文件名称：人工智能医疗人才报告-pcie specification revison3.0
文件大小：9.56MB
文件格式：PDF
更新时间：2024-07-05 19:50:19
人工智能 大数据 医疗大数据 医疗AI 智慧医疗
第六章 人工智能医疗人才报告 一、人工智能*专家引领深度学习的发展 关于机器学习的研究最早可以追溯到 20 世纪 50 年代，也就是人工智能刚刚兴起的时候。当 时流行的是“连接主义”(Connectionism)，代表性工作是感知器 (Perceptron)。这也是现在 大热的深度学习 (Deep Learning) 的前身。不过，MIT 计算机科学研究的奠基人马文·闵斯 基出版的《感知器》一书给当时正热的神经网络研究当头一棒。他在书中指出，浅层网络无 法解决异或这一非线性逻辑关系，深层网络的训练方法仍然是一个棘手的问题。这一论断致 使几乎全球科研人员都停止对神经网络的研究。 1983 年．加州理工大学的物理学家 John Hopfield 利用神经网络，在著名 NP 完全问题—— 旅行商问题上取得当时最好的结果，使人们开始重新关注这一领域。之后 , 来自加州大学圣 迭戈分校的 David Rumellhart 重新改进了 BP 算法，使得深层网络的训练成为可能，掀起了 神经网络研究的第二次高潮。不过，人们也意识到，尽管神经网络具有强大的泛化学习能力， 但是其参数的设置缺乏理论指导，很多工作只能靠手工调参得到结论。人们开始期待能在理 论上给予机器学习技术更多的支持。 20 世纪 90 年代中期，统计学习 (Statistical Learning) 走上主流舞台，代表工作是支持向量机 (Support Vector Machine，也常被称为 SVM) 和核方法 (Kernel Trick)。这一学派主要以统计 学理论作为支撑。除了 SVM 外，贝叶斯网络 (Bayesian Network)、最大期望算法 (Expectation Maximization) 也是统计学习中非常著名的方法。他们的提出者是加州伯克利分校的 Michael I Jordan，他是改进 BP 算法的 David Rumellhart 的博士生。Michael Jordan 的门下出了非常 多知名人士。比如前百度人工智能实验室主任，大型在线学习平台 Coursera 的联合创办人， 斯坦福大学副教授 Andrew Ng，以及卡耐基梅隆大学的邢波教授。 图：人工智能算法的发展，蛋壳研究院