【9月有奖话题讨论】深度学习到底有多广泛，它会为我们的生活带来了什么样的改变呢？

现在IT圈什么最火？是超融合？是VR？都没错，但有人认为，最火的还数深度学习！
大家还记得今年的人机大战吗？谷歌AlphaGo大战李世石，在围棋这个人类引以为傲的项目上，AlphaGo以4：1的成绩战胜人类，因为这个人机大战，深度学习被推至了舆论高潮
当然深度学习不仅仅用于人机大战上，深度学习也给人类在其他的科技探索了提供了很多的技术便利，比如无人驾驶汽车技术、冰箱识别食材等
鉴于深度学习现在这么火，应用越来越广泛，我们也来聊聊深度学习吧

【话题讨论】

1、 可以围绕深度学习技术在我们生活中的应用来讨论，深度学习技术为我们的生活带来了哪些便利
2、 从技术层面来讨论，可以围绕机器学习中的几种方法来进行比较讨论、也可以说说你对深度学习技术的看法

【奖品设置】

1、 回复的内容与话题相关并达到100字的，即可有机会获得CSDN专属大鼠标垫一个哦（恶意灌水的不算哦）
2、 围绕话题2进行技术讨论并字数达到200字以上即有机会获得相关技术图书一本或海贼王小摆件一个（数量有限）

讨论截止时间：2016年10月15日00点


传送门： 在直播如此盛行之时，你到底对它了解的有多深 

本月深度学习相关公开课，大家感兴趣的可以报名听听哦（免费）
报名链接： http://edu.csdn.net/huiyiCourse/detail/198

43 个解决方案

#1

#2

引用 1 楼 xietinghmily 的回复:

#3

对于LZ这样自己抢沙发的人，LX说说怎么办····

#4

补偿2L 300分···

#5

引用 4 楼 Hey_Buddy_IAmBack 的回复:

补偿2L 300分···

#6

引用 5 楼 CKRGD 的回复:

LZ 5L是我小号，可分50给5L···

#7

深度学习 不了解

#8

都没人参加呀  哎

#9

引用 8 楼 xietinghmily 的回复:

都没人参加呀  哎

这话题了解的人真不多

#10

 深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。
 Google DeepMind的AlphaGo打败了韩国的围棋大师李世石九段。在媒体描述DeepMind胜利的时候，将人工智能（AI）、机器学习（machine learning）和深度学习（deep learning）都用上了。这三者在AlphaGo击败李世石的过程中都起了作用，但它们说的并不是一回事。
 人工智能分为 强人工智能（General AI） 和 弱人工智能（Narrow AI） 目的是为机器赋予人的智能。
 机器学习则是一种实现人工智能的方法。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。
 深度学习是一种实现机器学习的技术.所谓的深度指的机器学习中重要算法-神经网络中的层.
 所以人工智能（AI）、机器学习（machine learning）和深度学习三者间是一种包含关系。

#11

引用 1 楼 xietinghmily 的回复:

#12

引用 9 楼 u011376884 的回复:

Quote: 引用 8 楼 xietinghmily 的回复:

都没人参加呀  哎

这话题了解的人真不多

但是最近还是蛮火的一个技术话题了  估计以后会用的越来越多

#13

#14

引用 12 楼 xietinghmily 的回复:

但是最近还是蛮火的一个技术话题了  估计以后会用的越来越多

每个人都认为自己熟悉的领域是最火的，你可以做个调查，论坛里写页面、服务端、移动端代码的人多，还是搞人工智能的人多

#15

引用 12 楼 xietinghmily 的回复:

Quote: 引用 9 楼 u011376884 的回复:

Quote: 引用 8 楼 xietinghmily 的回复:

都没人参加呀  哎

这话题了解的人真不多

但是最近还是蛮火的一个技术话题了  估计以后会用的越来越多

对呀

#16

我的回复怎么不见了

#17

都是高端大气上档次的呀

#18

#19

近年来，深度学习已经在图像识别、语音识别等领域获得了一些应用。目前深度学习技术应用最多的还是视觉领域，即对图像和视频的分析。在图像分析方面，比如人们熟悉的人脸识别、文字识别和大规模图像分类等，深度学习大幅提升了复杂任务分类的准确率，使得图像识别、语音识别以及语义理解准确率大幅提升。从产业链调研的情况来看，服务机器人、车载与电视助手、智能客服以及图像处理等应用已经开始快速渗透，在语音识别等领域获得了一些应用。未来在个人应用领域可能带来更好的语音识别操作系统、翻译机、自动驾驶、机器人、社交网络兴趣推荐等。在行业应用方面，深度学习更广阔的应用空间包括大数据分析、特征提取、预测预警、规划、研发设计等。

#20

#21

1、 可以围绕深度学习技术在我们生活中的应用来讨论，深度学习技术为我们的生活带来了哪些便利
语音识别，自动语音应答系统，IBM的watson，搜索引擎的排名，垃圾邮件识别，等等都是比较高的深度学习应用。
将来可以应用的场景非常广泛，工，农，军，行业都有非常广阔的应用场景。
自动驾驶，自动除草杀虫，自动打包码垛等等。
当然目前深度学习的人工智能都是弱人工智能。

2、 从技术层面来讨论，可以围绕机器学习中的几种方法来进行比较讨论、也可以说说你对深度学习技术的看法
从技术层面来说，机器学习，虽然很强大，但是，仍然还有很多不足的。
深度学习，需要大量的训练，而且是边际效应递减的训练效果。
另外，深度学习，只是学会了识别，怎么思考其实还是完全不会的。不要以为alpha go会思考，这家伙只是靠庞大的库来选择则而已。。
总结性的结论：
深度学习，会引起很多行业的变革，但绝对是普通的变革，至于深度学习，造成人类失业？
如果没有新的人工智能方面的技术突破，只靠深度学习，根本不可能。
至于目前的机器人取代工人的情景，其实和人工智能关系不是很大，那是很早之间的技术了。。。

#22

每天回帖即可获得10分可用分！小技巧：教您如何更快获得可用分 你还可以输入10000个字符

#23

#24

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
1.围绕生活中来讨论，给我们生活带来了这些便利：
(1)自动驾驶汽车 再也不用自己驾驶车车了 (2)智能家居 现在，伴随着人工智能的引入，采用了深度学习算法的房屋将会变得越来越“懂你”——你所居住的房屋，会在你早上起床时将窗帘自动拉起，在你晚上睡觉时自动拉上；如果房屋推测你夜里需要起床喝水，它就会自动打开夜灯；客观来看，当前的智能家居应用还主要停留在自动控制层面，人们可以通过一个终端远程或者近程控制家中所有的联网终端。而人工智能的到来，则让房屋变成了你的贴心“保姆”，为你提供周到、细致的服务，你根本用不着“发号施令”了。事实上，这并非想象，而是正在变为现实。(3)自动翻译 再也不想背单词了！ (4)写稿机器人 小编的事情我全干了 (5)绘画创作 动漫将变得很简单

#25

本人所述，仅代表本人意见：
我觉得深度学习可以从两个方面来解读，一个是思想上的深度学习，一个是领域里的技术革新。
思想上的深度学习就是在人类的思考方式及深层的探索方面有着更大的突破，理解的思维程度更加的抽象化。
因为在某些时候我们的思维会陷入某些误区或者记不起来，这时候凭借着我们的直觉或者经验就可以进行某些判断，俗称直觉或者第六感，而机器人没有这种可以自我判断的思考的行为方式，所以再给他一种关于大规模的可以调度的各种的资料充斥的经验，他就可以像我们人类一样通过调用模糊的线索来进行类似于人类的思维判断。
领域里的技术革新则在于通过各种各样越来越领先的技术，从而实现了不可思议的想法。
像是脸部识别，模拟神经元的网络，语音识别等等技术。
我觉得机器人这一方面是更具大量的经验让其更具需求来判断事务而不是具体的可以实现思维深度的需求。

#26

#27

深度学习技术为我们的生活带来了哪些便利：随着语音和图像处理领域的突破性进展，深度学习在自然语言处理领域也越来越受到重视，并逐渐应用于自然语言处理的各种任务中。例如我们平时使用的机器翻译，在使用深度学习的技术以后，语言之间的翻译越来越准确。使用递归神经网络用来做句法分析，可以让语句结构越来越准确。不仅是文本之间的翻译。语音和文字之间的翻译通过深度学习技术，也越来越准确。我们平时进行搜索或打字的时候，通过语音输入也越来越方便。相信随着数据越来越大，深度学习会有更多的用武之地！

#28

深度学习技术为我们的生活带来了哪些便利：随着语音和图像处理领域的突破性进展，深度学习在自然语言处理领域也越来越受到重视，并逐渐应用于自然语言处理的各种任务中。例如我们平时使用的机器翻译，在使用深度学习的技术以后，语言之间的翻译越来越准确。使用递归神经网络用来做句法分析，可以让语句结构越来越准确。不仅是文本之间的翻译。语音和文字之间的翻译通过深度学习技术，也越来越准确。我们平时进行搜索或打字的时候，通过语音输入也越来越方便。相信随着数据越来越大，深度学习会有更多的用武之地！

#29

深度学习技术为我们的生活带来了哪些便利：随着语音和图像处理领域的突破性进展，深度学习在自然语言处理领域也越来越受到重视，并逐渐应用于自然语言处理的各种任务中。例如我们平时使用的机器翻译，在使用深度学习的技术以后，语言之间的翻译越来越准确。使用递归神经网络用来做句法分析，可以让语句结构越来越准确。不仅是文本之间的翻译。语音和文字之间的翻译通过深度学习技术，也越来越准确。我们平时进行搜索或打字的时候，通过语音输入也越来越方便。相信随着数据越来越大，深度学习会有更多的用武之地！

#30

机器学习中的几种方法来进行比较：最喜欢的算法是能解决具体问题的恰当算法！原则上，我认为从业者的一大陷阱便是坚持某个自己最爱的算法。在实践中，使用某个你不太了解其如何运转的算法是很危险的。有一些算法具有不必要的缺陷，是我所不喜欢的。但说到最喜欢的，有许多机器学习算法都很重要，属于是机器学习空间中的帕累托集。实际上，机器学习基本理论告诉我们，不存在在所有问题上都最优的单一算法。例如，如果我拥有高维度的稀疏数据（例如，根据话题对文本分类），训练实例却很少，那么我会使用SVM或logistic回归等归一化线性回归模型。但是，如果我拥有低维度致密数据和大量训练实例（例如语音识别或视觉），我就会使用深度网络。具体的算法，举几个例子：回归分析是研究自变量和因变量之间关系的一种预测模型技术。这些技术应用于预测时间序列模型和找到变量之间关系。回归分析也是一种常用的统计学方法，经由统计机器学习融入机器学习领域。“回归”既可以指算法也可以指问题，因此在指代的时候容易混淆。实际上，回归就是一个过程而已。
决策树算法的目标是根据数据属性的实际值，创建一个预测样本目标值的模型。训练时，树状的结构会不断分叉，直到作出最终的决策。也就是说，预测阶段模型会选择路径进行决策。决策树常被用于分类和回归。决策树一般速度快，结果准，因此也属于最受欢迎的机器学习算法之一。
差不多就是这些了。没有最好，只有最合适的算法。反正我是这么认为的。

#31

1、 可以围绕深度学习技术在我们生活中的应用来讨论，深度学习技术为我们的生活带来了哪些便利
      生活中深度学习技术的应用确实越来越多了，像其他伙伴回答的无人驾驶等等。但我是没有体验，个人感觉最明显的还是语音识别，像iphone的siri就是最明显的例子。从简单的回答到现在的聊天对话，这都是深度学习的技术发展的成果。其次高灵敏的指纹识别，人脸识别等技术也给安全和支付等方便带来了便利。

2、 从技术层面来讨论，可以围绕机器学习中的几种方法来进行比较讨论、也可以说说你对深度学习技术的看法
    从技术层面来讨论机器学习的方法这个话题对我来说其实有点高深。因为这块研究不够深入。但其主要还是数据的挖掘和算法分析方面的技术。常见的有]决策树、 KNN法 、Bayes法、神经网络 等等。
我觉得深度学习技术目前是发展期，有无限可能。所以这也是很有潜力的方向。一切皆有可能！

#32

一、深度学习技术为我们的生活带来了哪些便利
作为一个不会看眉高眼低的人，如果我能戴着一副根据对方表情判断对方情绪的深度学习眼镜，可以获悉对方是否已经齿利拳硬并提醒我收敛一点，这样可以大大降低挨揍几率。

二、我对深度学习技术的看法
不建议研究深度学习技术，如果一切工作都被机器人取代的话，人工智能很可能就是人类最后一个发明

#33

1、 可以围绕深度学习技术在我们生活中的应用来讨论，深度学习技术为我们的生活带来了哪些便利
      
图像识别：最常见的就是数码相机上的人脸检测
机器翻译：外语翻译可以做到“信”“达”“雅”而丝毫没有生硬、不通顺的感觉。
垃圾邮件过滤：通过特定而并非敏感词判定邮件是否为广告或诈骗邮件，有效预防骚扰。

2、 从技术层面来讨论，可以围绕机器学习中的几种方法来进行比较讨论、也可以说说你对深度学习技术的看法

机器学习是以综合应用心理学、生物学和神经生理学以及数学、自动化和计算机科学为基础形成的现代科学技术，以结合机械学习、示教学习、演绎学习、类比学习、归纳学习和基于解释的学习等多种学习方法并取长补短为主要研究方向，机器人从学习中获取的知识主要有代数表达式参数、决策树、形式文法和神经网络等多种表现形式，可以解决行为规则、物理对象的描述、问题求解策略等多种实际问题。在数据挖掘、图像识别、自然语言识别等多种领域有广阔的应用前景。

#34

#35

引用 34 楼 smallcrocodile 的回复:

你来晚了

#36

#37

引用 24 楼 u013080766 的回复:

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
1.围绕生活中来讨论，给我们生活带来了这些便利：
(1)自动驾驶汽车 再也不用自己驾驶车车了 (2)智能家居 现在，伴随着人工智能的引入，采用了深度学习算法的房屋将会变得越来越“懂你”——你所居住的房屋，会在你早上起床时将窗帘自动拉起，在你晚上睡觉时自动拉上；如果房屋推测你夜里需要起床喝水，它就会自动打开夜灯；客观来看，当前的智能家居应用还主要停留在自动控制层面，人们可以通过一个终端远程或者近程控制家中所有的联网终端。而人工智能的到来，则让房屋变成了你的贴心“保姆”，为你提供周到、细致的服务，你根本用不着“发号施令”了。事实上，这并非想象，而是正在变为现实。(3)自动翻译 再也不想背单词了！ (4)写稿机器人 小编的事情我全干了 (5)绘画创作 动漫将变得很简单

深度学习可不是模拟人脑神经。
模拟人脑神经的是另外一套机制。。

#38

引用 37 楼 zjq9931 的回复:

Quote: 引用 24 楼 u013080766 的回复:

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
1.围绕生活中来讨论，给我们生活带来了这些便利：
(1)自动驾驶汽车 再也不用自己驾驶车车了 (2)智能家居 现在，伴随着人工智能的引入，采用了深度学习算法的房屋将会变得越来越“懂你”——你所居住的房屋，会在你早上起床时将窗帘自动拉起，在你晚上睡觉时自动拉上；如果房屋推测你夜里需要起床喝水，它就会自动打开夜灯；客观来看，当前的智能家居应用还主要停留在自动控制层面，人们可以通过一个终端远程或者近程控制家中所有的联网终端。而人工智能的到来，则让房屋变成了你的贴心“保姆”，为你提供周到、细致的服务，你根本用不着“发号施令”了。事实上，这并非想象，而是正在变为现实。(3)自动翻译 再也不想背单词了！ (4)写稿机器人 小编的事情我全干了 (5)绘画创作 动漫将变得很简单

深度学习可不是模拟人脑神经。
模拟人脑神经的是另外一套机制。。

是哪一个机制

#39

引用 38 楼 xietinghmily 的回复:

Quote: 引用 37 楼 zjq9931 的回复:

Quote: 引用 24 楼 u013080766 的回复:

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
1.围绕生活中来讨论，给我们生活带来了这些便利：
(1)自动驾驶汽车 再也不用自己驾驶车车了 (2)智能家居 现在，伴随着人工智能的引入，采用了深度学习算法的房屋将会变得越来越“懂你”——你所居住的房屋，会在你早上起床时将窗帘自动拉起，在你晚上睡觉时自动拉上；如果房屋推测你夜里需要起床喝水，它就会自动打开夜灯；客观来看，当前的智能家居应用还主要停留在自动控制层面，人们可以通过一个终端远程或者近程控制家中所有的联网终端。而人工智能的到来，则让房屋变成了你的贴心“保姆”，为你提供周到、细致的服务，你根本用不着“发号施令”了。事实上，这并非想象，而是正在变为现实。(3)自动翻译 再也不想背单词了！ (4)写稿机器人 小编的事情我全干了 (5)绘画创作 动漫将变得很简单

深度学习可不是模拟人脑神经。
模拟人脑神经的是另外一套机制。。

是哪一个机制

深度学习，只是类似神经系统的判断机制。多个输入量，加上权重。再加上多层。只是一个决策模型。
而模拟人脑，是叫做神经元模拟，比如2012年的新闻，计算机可以模拟恒河猴的大脑了。

#40

引用 38 楼 xietinghmily 的回复:

Quote: 引用 37 楼 zjq9931 的回复:

Quote: 引用 24 楼 u013080766 的回复:

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
1.围绕生活中来讨论，给我们生活带来了这些便利：
(1)自动驾驶汽车 再也不用自己驾驶车车了 (2)智能家居 现在，伴随着人工智能的引入，采用了深度学习算法的房屋将会变得越来越“懂你”——你所居住的房屋，会在你早上起床时将窗帘自动拉起，在你晚上睡觉时自动拉上；如果房屋推测你夜里需要起床喝水，它就会自动打开夜灯；客观来看，当前的智能家居应用还主要停留在自动控制层面，人们可以通过一个终端远程或者近程控制家中所有的联网终端。而人工智能的到来，则让房屋变成了你的贴心“保姆”，为你提供周到、细致的服务，你根本用不着“发号施令”了。事实上，这并非想象，而是正在变为现实。(3)自动翻译 再也不想背单词了！ (4)写稿机器人 小编的事情我全干了 (5)绘画创作 动漫将变得很简单

深度学习可不是模拟人脑神经。
模拟人脑神经的是另外一套机制。。

是哪一个机制

深度学习，是模拟神经系统的决策机制做的。类似，但并不是。
神经元模拟才是真正的模拟神经系统，可以进阶模拟人脑。
怎么类比呢？
如果大脑神经系统的工作机制是一栋大楼的话。
深度学习，只是大楼的照片，只是表面。
神经元模拟，相当大楼的三维模型，内部所有的细节，都可以和真实的大楼一一对应。
两者的难度差别非常的大。

#41

引用 40 楼 zjq9931 的回复:

Quote: 引用 38 楼 xietinghmily 的回复:

Quote: 引用 37 楼 zjq9931 的回复:

Quote: 引用 24 楼 u013080766 的回复:

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
1.围绕生活中来讨论，给我们生活带来了这些便利：
(1)自动驾驶汽车 再也不用自己驾驶车车了 (2)智能家居 现在，伴随着人工智能的引入，采用了深度学习算法的房屋将会变得越来越“懂你”——你所居住的房屋，会在你早上起床时将窗帘自动拉起，在你晚上睡觉时自动拉上；如果房屋推测你夜里需要起床喝水，它就会自动打开夜灯；客观来看，当前的智能家居应用还主要停留在自动控制层面，人们可以通过一个终端远程或者近程控制家中所有的联网终端。而人工智能的到来，则让房屋变成了你的贴心“保姆”，为你提供周到、细致的服务，你根本用不着“发号施令”了。事实上，这并非想象，而是正在变为现实。(3)自动翻译 再也不想背单词了！ (4)写稿机器人 小编的事情我全干了 (5)绘画创作 动漫将变得很简单

深度学习可不是模拟人脑神经。
模拟人脑神经的是另外一套机制。。

是哪一个机制

深度学习，是模拟神经系统的决策机制做的。类似，但并不是。
神经元模拟才是真正的模拟神经系统，可以进阶模拟人脑。
怎么类比呢？
如果大脑神经系统的工作机制是一栋大楼的话。
深度学习，只是大楼的照片，只是表面。
神经元模拟，相当大楼的三维模型，内部所有的细节，都可以和真实的大楼一一对应。
两者的难度差别非常的大。

其实深度学习，连照片都算不上，顶多算是草图。。。

#42

#43

书已经收到。大赞。