深度学习为何产生？
一直以来，在人工智能领域，我们试图达到获得大量数据、做出优秀产品和赢得广大用户三者之间的良性循环，但传统的机器学习算法表现并不够好，良性循环也未能实现。
深度学习相比于传统方法有很多优势，随着训练量的提高，传统方法遇到了瓶颈，但深度学习的效果却蓬勃发展，不断提高。
深度学习相比于传统方法的优势
随着训练量的提高，传统方法很快走到天花板，而Deep Learning的效果还能持续走高。
其实这是一个特征表达力的问题，传统方法特征表达力，不如Deep Learning的多层学习得到的更有效果的表达。举个例子，假定有一种疾病，这种疾病容易在个高且胖的人群，以及个矮且瘦的人群中易感。那么任意从给一个特征角度上看，比如肥胖，那么胖的这部分人中，得此病的概率为50%，不胖的也是50%，那么"胖"这个特征没有表达力。
Ng直观的展示了从像素级特征(表达力最弱)到edges级特征，直到object级特征。 从edges特征大家看到的这个形式，其实是深度神经网络的edges中的一个小块，就是input layer到第一个hidden layer之间的一组边(如果是RBM的话)或者是第一个hidden layer到output layer的一组边，这组边可以理解成training的成果。而hidden layer是一个sparse coding的向量，用来combine不同组的边来还原出input layer。
因此可以看到，通过深度学习的处理，无需tagged data，通过自学习的方式，就可以做到特征的表达力从像素级，提高到了 object models，多么美妙啊！
深度学习有哪些发展
Andrew Ng：
当年在斯坦福大学，我和我的团队曾经有一个想法，让机器人去识别咖啡杯。但机器人看到的东西和人完全不一样，我们会看到一个具体的杯子，但机器能看到的只有数据，这也是计算机视觉（computer vision）难点所在，那就是要搞明白这些数字代表了什么。
过去我们的研究主要集中在三个领域。第一个是计算机视觉，目的是发现物体特征，然后描绘这种特征。第二个是语音识别（speech recognition），比如对机器说：“请找到我的咖啡杯”，机器就会识别这句话的意思。第三个是文本识别，这个有助于我们更好的应用，比如机器翻译、网络搜索等。
很长一段时间，我们设计了大量program，也发了一些paper，但研究没有什么突破性进展。直到大概七年前，我和我的学生突然有一个想法：人脑中大部分感知器是一个非常简单的计算过程。
而对于人脑的研究也表明，这个“one program”的假设是有可能的。我们可以从大脑如何听、如何看开始，去了解大脑的神经元如何工作，并进而为深度学习提供理论依据。
有了这个依据，我们开始从有标记数据（tagged data）中学习，也就是有监督学习（supervised learning）。在给机器看了50000张咖啡杯图片后，我们让机器人在斯坦福计算机系办公楼里找咖啡杯，效果非常好。进一步研究后，我们认识到bigger is better，即特征越多，实验效果越好。
实际上，人类大脑如何处理图片的过程就是visual cortex寻找图片中Lines/edges的过程，而每一个visual cortex的神经元就是一个Model。基于生物学中visual cortex的工作原理，发现人脑处理的过程是：像素->边缘->对象部分->对象模型。深度学习的过程是反向的。深度学习就是找到小patch再将其进行组合，就得到了上一层的特征(feature），递归地向上学习特征( feature)。在不同对象(object)上做训练是，所得的边缘(edge)是非常相似的，但对象部分(object parts)和模型(models) 就会完全不同。
深度学习存在的问题
Ng提到，通常学生试验在10 million connections这个水平，因为再大已经超出计算的能力，但如果采用并发的方法，160000万个CPUs的情况下，可以达到1 billion connections这个水平。如果采用特制的GPU来计算，可以达到10 billion connections的水平。
这就相当于一个巨大语料切成n个部分，每个部分产生表达力强的特征，而这些表达力强的特征在一个阶段，就是那个长条哪里进行combine，也就是这个hidden layer可以很好的表达来自不同shard的特征，最后在展开各层，用不同shard上的tagged data 来进一步调整每条边的权重。
深度学习的关键
人脑中大部分感知器是一个非常简单的计算过程。但通过组合可以达到很高的理解力。但问题是如何组合，感知的过程如何从低级阶段到高级阶段，从明暗，色彩的感知，到人类喜怒哀乐的情感，整个过程的每一步可能都是naive得，但 整个认知链条的末端一定是语义的，有感情的，上升到概念的。另外，通常还有一个体会，比如看一本小说，脑海中就能自然浮现画面，可见不同神经感知器也不是完全独立的，而是彼此联系的。
深度学习的未来趋势
Andrew教授对深度学习未来的发展进行了展望：
1)将会越来越重视对无标记数据的特征学习;
2)深度学习将全面占领计算机视觉和语音识别领域;
3)向量化表示的提出将对NLP领域产生重大影响，并将对机器翻译、网页搜索和对话系统等性能提升有所帮助。总的来说，模型的规模依旧是最大的挑战。
Andrew Ng：
我认为0-2年内仍以标记数据为主导发展方向，之后的3-5年，标记数据和未标记数据将共同发展。但关于深度学习的未来更长远的发展，我认为将会更依赖于无标记的数据，因为这与人类和动物认知世界的过程更为类似。
具体地说，在计算机视觉方面，预计在6年内，我认为深度学习将会颠覆现有的所有方法。
在语音识别方面，目前还处于起步阶段，未来将会有爆发式增长。语音识别和语音合成会在近几年产生巨大的影响。语义理解方面，发展的过程将会是从单词的理解到一个句子，再到文章理解（document representation）。推荐系统和广告方面，百度做的很好，有效提高了广告表现。机器人方面，未来将会出现真正的智能机器人。
此外，就是对获取数据的创新。现在的很多研究都是基于海量数据，未来或许我们可以通过某种传感器训练摄像头来捕捉更多的数据。我甚至想和朋友在空闲的时间里，成立一个国际数据获取大会（conference of data acquisition），很遗憾，我没有这个时间。而未来的挑战将会集中在规模化和算法这两方面。
转载请注明作者Jason Ding及其出处
Github主页(http://jasonding1354.github.io/)
CSDN博客(http://blog.csdn.net/jasonding1354)
简书主页(http://www.jianshu.com/users/2bd9b48f6ea8/latest_articles)
