深度学习在人工智能与船海工程中的应用

深度学习（deep learning）是基于人工神经网络的一种计算方法，是机器学习的一种实现技术。深度学习从输入到输出不是一步完成，而是需要经过多个层（layer）的计算才能进行输出，如图1-3所示。

图1-3　深度学习网络

随着计算机硬件的进步，计算机的运算能力大幅度提高，现阶段的神经网络结构可以达到几百层甚至上千层，深度学习已经成为人工智能一个最有力的工具，在计算机图像识别和语音识别领域，深度学习的卷积神经网络算法已经成为主流，但是深度学习并不能完全取代机器学习，如下一些问题是深度学习现阶段无法实现的：

①当数据样本数量较少时，深度学习无法处理，深度学习需要大量的数据作为基础进行训练；

②深度学习的思想还不能完全模拟出人类大脑的功能，比如人脑有时不需要太多的数据样本也能够进行识别，又比如一个从来没有见过大象的小孩，当你告诉它这是大象，它以后就能够直接认出这个动物是大象，哪怕是各种类型的大象，但是大象的特点可以被立即勾画在大脑里，而深度学习现在还不能实现这个功能；

③深度学习在无监督学习方面效果不佳，深度学习目前还是依赖于大数据的，而数据和标签是需要大量的人力来完成；(www.xing528.com)

④深度学习现在处于人为设定的阶段，深度学习网络如何搭建，多少层是最适合的，这些都是人为设定的，机器自己并不知道怎样设定这个网络能够得到最佳的识别效果，未来如何能够让机器自己判断什么样的结构和参数能得到最优的结果，那么这将是一个非常值得关注的方向；

⑤深度学习的网络仅仅是基于数据集的，并没有其他附加信息可以依赖，而人类大脑的神经元是可以接收高层神经的神经元信息，同时人类的视觉可以和听觉或者其他感觉甚至潜意识来结合，这点深度学习在现阶段是不能完成的。

深度学习是人工智能领域里最为火热的一个概念，虽然还存在一些不足，但是在视觉和听觉方面已经可以很好地完成一些识别和判断的功能，如何把深度学习的概念应用到各个领域是当前最为重要的科研工作。

人工智能与机器学习、深度学习的关系如图1-4所示。