腾讯AI Lab计算机视觉组负责人刘威:机器学习的明天会更好

                                腾讯AI Lab计算机视觉组负责人刘威

腾讯AI Lab计算机视觉组负责人刘威带来的分享是《机器学习的明天会更好》。他首先讲解了机器学习的概念：机器学习通过历史数据学习映射函数–输入数据到输出决策的关系。其中决策有多重结构和角度。分享中，他提到机器学习大致可以分为浅层和深层机器学习，其中浅度学习主流方法主要Logistic Regression, SVM, Boosting 等，但浅度学习只能描述相对简单的映射关系：手工设计数据的特征表示，使用浅层网络。但浅层学习并没有死亡，还有很多方面值得深入研究下去，如：

超大规模学习：parameter server

聪明地构建 F (x ): (structured) sparsity, low-rank

随机优化算法： SGD, Newton

组合优化问题：hashing, bipartite matching, TSP

不做独立同分布假设：transfer learning

谈到机器学习的未来到底是不是深度学习？刘威认为深度学习可能是机器学习未来的曙光，有了这个曙光之后，很度现在无法完成任务可以得到实现。因此深度学习目前和未来的探索应该放在更深的网络上，因为只有用更深的网络才能建模更复杂的映射，处理更有挑战的问题、更广的应用；另外还需要推出更强的优化算法和推广性证明——如何能够对深度学习做更强的理论的干预，将更加确定深度学习就是未来的曙光；如果不能证明，则深度学习是一个很错误的道路。

紧着，刘威通过对计算机视觉的案例分析，进一步解读深度学习和浅度学习。对比传统计算机视觉，基于深度学习的计算机视觉可以全自动学习更有价值的图像特征，同时卷积神经网络算法的突破导致物体识别精度大幅上升，到2015年错误率降低到3.57%，直接解决了此类问题。同时卷积神经网络一直在深度进化，算法和工程能力的不断提升，从2012年到2016年，层次完成了从8层到1001层的巨大飞跃。

刘威最后表示：机器学习的明天一定会更好。