← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9843.c · 生成模型:Hunyuan

深度学习时代与神经网络反思

理解等级:初级

进入深度学习时代后,神经网络走出低谷并成为人工智能的主力:图像识别、声音识别中的绝大部分问题以及部分自然语言处理问题都已能被解决,Hinton 的深度学习把技术带入新阶段。硬件层面,IBM 的神经突触芯片与类脑计算架构尝试从硬件模拟人的感知、行为与认知,打破长期占主导的冯·诺依曼体系,说明神经网络已从一套算法思想发展到硬件系统。反思在于:半个世纪前让机器解决人类认知问题还像天方夜谭,如今逐步走进现实;几经沉浮的历史表明,伟大的目标能支撑长期研究穿越低潮。要看到深度学习并非凭空出现,而是本章 BP、Boltzmann 机等早期成果的延续。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第6章 神经网络初步 · 查看原书依据

      通过深度学习,人们已经可以解决图像识别、声音识别中的绝大部分问题,以及自然语言处理方面的某些问题。可以毫不谦虚地说,深度学习将人工智能技术带入了一个新时代。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第6章 神经网络初步(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00022.html) - 结论依据:原文指出深度学习解决了图像、声音识别及部分自然语言处理问题并带入新时代,又记载 IBM 类脑芯片,支撑“神经网络走向成熟与硬件化”的反思。 - 原始内容:通过深度学习,人们已经可以解决图像识别、声音识别中的绝大部分问题,以及自然语言处理方面的某些问题。可以毫不谦虚地说,深度学习将人工智能技术带入了一个新时代。