39、深度学习：从基础到前沿应用

深度学习：从基础到前沿应用

1. 数据使用的伦理考量

在使用图像数据时，需要考虑诸多伦理问题。例如，图片中的人是否同意使用这些图片，以及是否同意将其用于当前的用例。研究人员和从业者在处理此类数据时，应不断自问相关问题。

问题清单

在项目开发周期中，团队还应自问以下问题：
1. 我们是否真的应该开展这个项目？
2. 数据中存在哪些偏差？
3. 代码和数据能否接受审计？
4. 不同子群体的错误率是多少？
5. 基于简单规则的替代方案的准确性如何？
6. 处理申诉或错误的流程有哪些？
7. 构建该系统的团队有多多元化？

2. 机器学习的分支

机器学习领域通常分为三个不同的分支：
| 分支名称 | 特点 |
| ---- | ---- |
| 监督学习 | 模型从标记数据集中学习，该数据集代表了我们希望模型学习的特定真实情况。 |
| 无监督学习 | 数据集未标记，算法负责在数据中寻找结构。 |
| 强化学习 | 智能体学习与环境进行交互，目标是最大化累积奖励函数。智能体没有定义正确行为的真实情况，而是通过奖励反馈来了解某个动作或一系列动作的好坏，并自行探索可能的动作序列空间以最大化奖励。 |

强化学习示例

以Mnih及其同事（2013）的研究为例，他们展示了一个模型如何学习玩Atari视频游戏。智能体需要探索可用的动作集，学习哪些动作能带来最佳的累积奖励（即游戏的最终得分），而不是依据标记示例来采取行动。

3. 图像生成模型

变分自