关于deep learning的一点启发

（引自：http://blog.youkuaiyun.com/zouxy09/article/details/8775360）

机器学习（Machine Learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。

机器学习虽然发展了几十年，但还是存在很多没有良好解决的问题：

从开始的通过传感器（例如CMOS）来获得数据。然后经过预处理、特征提取、特征选择，再到推理、预测或者识别。最后一个部分，也就是机器学习的部分，绝大部分的工作是在这方面做的，也存在很多的paper和研究。而中间的三部分，概括起来就是特征表达。良好的特征表达，对最终算法的准确性起了非常关键的作用，而且系统主要的计算和测试工作都耗在这一大部分。但，这块实际中一般都是人工完成的。靠人工提取特征。

然而，手工地选取特征是一件非常费力、启发式（需要专业知识）的方法，能不能选取好很大程度上靠经验和运气，而且它的调节需要大量的时间。既然手工选取特征不太好，那么能不能自动地学习一些特征呢？答案是能！Deep Learning就是用来干这个事情的，看它的一个别名UnsupervisedFeature Learning，就可以顾名思义了，Unsupervised的意思就是不要人参与特征的选取过程。

（一点启发）

所以，我感觉AI就是不断地用更智能的算法去替换掉人的工作（上面说的就是用deep learning替换了特征的提取）。当deep learning能够成熟地完成特征提取后，下一个AI的发展应该也是朝着这个方向发展。那么找到AI或者机器学习中下一个需要最多人工参与的工作，那也许就是下一个AI的方向。