（原標(biāo)題：Google Brain chief！ Deep learning takes at least 100，000 examples）

　　網(wǎng)易科技訊 10月24日消息，諸如深度學(xué)習(xí)技術(shù)有助于推動(dòng)人工智能的發(fā)展。但這些技術(shù)的缺陷在于需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練。但到底多少數(shù)據(jù)才算得上足夠呢？

　　谷歌高級(jí)研究員，人工智能部門(mén)Google Brain負(fù)責(zé)人杰夫·迪恩（Jeff Dean）在接受采訪時(shí)表示：“我想說(shuō)的是，無(wú)論數(shù)據(jù)多少，很多與客戶進(jìn)行互動(dòng)的業(yè)務(wù)都在開(kāi)始考慮使用這些技術(shù)。如果你只有十幾個(gè)數(shù)據(jù)樣例，那就很難開(kāi)展深度學(xué)習(xí)。但如果你有10萬(wàn)個(gè)相關(guān)的數(shù)據(jù)樣例，那你就應(yīng)該真正開(kāi)始思考這些技術(shù)的運(yùn)用。“

　　作為Google Brain團(tuán)隊(duì)的負(fù)責(zé)人，迪恩對(duì)深度學(xué)習(xí)技術(shù)有相當(dāng)審深入的研究。他的研究專注于計(jì)算機(jī)科學(xué)和人工智能方面的各類問(wèn)題。自20世紀(jì)90年代以來(lái)，他一直在使用神經(jīng)網(wǎng)絡(luò)技術(shù)，當(dāng)時(shí)他的本科畢業(yè)論文就是基于人工神經(jīng)網(wǎng)絡(luò)上。

　　在他看來(lái)，機(jī)器學(xué)習(xí)技術(shù)會(huì)影響到每個(gè)行業(yè)，但其發(fā)展的速度取決于行業(yè)本身。

　　人們?cè)讷@取數(shù)據(jù)以及將有效數(shù)據(jù)轉(zhuǎn)化為深度學(xué)習(xí)技術(shù)方面，仍然會(huì)遇到很多障礙。為了讓采集到的數(shù)據(jù)對(duì)機(jī)器學(xué)習(xí)有用，需要對(duì)數(shù)據(jù)進(jìn)行處理，這需要在第一時(shí)間對(duì)數(shù)據(jù)進(jìn)行人為干預(yù)。

　　迪恩說(shuō)：“在機(jī)器學(xué)習(xí)系統(tǒng)中有很多并不是機(jī)器學(xué)習(xí)技術(shù)本身的工作。所以你還要做很多事情。你必須收集數(shù)據(jù)，打上標(biāo)簽并分類；然后你必須編寫(xiě)一些數(shù)據(jù)處理程序來(lái)生成數(shù)據(jù)集，然后才能進(jìn)行機(jī)器學(xué)習(xí)。“

　　為了打造機(jī)器學(xué)習(xí)系統(tǒng)的整個(gè)過(guò)程更為容易，谷歌所采用的一個(gè)方法是使用機(jī)器學(xué)習(xí)來(lái)確定解決特定問(wèn)題的正確系統(tǒng)。這是一個(gè)前所未有的艱巨問(wèn)題，但迪恩說(shuō)早期的工作進(jìn)展明顯。

　　例如，進(jìn)行自我訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能夠從今年早些時(shí)候發(fā)布的ImageNet數(shù)據(jù)集中正確識(shí)別出圖像。而谷歌旗下的人工智能系統(tǒng)DeepMind剛剛自主發(fā)布了一篇關(guān)于AlphaGo版本的論文，這似乎印證了機(jī)器進(jìn)行自主學(xué)習(xí)的能力。（晗冰）