什么是深度學(xué)習(xí) 深度學(xué)習(xí)行業(yè)現(xiàn)狀及未來發(fā)展趨勢分析2023

• 吳澳燕 2023年1月17日 來源：中研報告 互聯(lián)網(wǎng) 566 31
• 繁體

深度學(xué)習(xí)本質(zhì)上是一種新興的機(jī)器學(xué)習(xí)算法，其基本模型框架是基于ANN的，如含有多隱層的感知器。其可以通過對數(shù)據(jù)的底層特征進(jìn)行學(xué)習(xí)從而得到更加抽象的隱藏特征，從而特到數(shù)據(jù)的分布式規(guī)律，進(jìn)而預(yù)測或分類數(shù)據(jù)。

深度學(xué)習(xí)推動人工智能進(jìn)入工業(yè)大生產(chǎn)階段。AI 大生產(chǎn)平臺可以讓 AI 技術(shù)以標(biāo)準(zhǔn)化、自動化和模塊化的方式輸出給千行百業(yè)，實(shí)現(xiàn)規(guī)?；瘧?yīng)用，同時以平臺為基礎(chǔ)促進(jìn)融合創(chuàng)新、共同發(fā)展。

深度學(xué)習(xí)本質(zhì)上是一種新興的機(jī)器學(xué)習(xí)算法，其基本模型框架是基于ANN的，如含有多隱層的感知器。其可以通過對數(shù)據(jù)的底層特征進(jìn)行學(xué)習(xí)從而得到更加抽象的隱藏特征，從而特到數(shù)據(jù)的分布式規(guī)律，進(jìn)而預(yù)測或分類數(shù)據(jù)。

深度學(xué)習(xí)是一種學(xué)習(xí)數(shù)據(jù)表征的算法，它可以從無規(guī)律、抽象的觀測值即輸入值中學(xué)習(xí)到數(shù)據(jù)的隱藏特征，比如CNN算法通過輸入的圖片像素點(diǎn)RGB值可以學(xué)習(xí)到圖片的內(nèi)部特征，例如圖片中的實(shí)體、數(shù)字等。深度學(xué)習(xí)的好處是其用高效的特征提取算法替代了原始的手工獲取特征的手段。

根據(jù)中研普華產(chǎn)業(yè)研究院發(fā)布的《2021-2025年中國深度學(xué)習(xí)發(fā)展及趨勢專項研究報告》顯示：

深度學(xué)習(xí)概念由Hinton于2006年在《Science》上發(fā)表的論文《DeepLearning》提出。

提到：1、在ANN中，感知器的隱層數(shù)量越多，對于數(shù)據(jù)隱藏特征的學(xué)習(xí)能力就越強(qiáng)，而且學(xué)習(xí)到的特征會更好的幫助理解數(shù)據(jù)，從而能夠更好的對數(shù)據(jù)進(jìn)行可視化或分類;

2、由于ANN層數(shù)越多，參數(shù)就會以幾何倍數(shù)的增加，因此ANN的層數(shù)會加大對整個網(wǎng)絡(luò)的訓(xùn)練效率，由此Hinton提出了基于無監(jiān)督學(xué)習(xí)的“逐層初始化”來有效克服該難題。在深度學(xué)習(xí)領(lǐng)域中，最先出現(xiàn)的算法是Hinton提出的限制玻爾茲曼機(jī)(RBM)以及基于此提出的深度置信網(wǎng)絡(luò)(DBN)，這兩種算法為解決復(fù)雜的優(yōu)化難題提供了思路，為解決多層復(fù)雜網(wǎng)絡(luò)帶來了希望。之后提出的自動編碼器算法也風(fēng)靡一時。

此外Hinton的得意弟子Lecun等人提出的卷積神經(jīng)網(wǎng)絡(luò)(CNN)真正將深度學(xué)習(xí)研究領(lǐng)上了高潮，其本質(zhì)上是用來解決圖片或視頻中的實(shí)體識別等難題的，它利用圖片2維或3維空間特性有效的減少了網(wǎng)絡(luò)的訓(xùn)練參數(shù)。

到2021年，全球深度學(xué)習(xí)市場價值約為115.429億美元，預(yù)計到2028年將增長到807.696億美元，在預(yù)測期內(nèi)的復(fù)合年增長率(CAGR)約為38.3%。

深度學(xué)習(xí)行業(yè)現(xiàn)狀及未來發(fā)展趨勢分析2023

深度學(xué)習(xí)跨領(lǐng)域使用，并且在最近的過去顯示出很高的需求。導(dǎo)致該市場增長的關(guān)鍵驅(qū)動因素是提高計算能力，降低硬件成本以及越來越多地采用基于云的技術(shù)。這些驅(qū)動因素推動了語音識別軟件、汽車和語言翻譯服務(wù)的增長，并在零售、醫(yī)療保健、汽車、農(nóng)業(yè)、安全和制造業(yè)獲得了全面的應(yīng)用。

市場面臨的挑戰(zhàn)是由于技術(shù)中使用的復(fù)雜算法，缺乏靈活性和多任務(wù)處理以及缺乏技術(shù)專業(yè)知識和缺乏標(biāo)準(zhǔn)和協(xié)議而導(dǎo)致的硬件復(fù)雜性增加。

飛槳是中國首個自主研發(fā)的產(chǎn)業(yè)級深度學(xué)習(xí)平臺,以百度多年的深度學(xué)習(xí)技術(shù)研究和產(chǎn)業(yè)應(yīng)用為基礎(chǔ),于2016年正式開源。飛槳具備“世界領(lǐng)先的人工智能技術(shù)、支撐科研與產(chǎn)業(yè)共進(jìn)的核心框架、擁有產(chǎn)業(yè)級開源模型庫的開發(fā)平臺、中國第一的開發(fā)者生態(tài)”等核心優(yōu)勢。

長期以來,飛槳注重深度學(xué)習(xí)技術(shù)的產(chǎn)業(yè)應(yīng)用能力,不僅在業(yè)內(nèi)率先實(shí)現(xiàn)了動靜統(tǒng)一的框架設(shè)計,而且在保證開發(fā)靈活性的同時,更加適配產(chǎn)業(yè)應(yīng)用場景。

如通過打造模型庫、開發(fā)套件、工具組件及企業(yè)版,飛槳不斷降低應(yīng)用門檻。過去幾年,飛槳官方發(fā)布的產(chǎn)業(yè)級開源模型已經(jīng)超過了400個,并發(fā)布13個精度與性能平衡的產(chǎn)業(yè)級PP系列模型,覆蓋工業(yè)、農(nóng)業(yè)、交通、科學(xué)計算等20多個領(lǐng)域。

應(yīng)用覆蓋范圍越廣,市場份額越大,就更能體現(xiàn)企業(yè)具備更強(qiáng)和更完善的能力去滿足不同客戶的定制需求。此外,深度學(xué)習(xí)軟件框架的應(yīng)用行業(yè)數(shù)量越多,細(xì)分應(yīng)用場景數(shù)量越多,則證明行業(yè)應(yīng)用廣度大,說明企業(yè)產(chǎn)品在各場景均被廣泛應(yīng)用。

伴隨技術(shù)、產(chǎn)業(yè)、政策等各方環(huán)境成熟，人工智能已經(jīng)跨過技術(shù)理論積累和工具平臺構(gòu)建的發(fā)力儲備期，開始步入以規(guī)模應(yīng)用與價值釋放為目標(biāo)的產(chǎn)業(yè)賦能黃金十年。隨著人工智能的規(guī)?；涞?，基于深度學(xué)習(xí)框架上下延伸、構(gòu)建智能生態(tài)平臺成為國內(nèi)外科技企業(yè)的共同選擇。

國外的深度學(xué)習(xí)研究在整體上呈現(xiàn)出三個基本趨勢：一是關(guān)注真實(shí)課堂條件下深度學(xué)習(xí)與學(xué)生素養(yǎng)發(fā)展的實(shí)證研究;二是從個別具體操作策略的探討轉(zhuǎn)向?yàn)橐话慊僮髂Ｊ降慕?gòu);三是從單純關(guān)注深度學(xué)習(xí)的技術(shù)性支持轉(zhuǎn)向?yàn)榍榫承缘沫h(huán)境支持系統(tǒng)設(shè)計。深度學(xué)習(xí)研究又呈現(xiàn)出兩個較為明顯的特點(diǎn)。

深度學(xué)習(xí)研究咨詢報告由中研普華咨詢公司領(lǐng)銜撰寫，在大量周密的市場調(diào)研基礎(chǔ)上，主要依據(jù)了國家統(tǒng)計局、國家商務(wù)部、國家發(fā)改委、國家經(jīng)濟(jì)信息中心、國務(wù)院發(fā)展研究中心、工信部、中國行業(yè)研究網(wǎng)、全國及海外多種相關(guān)報紙雜志的基礎(chǔ)信息等公布和提供的大量資料和數(shù)據(jù)，客觀、多角度地對中國深度學(xué)習(xí)市場進(jìn)行了分析研究。報告在總結(jié)中國深度學(xué)習(xí)發(fā)展歷程的基礎(chǔ)上，結(jié)合新時期的各方面因素，對中國深度學(xué)習(xí)的發(fā)展趨勢給予了細(xì)致和審慎的預(yù)測論證。報告資料詳實(shí)，圖表豐富，既有深入的分析，又有直觀的比較，為深度學(xué)習(xí)企業(yè)在激烈的市場競爭中洞察先機(jī)，能準(zhǔn)確及時的針對自身環(huán)境調(diào)整經(jīng)營策略。

更多行業(yè)詳情請點(diǎn)擊中研普華產(chǎn)業(yè)研究院發(fā)布的《2021-2025年中國深度學(xué)習(xí)發(fā)展及趨勢專項研究報告》。

• 相關(guān)深度報告REPORTS

  

  2021-2025年中國深度學(xué)習(xí)發(fā)展及趨勢專項研究報告

  深度學(xué)習(xí)本質(zhì)上是一種新興的機(jī)器學(xué)習(xí)算法，其基本模型框架是基于ANN的，如含有多隱層的感知器。其可以通過對數(shù)據(jù)的底層特征進(jìn)行學(xué)習(xí)從而得到更加抽象的隱藏特征，從而特到數(shù)據(jù)的分布式規(guī)律，進(jìn)C...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡