雷軍的深度學習之路

在雷軍看來，深度學習是一個“新物種”——它以數(shù)據(jù)驅動、無監(jiān)督學習和非結構化數(shù)據(jù)處理為特征，而傳統(tǒng)的機器學習主要以有監(jiān)督的學習方法為主，他認為，深度學習可以解決傳統(tǒng)機器學習所不能解決的問題，比如圖像識別中的超大規(guī)模、復雜的數(shù)據(jù)集。

他怎么看深度學習？

對于深度學習，雷軍有自己的理解。“我從2014年開始做人工智能，當時還年輕，對這個領域一無所知，那時候我就開始研究如何將深度學習應用到實際問題上，一開始，我主要是用Python進行一些基礎的研究，然后通過各種方式去接觸并學習相關的文獻?！?/p>

雷軍表示，“我從一開始就堅持把深度學習當作一種全新的研究方法來看待，在2015年左右，我決定進入阿里巴巴，當時我對人工智能沒有太多認識，但我覺得AI的價值在于能幫助人類解決問題，所以就一直關注這個問題。”雷軍認為，AI的未來發(fā)展方向一定是朝著深度學習方向發(fā)展,這與他對數(shù)據(jù)的重要性有著密切關系。

雷軍是如何看深度學習的？

雷軍在知乎上回答了有關深度學習的問題：“深度學習的本質(zhì)就是讓計算機能夠自動發(fā)現(xiàn)模式，像人一樣，而不是依賴于特定的信息來推斷，這種能力的核心思想來自于神經(jīng)網(wǎng)絡的架構，也就是所謂的圖神經(jīng)網(wǎng)絡?！崩总娬J為，人工智能的發(fā)展需要從“深度學習”兩個方面來進行。“第一方面，我們要深入挖掘海量數(shù)據(jù)背后隱藏的規(guī)律；第二方面，我們要用這些規(guī)律進行建模，并從中提取出有價值的信息?！崩总姳硎?，他目前的工作重點就是在提升數(shù)據(jù)處理能力和提高模型的泛化能力上下功夫，同時也會探索新的應用場景,例如自動駕駛等。

為什么說深度學習對人工智能的發(fā)展至關重要？

雷軍表示，“現(xiàn)在的人工智能，我們還是依靠基于人工知識的方式去做決策，當越來越多的大規(guī)模的數(shù)據(jù)被收集、存儲和分析后，我們就會發(fā)現(xiàn)，原來我們所知道的知識并不是那么可靠，我們就不得不采用新的方式，即基于數(shù)據(jù)本身來做決策，也就是說，深度學習會為我們提供更可靠、準確的決策依據(jù)?！?/p>

雷軍表示，在未來，AI會向更加精準的方向發(fā)展，AI會更加擅長處理復雜的任務，也會更好地適應不同的環(huán)境，雷軍指出，當前很多企業(yè)正在積極地投入研發(fā)，希望能夠在未來的AI發(fā)展中占據(jù)優(yōu)勢地位，他說，“如果AI能夠真正地成為我們的助手，那么我們會受益良多，也一定會成為贏家。”