没事遛狗追剧、签到赢金币的 我妈

刷到朋友圈广告

就想每天半小时开启Python学习之旅了

再说天天忘事儿、数学粉碎级骨折的 我

也被各大网站、头条宣扬的“未来已来”打动

居然动起了转行当数据科学家的念头

（我飘了...）

碍于现实，数据科学家可以不当，不过人工智能还是要了解滴，门外汉只求掌握大致情况，以避免在一桌子人大谈特谈神经网络、机器学习的时候，因为接不上话只能用喝水来掩饰尴尬的局面。

不过网上人工智能的相关文章满天飞，我越看越迷，往往没介绍个子丑寅卯啥的，先打一大波广告——水分太大，学不了真功夫。

于是，我光临了“ 干货总局”，传说中一个免费分享知识的地方，我带着一颗求知的心来了。

这家铺子店面不大，正值早晨，里面稀稀拉拉没几个人，一位小二打扮的人倚在柜台上嗑瓜子，见我进来抬抬眼皮、动动眼珠子算是示意。

“小二，人工智能的知识在哪看啊？”

“B区250-272架子都是讲人工智能干货的，自己翻。”

“想快速了解基本内容，你有什么建议读的吗？”

“《 3分钟告诉你，人工智能是怎么学习的》，翻阅的人最多。”

我拿起来一翻，一种熟悉的亲切感扑面而来，这不就是一直困扰我的问题吗？

1

机器学习与深度学习是什么关系？

▼开局一张图▼

21世纪以后，人工智能发展异常火爆，这主要得益于 机器学习（Machine Learning）的方式。

而近10年人工智能的高度繁荣，则与机器学习子类—— 深度学习（Deep Learning）的发展有关。

机器学习

所谓 机器学习，是让计算机从大量真实环境、信息和以往经验中学习，像人类一样从中获取知识经验并成长，从而使计算机在以后遇到类似情况时，利用学习到的方法进行判断和处理。

比如一台机器，目标是让它学会辨别猫和虎，我们可以提供大量猫虎图片，让机器自行学习形状、体积等足以区分两者的特质。随着学习训练不断进行，面对给定的图片，系统最终可以准确判断哪些是猫、哪些是虎。

深度学习

深度学习，是机器学习的一个子类，其灵感源于人脑神经网络，是一种模仿人脑的 深度神经网络的机制来解释数据的方式，例如文本、声音、图像等。

2

什么是强化学习？

近几年，除了深度学习， 强化学习（Reinforcement Learning）也非常热门。

强化学习

强化学习同样是机器学习的一种，计算机可以在没有明确指令的前提下像人类一样自我学习，在与 环境的交互过程中通过学习策略以达成 回报最大化或 实现特定目标。在获得足够的学习量以后，强化学习后的计算机就能够预测结果，做出正确的判断。

强化学习受 行为心理学的启发，比如小学生取得好成绩会得到家长表扬或零食玩具，小学生由此得到了学习好可以得到奖励的正强化，从而更加努力学习。

强化学习与之类似，系统通过与环境进行交互获得的奖赏来修正自身行为，在不断的“ 试错”中学习经验，目的是获得奖赏的最大化。 近来随着计算速度的飞速提升以及深度学习架构的稳定发展，强化学习实现了真正意义上的飞跃。

3

对抗神经网络是什么？

对抗神经网络

近年来，又出现了 对抗神经网络（Generative Adversarial Networks），这是非常有潜力的机器学习模型。它使用了两个简化的人脑数学模型的神经网络，让二者在某一数字游戏中互相PK，从而使双方都获得学习和成长。

用“左右互搏”来形容这一过程最合适不过了。两个神经网络使用相同的数据集进行训练，其中一个叫 生成网络，根据所见图片生成新的图片；另外一个神经网络叫 判别网络，它会判断所见到的图片是与训练时的相似还是被创造出来的假图片。

关于对抗神经网络，有人举过“ 警察与小偷”的例子。警察抓小偷，小偷要避免被警察抓，随着低水平小偷落网，那些侥幸游走的小偷则会不断学习以提高反追捕能力，而为了抓捕更狡猾的小偷，警察也需要不断提高自己辨别案犯的能力。这个过程中，双方就在不断的切磋、碰撞中提升自身水平。

看完《3分钟告诉你，人工智能是怎么学习的》，我确实有醍醐灌顶的感觉，对人工智能的理解也清晰了不少，不愧是“干货总局”，没有水分，实在！

临走我到柜台前跟小二告别，顺带问了他一个问题：“你们这里免费分享知识，不赚钱怎么维持下去啊？”

小二神秘一笑，不答反问：“客官看， 人工智能是否会一直顺畅地发展下去？”

“这个嘛，当然了！全球人工智能的市场价值在2016年预估为 4.8亿美元，而到2022年预计可以达到 130亿美元，人工智能迅速增长，市场潜力巨大，是未来行业发展的方向啊！”

“未必。马克思主义告诉我们，事物发展的前途是光明的，道路是曲折的。就拿大火的深度学习和强化学习来说， 发展到一定阶段一定会遇到瓶颈，毕竟归根到底，这些机器学习的算法都是基于蛮力计算， 需要极大的数据量来训练计算机，倘若算力跟不上，一个任务训练就要花上三四天，这样的速度岂不是大大拖延了人工智能的发展进程？”

“那你觉得这问题能解决吗？”我暗暗惊奇，没想到这看起来无所事事的小二，还有两把刷子。

“ 你看看我们的赞助商是谁？”小二指了指背后的金字招牌，我这才注意到“干货总局”边上的“ 戴尔易安信”字样。

不等我开口，小二继续说道：“ 机器学习，尤其是深度学习的工作负载需要高效能和大容量，只有这样才能快速管理分析结构化和非结构化数据，进而快速提供一致的结果。这方面， 拥有多年行业积累的戴尔易安信推出了多款适合深度学习的高性能PowerEdge服务器，为人工智能的发展增添助力！”

PowerEdge C4140

一款超高密度、针对加速器优化的1U机架式服务器平台，专为认知和技术计算工作负载而设计。

PowerEdge R940xa

可推动 GPU数据库加速，为计算密集型应用程序提供实时决策。结合使用4个CPU 和4个GPU，提供一致的高性能，可满足严苛的应用程序需求，加速AI继续学习。

▲ 点击图片可了解 RowerEdge R940xa详细信息

DSS 84 40

是一款2路4U服务器，旨在为机器学习应用提供极高的性能。DSS8440配备多达10个加速器、高速PCIe结构和大量的本地存储。非常适用于机器学习、训练应用程序以及其他计算密集型工作负载。

目前，深度学习、强化学习、认知功能模拟多基于数据海量处理， 人工智能的研究与开发， 都可以运行在戴尔易安信高性能计算解决方案中。在人工智能快速发展的当下，戴尔易安信将帮助企业实现基于深度学习的大数据分析，为客户量身打造解决方案、实施护航服务，以实现更好的人工智能部署与应用！

“原来你们是打广告来的，这不是夹带私货嘛！”小二话音刚落，我接茬说道。

“免费知识分享，不求盈利，只为曝光，给友情赞助宣传一二，你不吃亏我也不吃亏嘛！”