深度学习属于更深层次的机器学习,它促进了机器学习的发展,也推动了人工智能的革命。深度学习的概念源于人工神经网络研究,是机器学习研究中的一个新领域,目的是建立、模拟人脑进行分析学习的神经网络,让机器模仿人脑的机制来解释数据,例如图像、声音和文本。作为机器学习的一个方法,深度学习能让人们通过给定的输入值来训练机器预测输出值。训练机器可以用监督式学习或非监督式学习。
深度学习在人工智能上有特定的工作原理。首先输入层、隐藏层(可以有多个)和输出层三个不同层级的神经网络中有神经元。输入层用来接收输入值。输入层有多个神经元,每一个数据都是一个神经元,这些数据通过输入层后传递到隐藏层。隐藏层对输入值进行数学运算。输出层返回运算结果。每一层的神经元到达下一层的对应神经元时,会有一个权重,它决定了输出值的重要性。一般来说,因为无法知道第一层神经元的初始值,所以是随机的。例如,当人们预测某个航班的机票价格时,出发日期是最重要的因素,所以出发日期之间的神经元有很大的权重。由于每一个神经元都有一个激活函数,这些激活函数的目的就是将神经元的输出值标准化,因此,最后就能得出预测结果。如图2。
图2 神经网络
人工智能如果要预测得准,就要用大数据集对神经网络进行训练。人们通过将大量的历史机票价格的数据作为输出值,机场和出发日期的结合作为输入值,对人工智能进行训练。一旦整个数据集的所有数据输入完成,就可以创建一个函数,这个函数能通过给定一个输入值,自动算出输出值。这就是人工智能通过学习获得的预测能力。