深度學習亂記一通

到目前爲止，深度學習是被炒得很火熱的一個詞，我一個剛出茅廬的小菜鳥，甚至還不能說全面瞭解深度學習的狀況下，僅以我的有限的看法以及跟其餘人的交流，說說個人見解。

 

爲何是過熱呢？看看不管是互聯網市場，仍是大小商品市場，不管是作硬件的，仍是倒騰軟件的，只要跟信息相關，總想跟大數據或者深度學習扯上關係。貌似在這些人眼中，這些詞已經成了高科技的象徵，能得到人們無限的任何和認同，或者嚴重點，崇拜！我不認爲國內有多少公司有這樣的人力、物力和財力投入到深度學習的研究中來，由於其須要強大的數據，並且目前爲止是帶標籤的有效數據的支撐，這是個關鍵的問題。可能有人會說，市場上那麼多搞數據挖掘和機器學習的公司，他們生存的依賴點在哪裏呢？曾經看過一篇文章，我很贊同其中對這個問題的點點見解。國內除了bat這樣的團隊可能會有在這個課題上燒錢的能力，其餘團隊若想靠此獲利，突破點在哪裏呢？只要切入一個點去作，不能放大方向，可能還有一線生機。這樣說得抽象了，我舉個例子具體點講。

 

就說圖像識別領域，百度是在早期就成立了深度學習研究院的，他們在這方便算是技術投資至關靠前並且特別下狠勁的，博友們能夠去《最強大腦》上看到百度公司的機器人產品「小度」在圖像識別上的效果，跟有天賦異稟的人類能夠一戰。我所瞭解的小公司呢？好比某公司是作解決方案的，只要有很少的技術大咖支持，他們的產品能夠識別車，能夠識別人，可是也僅僅停留在是否是、有沒有的層面，固然能夠在識別以後作一系列的輔助算法來實現業務對接，若想使這套解決方案的效果很棒，那就對使用這個方案的客戶場景進行訓練，在正負樣本數量達到必定，調整訓練參數較優之時，徹底能夠訓練出滿意的模型。區別在哪裏呢？第一是海量的精準數據；第二是優秀人才和N多近似天才之間的差異啊。因此說大公司有實力在最多最好的數據上實踐多種抓信息的方法，也是最有可能把真正的深度學習工程化的地方，而不是打着深度學習的旗號實際在用一個層數增長了的有監督學習。

 

說說今天跟一個美容行業的朋友的聊天心得吧，他們公司是作美容行業的，有本身的美容產品，包括護膚品和儀器。他們目前就是使用傳統的圖像算法來對使用他們產品的人進行皮膚檢測等等，將來也想將數據挖掘和深度學習用到他們的產品中來，其一是能夠增長可信度，另外一是能夠對更多的客戶作出更有的護膚方案。可是我以爲，這個難度太大了，首先，他所說之後的數據來源於專業公司收集的數據，且不說這個數據的可信度有多少，其數據對自身產品的契合度就不必定好；其次，影響皮膚的因素太廣太雜，硬是強行歸出類別給出解決方案，恐怕也是很難作到的；最後，美容產品對皮膚的影響確定不是即時可見的，得考慮這個效果有滯後期的可能，消費者會不會有這個耐心呢？

 

可是，引深去思考，其實只要是有信息，有從信息中提取感興趣內容的需求，就有數據挖掘或者深度學習的用武之地，這個應該也是無可厚非的，就看誰出其不意，誰走在前面了。