關(guān)于深度學(xué)習未來(lái)發(fā)展方向的6項預測

深度學(xué)習是個(gè)復雜的概念，其中每項因素都不簡(jiǎn)單。即使您身為已經(jīng)熟練掌握人工神經(jīng)網(wǎng)絡(luò )基礎知識的數據科學(xué)家，大家也需要時(shí)間了解加速卷積、復發(fā)、生成以及其它與多層深度學(xué)習算法規范相關(guān)的復雜概念。而隨著(zhù)深度學(xué)習創(chuàng )新態(tài)勢的升溫，這一技術(shù)開(kāi)始面臨新的風(fēng)險——對于普通開(kāi)發(fā)者而言，其過(guò)度復雜的特性導致我們即使深入研究也很難加以了解。

但我個(gè)人對此倒是頗有信心，在我看來(lái)在這個(gè)十年結束時(shí)，深度學(xué)習業(yè)界將大大簡(jiǎn)化其功能交付方式，意味著(zhù)普通開(kāi)發(fā)者也能夠理解并加以采用。下面，我將與大家一同探討關(guān)于深度學(xué)習未來(lái)發(fā)展方向的六項預測。

1.深度學(xué)習業(yè)界將采用一組核心標準化工具

到這個(gè)十年結束時(shí)，深度學(xué)習業(yè)界將建立起一組核心標準化工具框架。就目前而言，深度學(xué)習專(zhuān)家已經(jīng)選定了一部分工具選項，其中大部分為開(kāi)源項目。最具人氣的成果包括TensorFlow、BigDL、OpenDeep、Caffe、Theano、Torch以及MXNet。

2.深度學(xué)習將在Spark之內實(shí)現原生支持

Spark社區將在未來(lái)一到兩年內增強該平臺的原生深度學(xué)習能力。通過(guò)本屆Spark峰會(huì )的發(fā)言來(lái)看，整個(gè)技術(shù)社區似乎正將努力方向明確指向TensorFLow，而B(niǎo)igDL、Caffe與Torch也至少會(huì )被納入支持范疇。

3.深度學(xué)習將在開(kāi)放分析生態(tài)系統中找到堅實(shí)的利基平臺

大多數深度學(xué)習部署方案立足于Spark、Hadoop、Kafka以及其它開(kāi)源數據分析平臺。愈發(fā)明確的趨勢指出，我們將無(wú)法在缺少由這些平臺提供的完整大數據分析能力的前提下實(shí)現深度學(xué)習算法的訓練、管理與部署。具體來(lái)講，Spark將成為實(shí)現深度學(xué)習算法在各類(lèi)工具內規?；c加速建立的基礎性平臺?？梢钥隙ǖ氖?，多數深度學(xué)習開(kāi)發(fā)者正在利用Spark集群以實(shí)現超參數優(yōu)化、快速內存數據訓練、數據清理以及預處理等特定任務(wù)。

4.深度學(xué)習工具將引入經(jīng)過(guò)簡(jiǎn)化的編程框架以實(shí)現快速編碼

應用開(kāi)發(fā)者社區將繼續采用API及其它編程抽象方案，旨在降低代碼行數以快速完成核心算法功能的開(kāi)發(fā)。展望未來(lái)，深度學(xué)習開(kāi)發(fā)者將越來(lái)越多地腰牌集成化、開(kāi)放、基于云的開(kāi)發(fā)環(huán)境，并由此訪(fǎng)問(wèn)更為廣泛的現成及可插拔算法庫。這一切將使得深度學(xué)習應用以可組裝容器化微服務(wù)的形式實(shí)現API驅動(dòng)型開(kāi)發(fā)。此類(lèi)工具將自動(dòng)實(shí)現更多深度學(xué)習開(kāi)發(fā)管道功能，同時(shí)提供適用于筆記本設備的協(xié)作與共享規范。隨著(zhù)這種趨勢的加劇，我們將看到更多諸如《50行代碼(Pytorch)實(shí)現生成式對抗網(wǎng)絡(luò )》這樣的頭條新聞。

5.深度學(xué)習工具集將支持可復用組件的可視化開(kāi)發(fā)

深度學(xué)習工具集將引入更多模塊化功能以實(shí)現可視化設計、配置以及立足于原有構建組件的新模型訓練。其中大部分可復用組件將通過(guò)“翻譯學(xué)習”從原有項目中提取，用以解決類(lèi)似的用例?？蓮陀蒙疃葘W(xué)習工件將被結合到標準庫與接口當中，具體包括特征表達、神經(jīng)節點(diǎn)分層、權重方法、訓練方法、學(xué)習速率以及其它與原有模型相關(guān)的功能。

6.深度學(xué)習工具將被嵌入至每一類(lèi)設計面

現在討論“深度學(xué)習民主化”進(jìn)程還為時(shí)過(guò)早。在未來(lái)五到十年內，深度學(xué)習開(kāi)發(fā)工具、庫以及語(yǔ)言將逐漸成為每一種軟件開(kāi)發(fā)工具集內的標準組件。同樣重要的是，這些用戶(hù)友好型深度學(xué)習開(kāi)發(fā)能力將被嵌入至生成式設計工具內，以供藝術(shù)家、設計師、架構師以及來(lái)自各個(gè)領(lǐng)域的創(chuàng )造性工作者使用。推動(dòng)這一切的正是深度學(xué)習工具的易用性，其強大的能力將被廣泛應用于圖像搜索、自動(dòng)標記、仿真渲染、分辨率增強、風(fēng)格轉換、圖形啟發(fā)以及音樂(lè )編曲等層面。

隨著(zhù)深度學(xué)習在大規模市場(chǎng)化應用領(lǐng)域的快速推進(jìn)，其將與數據可視化、商務(wù)智能與預測分析一道成為眾多行業(yè)的立足基石。而各類(lèi)嘗試學(xué)習方案也將開(kāi)始向自助服務(wù)式云交付模式轉型，從而為那些不希望接觸底層技術(shù)復雜性的用戶(hù)提供便利。而這，也正是長(cháng)久以來(lái)技術(shù)發(fā)展的必然趨勢。