【編者按】本文來自CMU的博士，MIT的博士后，vision.ai的聯(lián)合創(chuàng)始人Tomasz Malisiewicz的個人博客文章，閱讀本文，你可以更好的理解計算機視覺是怎么一回事，同時對機器學(xué)習(xí)是如何隨著時間緩慢發(fā)展的也有個直觀的認識。

以下為正文：

本文我們來關(guān)注下三個非常相關(guān)的概念（深度學(xué)習(xí)、機器學(xué)習(xí)和模式識別），以及他們與2015年最熱門的科技主題（機器人和人工智能）的聯(lián)系。

圖1 人工智能并非將人放入一臺計算機中（圖片來源于 WorkFusion 的博客）

環(huán)繞四周，你會發(fā)現(xiàn)不缺乏一些初創(chuàng)的高科技公司招聘機器學(xué)習(xí)專家的崗位。而其中只有一小部分需要深度學(xué)習(xí)專家。我敢打賭，大多數(shù)初創(chuàng)公司都可以從最基本的數(shù)據(jù)分析中獲益。那如何才能發(fā)現(xiàn)未來的數(shù)據(jù)科學(xué)家？你需要學(xué)習(xí)他們的思考方式。

三個與“學(xué)習(xí)”高度相關(guān)的流行詞匯

模式識別（Pattern recogniTIon）、機器學(xué)習(xí)（machine learning）和深度學(xué)習(xí)（deep learning）代表三種不同的思想流派。模式識別是最古老的（作為一個術(shù)語而言，可以說是很過時的）。機器學(xué)習(xí)是最基礎(chǔ)的（當(dāng)下初創(chuàng)公司和研究實驗室的熱點領(lǐng)域之一）。而深度學(xué)習(xí)是非常嶄新和有影響力的前沿領(lǐng)域，我們甚至不會去思考后深度學(xué)習(xí)時代。我們可以看下圖所示的谷歌趨勢圖。可以看到：

1）機器學(xué)習(xí)就像是一個真正的冠軍一樣持續(xù)昂首而上；

2）模式識別一開始主要是作為機器學(xué)習(xí)的代名詞；

3）模式識別正在慢慢沒落和消亡；

4）深度學(xué)習(xí)是個嶄新的和快速攀升的領(lǐng)域。

2004年至今三個概念的谷歌搜索指數(shù)（圖來源于 谷歌趨勢 ）

1. 模式識別：智能程序的誕生

模式識別是70年代和80年代非常流行的一個術(shù)語。它強調(diào)的是如何讓一個計算機程序去做一些看起來很“智能”的事情，例如識別“3”這個數(shù)字。而且在融入了很多的智慧和直覺后，人們也的確構(gòu)建了這樣的一個程序。例如，區(qū)分“3”和“B”或者“3”和“8”。早在以前，大家也不會去關(guān)心你是怎么實現(xiàn)的，只要這個機器不是由人躲在盒子里面?zhèn)窝b的就好（圖2）。不過，如果你的算法對圖像應(yīng)用了一些像濾波器、邊緣檢測和形態(tài)學(xué)處理等等高大上的技術(shù)后，模式識別社區(qū)肯定就會對它感興趣。光學(xué)字符識別就是從這個社區(qū)誕生的。因此，把模式識別稱為70年代，80年代和90年代初的“智能”信號處理是合適的。決策樹、啟發(fā)式和二次判別分析等全部誕生于這個時代。而且，在這個時代，模式識別也成為了計算機科學(xué)領(lǐng)域的小伙伴搞的東西，而不是電子工程。從這個時代誕生的模式識別領(lǐng)域最著名的書之一是由Duda Hart執(zhí)筆的“模式識別（Pattern ClassificaTIon）”。對基礎(chǔ)的研究者來說，仍然是一本不錯的入門教材。不過對于里面的一些詞匯就不要太糾結(jié)了，因為這本書已經(jīng)有一定的年代了，詞匯會有點過時。

圖2 一個字符“3”的圖像被劃分為16個子塊。

自定義規(guī)則、自定義決策，以及自定義“智能”程序在這個任務(wù)上，曾經(jīng)都風(fēng)靡一時（更多信息，可以查看這個 OCR 網(wǎng)頁）

小測試：計算機視覺領(lǐng)域最著名的會議叫CVPR，這個PR就是模式識別。你能猜出第一屆CVPR會議是哪年召開的嗎？

2. 機器學(xué)習(xí)：從樣本中學(xué)習(xí)的智能程序

在90年代初，人們開始意識到一種可以更有效地構(gòu)建模式識別算法的方法，那就是用數(shù)據(jù)（可以通過廉價勞動力采集獲得）去替換專家（具有很多圖像方面知識的人）。因此，我們搜集大量的人臉和非人臉圖像，再選擇一個算法，然后沖著咖啡、曬著太陽，等著計算機完成對這些圖像的學(xué)習(xí)。這就是機器學(xué)習(xí)的思想。“機器學(xué)習(xí)”強調(diào)的是，在給計算機程序（或者機器）輸入一些數(shù)據(jù)后，它必須做一些事情，那就是學(xué)習(xí)這些數(shù)據(jù)，而這個學(xué)習(xí)的步驟是明確的。相信我，就算計算機完成學(xué)習(xí)要耗上一天的時間，也會比你邀請你的研究伙伴來到你家然后專門手工得為這個任務(wù)設(shè)計一些分類規(guī)則要好。

圖3 典型的機器學(xué)習(xí)流程（圖來源于 Natalia KonstanTInova 博士的博客）。

在21世紀(jì)中期，機器學(xué)習(xí)成為了計算機科學(xué)領(lǐng)域一個重要的研究課題，計算機科學(xué)家們開始將這些想法應(yīng)用到更大范圍的問題上，不再限于識別字符、識別貓和狗或者識別圖像中的某個目標(biāo)等等這些問題。研究人員開始將機器學(xué)習(xí)應(yīng)用到機器人（強化學(xué)習(xí)，操控，行動規(guī)劃，抓?。⒒驍?shù)據(jù)的分析和金融市場的預(yù)測中。另外，機器學(xué)習(xí)與圖論的聯(lián)姻也成就了一個新的課題---圖模型。每一個機器人專家都“無奈地”成為了機器學(xué)習(xí)專家，同時，機器學(xué)習(xí)也迅速成為了眾人渴望的必備技能之一。然而，“機器學(xué)習(xí)”這個概念對底層算法只字未提。我們已經(jīng)看到凸優(yōu)化、核方法、支持向量機和BoosTIng算法等都有各自輝煌的時期。再加上一些人工設(shè)計的特征，那在機器學(xué)習(xí)領(lǐng)域，我們就有了很多的方法，很多不同的思想流派，然而，對于一個新人來說，對特征和算法的選擇依然一頭霧水，沒有清晰的指導(dǎo)原則。但，值得慶幸的是，這一切即將改變……

延伸閱讀：要了解更多關(guān)于計算機視覺特征的知識，可以看看原作者之前的博客文章：“ 從特征描述子到深度學(xué)習(xí)：計算機視覺的20年 ”。

3. 深度學(xué)習(xí)：一統(tǒng)江湖的架構(gòu)

快進到今天，我們看到的是一個奪人眼球的技術(shù)---深度學(xué)習(xí)。而在深度學(xué)習(xí)的模型中，受寵愛最多的就是被用在大規(guī)模圖像識別任務(wù)中的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Nets，CNN），簡稱ConvNets。

圖4 ConvNet框架（圖來源于 Torch的教程）

深度學(xué)習(xí)強調(diào)的是你使用的模型（例如深度卷積多層神經(jīng)網(wǎng)絡(luò)），模型中的參數(shù)通過從數(shù)據(jù)中學(xué)習(xí)獲得。然而，深度學(xué)習(xí)也帶來了一些其他需要考慮的問題。因為你面對的是一個高維的模型（即龐大的網(wǎng)絡(luò)），所以你需要大量的數(shù)據(jù)（大數(shù)據(jù)）和強大的運算能力（圖形處理器，GPU）才能優(yōu)化這個模型。卷積被廣泛用于深度學(xué)習(xí)（尤其是計算機視覺應(yīng)用中），而且它的架構(gòu)往往都是非淺層的。

如果你要學(xué)習(xí)Deep Learning，那就得先復(fù)習(xí)下一些線性代數(shù)的基本知識，當(dāng)然了，也得有編程基礎(chǔ)。我強烈推薦Andrej Karpathy的博文：“ 神經(jīng)網(wǎng)絡(luò)的黑客指南 ”。另外，作為學(xué)習(xí)的開端，可以選擇一個不用卷積操作的應(yīng)用問題，然后自己實現(xiàn)基于CPU的反向傳播算法。

對于深度學(xué)習(xí)，還存在很多沒有解決的問題。既沒有完整的關(guān)于深度學(xué)習(xí)有效性的理論，也沒有任何一本能超越機器學(xué)習(xí)實戰(zhàn)經(jīng)驗的指南或者書。另外，深度學(xué)習(xí)不是萬能的，它有足夠的理由能日益流行，但始終無法接管整個世界。不過，只要你不斷增加你的機器學(xué)習(xí)技能，你的飯碗無憂。但也不要對深度框架過于崇拜，不要害怕對這些框架進行裁剪和調(diào)整，以得到和你的學(xué)習(xí)算法能協(xié)同工作的軟件框架。未來的Linux內(nèi)核也許會在Caffe（一個非常流行的深度學(xué)習(xí)框架）上運行，然而，偉大的產(chǎn)品總是需要偉大的愿景、領(lǐng)域的專業(yè)知識、市場的開發(fā)，和最重要的：人類的創(chuàng)造力。

其他相關(guān)術(shù)語

1）大數(shù)據(jù)（Big-data）：大數(shù)據(jù)是個豐富的概念，例如包含大量數(shù)據(jù)的存儲，數(shù)據(jù)中隱含信息的挖掘等。對企業(yè)經(jīng)營來說，大數(shù)據(jù)往往可以給出一些決策的建議。對機器學(xué)習(xí)算法而言，它與大數(shù)據(jù)的結(jié)合在早幾年已經(jīng)出現(xiàn)。研究人員甚至任何一個日常開發(fā)人員都可以接觸到云計算、GPU、DevOps和PaaS等等這些服務(wù)。

2）人工智能（Artificial Intelligence）：人工智能應(yīng)該是一個最老的術(shù)語了，同時也是最含糊的。它在過去50年里經(jīng)歷了幾度興衰。當(dāng)你遇到一個說自己是做人工智能的人，你可以有兩種選擇：要么擺個嘲笑的表情，要么抽出一張紙，記錄下他所說的一切。

延伸閱讀：原作者2011的博客：“ 計算機視覺當(dāng)屬人工智能 ”。

結(jié)論

關(guān)于機器學(xué)習(xí)的討論在此停留（不要單純的認為它是深度學(xué)習(xí)、機器學(xué)習(xí)或者模式識別中的一個，這三者只是強調(diào)的東西有所不同），然而，研究會繼續(xù)，探索會繼續(xù)。我們會繼續(xù)構(gòu)建更智能的軟件，我們的算法也將繼續(xù)學(xué)習(xí)，但我們只會開始探索那些能真正一統(tǒng)江湖的框架。

如果你也對深度學(xué)習(xí)的實時視覺應(yīng)用感興趣，特別是那些適合機器人和家居智能化的應(yīng)用，歡迎來我們的網(wǎng)站 vision.ai 交流。希望未來，我能說的再多一點……

作者簡介：Tomasz Malisiewicz，CMU的博士，MIT的博士后，vision.ai的聯(lián)合創(chuàng)始人。關(guān)注計算機視覺，在這個領(lǐng)域也做了大量的工作。另外，他的博客也富含信息量和價值，感興趣的可以瀏覽他個人主頁和博客。