你的企業需要「深度學習」嗎?Google Brian 的負責人 Jeff Dean 開腔談最低門檻

你分得清楚機械學習 (Machine Learning) 與深度學習 Deep Learning 嗎?深度學習是一種高層式的資料處理方式,而特點是需要大量的資料進行。那麼到底需要幾多資料才可以做到 Deep Learning 呢?這一直在業界備受爭議。

近日 Google Brain 的負責人出來講 Deep Learning 的最低門檻。

根據 Google Brain 的負責人 Jeff Dean 之前公開談什麼企業需要用到深度學習,他指出資料量是一個關鍵:「如果你只有 10 個左右的案例,這是很難把資料用於 Deep Learning 。但如果你有 100,000 個紀錄或者事情需要分析,那些獨立的數據就足以用在深度學習上面了。」

 

Dean 作為 Google Brain 的領導人,他在這個領域的經驗相當豐富。自 1990 年代他就開始進行神經網絡的研究,而我們亦可以見到機械學習在影響不同的行業,因為不同的公司開發出簡單的機械學習框架,一切都變得越來越容易,這是不少公司需要認知的事情。

每日全世界的企業都在處理成千上萬的資料,巨頭企業越來越重視如何去處理資料,而機械學習的應用成為一個不少人討論的題目,但卻不是萬能的。Dean 也提到:「有很多工作系統並不適用於 Machine Learning ,如果你執意要為某些事情打造一套系統,你要從取得資料開始著手,並先考慮如何處理資料。」他的意思是 Machine Learning 並不是一個「萬能藥」,需要實際應用需要把整個資料的架構進行改變。

 

 

而 Google 也推出了自己的 Machine Learning 系統和 TPU 處理器,大家亦可以利用 Google Cloud  的虛擬機器實作自己的神經網絡,這個世代是比較簡單的。誰可以打造下一個 AlphaGo ,又或者下一個強大的圖像辨認系統由誰寫出來?我

引用來源:Venture Beat

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *

限制時效已用盡。請重新載入驗證碼。