

它 為 什 麽 能夠 自動 更正 錯別字

或者 是 能夠 自動 聯想

這 實際上 是 人工智能 的 一個 結果

如果 你 使用 了 這個 MindSpore

你 就 不 需要 把 這個 計算 過程

你 傳 回到 雲 計算中心 再給 你 返 回來

你 在 手機 上 就 可以 進行 計算 了

你 再 比如說 在 自動 駕駛 這個 領域

你 這是 邊緣 側的

你 在 自動 駕駛 汽車 上

你 就 可以 實現 這個 人工智能 計算

不 需要 傳到 雲 計算中心 再返 回來

因為 中間 存在 延遲

那 可能 會 有 一定 的 風險

好 那 麽 還有 一個 MindSpore 的 特點

叫做 什 麽 呢

信息 的 安全性 信息 的 安全性 高

什 麽 意思 呢

就是說 在 人工智能 訓練 的 時候

可能 有 大量 的 敏感數據

比如說 我要 進行 人臉識別

你 得 把 一些 數據 輸入 到 電腦 裏面 去

到 雲 計算中心

這 過程 中 別人 把 你 的 數據 給偷 了 對 吧

這是 非常 危險 的

而 你 利用 這個 華為 MindSpore

你 可以 把 數據 進行 脫敏

就是 你 上 傳到 雲 計算中心 的 時候 是 脫敏 數據

別人 截取 了 你 這個 數據

也 不 知道 數據 是 什 麽

最後 訓練 完 這個 模型 也 是 脫敏 的

別人 拿到 你 這個 模型 也 不 知道 該 怎 麽 用

所以 這就 實現 了 這種 信息安全 的 保證

其實 在世界上 程序員 們 都 有 一些 社區

比如 最 著名 的 就是 github 對 吧

程序員 們 都 在 這個 社區 裏面 編 代碼

然後 共享 代碼

節約 自己 的 勞動力

而華為 也 構建 了 自己 的 這個 人工智能 社區

就 叫 MindSpore 社區

這個 MindSpore 社區

鼓勵 很多 大學生 教授 們 在 上面 編寫 代碼

構建 我們 中國 人 自己 的 這個 代碼 庫

在 去年 年底 舉行 的

MEET 2021 智能 未來 大會 上

華為 計算 開源 開發 與 運營部 副 總監 黃 之鵬

曾經 說過 這樣 一段話

他 說 谷歌 的 這個 TensorFlow

就 好像 一個 非常 舒適 的 馬車

而華為 做 的 這個 MindSpore

就 好像 是 一輛 汽車

它 可能 在 最 開始 的 時候 沒有 馬車 那 麽 舒適

但是 它 相比 於 馬車 具有 天生 的 優勢

這回 要 為 大家 介紹 了 人工智能 的 發展史

梯度 下降 算法 神經網絡 以及 AI 框架 等等 知識

再下 一回 我 還會 跟 大家 聊一聊

人工智能 的 一個 重要 應用 場景

圖像識別 的 具體 算法

我會 為 大家 介紹 目前 非常 流行 的

卷積 神經網絡 CNN

歡迎 大家 保持 關 註

大家 如果 喜歡 我 的 視頻

可以 在 YouTube 賬號 李永樂 老師 裏 訂閱 我

點小 鈴鐺 可以 第一 時間 獲得 更新 信息