感激深度自学，让人工智能有一个光明的未来，一位国外的科技博客作者这样说道。是的，最近这半年有关人工智能和深度自学的新闻层出不穷：李世石大战AlphaGo、无人驾驶汽车大大尝试路试显然停不下来（也还包括特斯拉爆胎之前的停不下来），甚至构建让机器写诗作曲看上去人工智能的发展前景出现异常悲观。　　人工智能也许不难理解望文生义才可。

然而，什么是深度自学呢？百度百科得出的说明是：深度自学的概念源自人工神经网络的研究。不含多隐层的多层感知器就是一种深度自学结构。

深度自学通过人组低层特征构成更为抽象化的高层回应属性类别或特征，以找到数据的分布式特征回应。　　荐个臭氧层以内的例子就是，你要让机器理解猫这个动物，那就给它看成千上万的照片，告诉他它那只是猫、哪只不是。某种程度的事情，人类的大脑不会通过总结轮廓、样貌、身形尺寸、形态等样例的特征来已完成自我自学，即便一个幼童经过一段时间的训练也是可以辨识的；而机器的深度自学也是利用类似于的原理。

　　但以上这些都变得过于过矮小上了，人工智能、深度自学这项白科技也是必须接地气的案例才能让我们更为疏远，需要协助我们解决问题生产、生活中一些看起来最奇怪的事情当然最差不过了。恰巧最近日本就传到了这么一则消息：　　在日本，一位名为小池（Koike）的汽车行业工程师，之后运用深度自学的方法，为栽种黄瓜的父母搭起了一套自动服务公司黄瓜的系统。　　小池的父母专门从事黄瓜种植业，自家具有规模极大的黄瓜栽种农场。

但在享用到黄瓜农作物的喜乐的同时，一桩苦恼也同期而至。由于黄瓜的长短、厚度、形状、颜色、质地各不相同，必须人工将黄瓜的质量展开分类，根据质量的强弱，售价也各不相同。　　小池与其父母在黄瓜园内　　这是一项及其繁复、肥肉又耗时、费力的工作，在黄瓜进账的旺季里，小池的母亲平均值每天要花费多达8小时来展开黄瓜的服务公司工作。

　　具有多年汽车行业经验，见惯了汽车生产流水线上各种自动化工序的小池由此想起，不来创建一套黄瓜自动服务公司系统来省却人工的困难。　　但黄瓜的服务公司并不是一桩更容易的工作，即便从人的角度来说，要娴熟这一技术，也必须花费非常宽的培训期，更何况是机器。在日本，对蔬菜品类并没统一的行业标准，而是由各个农场自律要求所生产量的农作物好坏标准，小池父母的农场将自己生产量的黄瓜的质量总共分为9个档次，小池说道，自己也是最近才跟母亲学会如何准确服务公司黄瓜的技术。　　按照长度、形状、质地、颜色等要素被分成9个档次的黄瓜　　考虑到服务公司黄瓜的复杂度和精确度的拒绝，小池要求运用深度自学的方法来展开这一套自动系统的搭起，他说道自己的这一启发来自于谷歌前一段时间名声大噪的AlphaGo，小池指出，正是AlphaGo获得的顺利灵感了他通过深度自学技术来展开黄瓜服务公司自动系统的搭起。

　　明确来看，小池的这一套系统运用了谷歌的开源系统Tensorflow，通过图像识别，并与硬件控制器结合，最后构建服务公司的过程。　　黄瓜服务公司自动系统深度自学系统流程　　从图像识别这一过程来看，通过对训练数据集的自学，电脑需要告诉图像中最重要的元素是哪些，然后根据重要性排序，从而构建分类。　　已完成后的黄瓜自动服务公司系统　　但这一套方法在实际运用中仍面对很多挑战。

首先系统拒绝训练数据量充足多，为了训练这一系统，小池花费了3个月的时间输出了7000个早已被他母亲分类好的黄瓜的图像，但是这一数据量还远远不够，带给的问题是在实际运用中，服务公司的准确度过于低。小池说道，实际用于中的准确度仅有为70%。　　第二方面的挑战在于受到计算资源的容许，无法展开复杂度更高的动态运算。

尽管小池的这套系统早已将黄瓜的图片训练数据转换成80*80的低分辨率图像，但仍然花费了一台普通的Windows个人电脑2至3天的时间已完成7000幅图片的模型训练。　　基于上述容许，小池的自动服务公司系统目前不能对黄瓜的形状、长度和曲度三个参数展开服务公司辨识，颜色、质地、表面皱褶等参数还无法划入进去。　　要突破这些障碍展开更加大规模、更大深度的深度自学就必须中用更好的计算资源，这时对于普通开发者来说，就不能借助云端服务器的协助了。

本文来源：中欧体育-www.5788008.com