文｜罗峰
转载请注明作者和来源
如果过去二十年是互联网高速发展的20年，那么之后的20年就是“深度学习”（Deep Learning）崛起的20年。据ARK Invest分析，从1997年到2020年，互联网公司的市值从0增长到了13万亿美元，而深度学习在未来15~20年产生的公司市值将会达到30万亿美元，将超过到时候互联网公司的市值。
什么是深度学习？
深度学习可能是我们这个时代最重要的软件技术突破。
那么什么是深度学习呢？
简单来说，传统软件是由人来编写的，而深度学习作为人工智能（AI）的一种形式，它使用数据编写软件。通过“自动化”软件的创建，深度学习可以推动每个行业的发展。
传统软件编写的缺点是成本高，脆弱且难以维护。并且传统软件无法执行认知任务，例如图像和语音的识别。
上世纪70年代，商业软件始于微软，Oracle和SAP的创立。80年代，基于面向对象的编程使得软件可以重复利用，极大扩展了软件的规模和功能，到2000年，互联网使软件平民化，市场规模从数百万增长到数十亿。
2012年，深度神经网络赢得了ImageNet挑战，标志着深度学习或“软件2.0”时代的开始。
深度学习软件不是由人来直接编写的，而是经过数据“训练”而成的。人先创建AI模型并收集标记的数据，然后，该软件将通过数据来学习正确的行为，之后使用更多的数据进行改进，这些软件的识别能力通常会超出人类的表现。目前几乎所有大型互联网服务都是通过深度学习来提供的，包括搜索，社交媒体和视频推荐等等。
我们经常听说人工智能、机器学习，那么它们和深度学习有什么区别呢？
首先“深度学习“是“机器学习”的一个分支，而“机器学习”是“人工智能”的一个分支；
人工智能是一种让机器模仿人类智能的技术，比如学习，推理，解决问题等；
机器学习是人工智能的一种，是一种让机器能够基于一些算法对数据进行学习，从而实现人工智能的技术；
而深度学习又是机器学习的一种，它受到人类大脑神经网络的启发，以人工神经网络(ANN)为架构，对数据进行学习，也是目前最主流的机器学习方法。
深度学习和机器学习的区别在于，机器学习需要由人先提取出一个事物的特征，然后让机器学会辨别出这个事物；而“深度学习”则不需要人来提取一个事物的特征，而是通过大量的数据自己学会辨别一个事物。举个例子，如果你要写一个软件让它去识别一辆轿车，如果使用机器学习，你需要人为提取汽车的特征，比如大小和形状等；而如果你使用深度学习，那么人工智能神经网络会自行提取这些特征，不过它需要大量的标识为轿车的图片来进行学习。
深度学习的应用场景有哪些？
上面提到，深度学习和传统软件的一个很大不同就是它可以进行图像和语音的识别，所以深度学习的两个重要应用场景就是——计算机视觉（Computer Vision）和语言能力。
最近两年非常火热的智能音箱便是深度学习在语言理解方面的一个重要应用。
除了智能音箱以外，2020年，Google发布了Google Duplex，它是一个聊天机器人，可以帮助用户通过电话进行餐厅预订。餐厅员工的在与机器人对话的过程中，几乎无法感知到这个来预定的电话对面仅仅是一个聊天机器人而已。
除了语言理解以外，计算机视觉也是深度学习的一个重要应用方向，比如医疗领域里面用来分析核磁共振的影像等等应用。
无人驾驶汽车被认为是深度学习最重要的应用领域之一。特斯拉的全自动驾驶有望今年超过人类驾驶水平。
此外，深度学习还被用来进行视频推荐，抖音便是使用这个技术在日活用户数上迅速超过Snap和Pinterest的总和。
结语
相信深度学习会和互联网技术一样，为我们提供之前可能意想不到的产品和服务，从而深刻地改变我们的生活方式。
不管你之后是不是从事这个行业，对于一个会如此影响我们未来生活的技术，最好的策略就是做好学习研究，多去了解一些。扩大自己的知识范围对自己一定是有帮助的。
对于做投资的人来说更是如此。
如果你还想阅读其它像这样的文章，请点赞，关注，转发。我们在这里探讨如何通过投资来抓住——每个人都有的财富自由机会。
--END--
精彩评论