各位同學大家好
我是國立中山大學電機系 黃國勝 黃老師
我個人的專長是在做機器學習
還有機器人的智慧
今天很榮幸跟各位
介紹什麼叫深度學習
深度學習這個名稱最近很紅
非常紅 大家可能會想說
這個深度是什麼意思
其實這個深度 是來自於以前傳統的 Neural Network
我們就知道大概分成三個大部分
第一個部分是他的輸入層
第二個部分就是他所謂的隱藏層
也就是說 有時後我們會說他是transformation layer
第三層 第三個部分我們講說他是一個output layer
輸出層
以前 傳統的
受到計算的能力還有訓練樣本的不足
我們大概 大部分的case
大概用兩層或三層的hidden layer就夠了
隨著最近因為Big Data
的獲取
還有我們一些parallel computing的能力的增加
比如GPU 我們發現
在輸入層跟輸入層中間的隱藏層
我們可以不斷的加深
而且內部可以做一些
transformation 比如說pooling
把他維度降低
這樣的話 我們做的東西 就可以做更多的事情
而且可以發覺一些
我們常常講說
Deep Learning can recognize the feature
which can recognize by human been.
這整個故事就從這展開
這邊我們用一個現實的例子跟各位說明一下
最近所發展的深度學習的技術
對人類社會的衝擊
在日本有一個病歷
是一個六十幾歲
六十六歲的日本老婦人
他得到了一個罕見的 急性骨隨性白血病
這個病症是跟年紀有關
但是案例的本身很少見
在日本
他衝到日本的醫院裡面 群醫在會診後也是束手無策
在束手無策之下 剛好
有人提意說 那我們是不是可以用最近IBM所提出的一個
connection computing 的機器
來嘗試一下 幫他們找一下有沒有解方
結果 在用了IBM的Watson 這個機器
再配合人工智慧的技巧
他在十分鐘內就找出了合適他的治療法
也就是說Watson在這十分鐘裡面
他就可以閱讀了將幾乎是兩千萬份的論文
而且這些論文
他是不同的語言 不同的格式
但是他還是可以一一把他解讀
我們講說把資料 變成智識
把data transform into information
然後找出這樣的一個適合的醫療方法
所以我們就知道 深度學習只要用的好的話
那對我們人類的幫助非常大
那我們看一下Watson是什麼樣的一個東西
Watson事實上他是一個
之前我們所講的一種Clouding Computing 的一個概念
他本身大概是由90台的機器所組成
他每一台機器
一台機器裡大概就有270個CPU所構成
然後再加上他內部的一些內存
所以說他可以處理的資料量是非常大的
那他怎麼辦到的 因為光有硬體也沒什麼用
他就是用我們Deep Learning的一個model
把一個兩千萬份unstructured的資料
透過Deep Learning的技巧轉化成information
然後產生我們剛才講的例子的一個治療方式
就因為Watson的快速計算能力
他造就了人類社會的福祉
以剛才的案例來講
那個老婦人的家人 他本來是束手無策
他只能跪著祈禱上蒼給他一個奇蹟
但是因為有Watson的幫忙
這個家人只要給Watson一個DNA
提供他一個索引資料的依據
然後Watson在十分鐘之內就找出了解方
就好像他跟上蒼祈禱
上蒼 上天就派了一個angel
一個天使 送來一個奇蹟 送來一個禮物
但是我們現在 不是祈求老天爺給我們幫忙 而是祈求我們
深度學習的技術給我們幫助
除了IBM Watson有基本的表現以外
我們最近也可以看到其他很有趣的例子
比如說Google他收買了DeeoMind這個company 這個公司
發展了一個AlphaGo
他在2016年
3月的時候 他就以4比1
大勝韓國棋王李世乭
然後繼續的 DeepMind用這個雛型
他又加入了很多的技術 把他升級到一個升級版 叫Master
這個Master在同年的
年底12月 還有次年的1月
他同時打敗了中 日 韓 三國的圍棋冠軍
獲得59勝1和的戰績
這是非常驚人的
之後根據專家的評估 Master的棋力
事實上已經達到圍棋14段的實力
難怪一些九段的頂尖高手就一一敗陣下來
那我們來看看DeepMind的Master 怎麼做到這樣的事情
事實上 他沒有做任何的
軟體的技術上 或演算法的技術上的突破
他最主要還是用一個最基本的類神經網路
然後把他的神經元 還有他的聯結
變得比較複雜一點
然後DeepMind他到處收集
古今中外的棋譜
來訓練這樣的一個神經元
所以當這個Master看到有類似於
這樣得一個棋譜的時候 一個情勢的時候
他會依照他之前所學習到的經驗
一個knowledge
然後他就可以
跟下圍棋的人講說
你下一步大概要下在哪裡
就可以得到 獲勝的機率最高的棋步
事實上就是這樣的一個方式
Master他可以變成一個全能的圍棋選手
但是他還能做什麼事情 就好像馬雲在笑他一樣
你花了這麼多心力花了這麼大人力
去教一個電腦下棋 有什麼用
所以說我們Master學會下棋以後
他可以舉一反三做其他的事情嗎
事實上 這個事實 是
很令人沮喪的
比如說你從
棋碗裡面隨便抓幾個棋子
比如說抓十顆黑子 五個白子
灑在棋盤上面 然後你問Master說
有多少個棋子
這個時候
Master他可能就沒辦法知道 因為他只知道
這些棋子是來下棋的 你問他其他問問題
他就完全的 知リません(我不知道)
在我們現今的社會裡面所碰到的問題
為什麼我們需要深度學習
然後我們怎麼做到深度學習
其中就是因為我們人類跟整個社會的進步
網路的盛行 我們資料越來越多
所以人類 對某些事情的要求
越來越多 越來越多的需求
辦隨著越來越多的需求
但是 又要馬兒好 又要馬兒不吃草
這些需求又很specified
很precise describe這些data
所以我們就說
只好把我們剛才講的
以前我們對類神經網路的基本架構
我們只能增加他的神經元 還有他的layer
這樣的話 會造就這整個架構變得越來越複雜
像這樣子的一個情況
但是 所幸的
因為越複雜的話 我們就需要越多的computation
然後因為硬體的產生
我們講說
GPU產生 或者一些新的電腦架構的產生
我們也可做這樣的一個
computing parallel computing
我們用以上這幾個範例
還有我們的需求
怎麼達到這個學習的方式
跟各位介紹一下什麼叫做深度學習
希望這樣給各位一個很簡單的概念
那至於各位
要把深度學習運用到什麼地方去
我們講說
佛以一音來說法 眾生隨緣各得解
各位心裡面有個應用
或者想要發展一個技術
那請各位繼續往下
探究這門課 隨著這門課的發展
繼續探究這樣的一個技術
本單元就到這裡結束
希望可以啟發各位
在深度學習裡面的技術探討 的興趣
往後繼續學習下去 謝謝
