新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】作者褚达晨认为，科技发展让人类借助计算机的能力，在一个超高维弯曲空间中，搜寻自然世界奥秘。而深度学习则是利用最近年发展起来的大算力，让计算机代替人类在超高维的非线性空间中自行探索真理。进入喜闻乐见的武侠世界，且看作者如何让（深度学习）“深度子”青衫磊落险峰行，（各类算法）剑气碧烟横！

　　（文／褚达晨）公众号久未更新，这两天有空花了些时间把自己过去一段时间对人工智能的学习和理解写了几篇通俗散文，自娱自乐，也请有同好的读者赏阅指正。标题借了金庸先生《天龙八部》几句章回目录，略加篡改，权当脉络。先发第一篇。

　　青衫磊落险峰行，剑气碧烟横

　　这一波人工智能的热潮是深度学习算法推动的。那么深度学习为啥这么牛？我这么理解：人类借助计算机的能力，在一个超高维弯曲空间中，搜寻自然世界奥秘，这是前所未有的。先说说两个关键词：“超高维”和“弯曲”。

　　牛顿1687年发表《自然哲学的数学原理》是现代科学的开始。自此，科学家借助数学公式来寻找和描述自然世界的规律，加以应用。20世纪的物理学在量子力学和相对论建筑了两座丰碑。原子弹、核能、半导体芯片、个人电脑，手机，乃至互联网都是后面随之而来的丰硕成果。

　　人类用数学方程描述和理解自然世界：从牛顿定律 F=ma，到电磁学麦克斯韦方程，再到量子力学和相对论，物理学家相信上帝是通过简单的方程创造了世界。既然简单，那么这些方程的维度就不能太高，参数不能太多。一般人类可以理解的就是身边3+1维的时空世界。超过4维的理论和数学规律在人类生活的低维空间里能难理解，也不容易通过低维数据来验证。举个例子，如果说蚂蚁生活在二维世界中，他就不能理解为什么蚂蚱能够从它头上跳过去，可能一生都会疑惑：这个蚂蚱一直在我身后，这么突然就出现在我前面了？

　　类似，线性关系是最简单的数学关系，比如说白菜2块钱一斤，5斤白菜10块钱，1吨白菜两千块，2年级的小学生就会算。计算机一开始发明出来的目的就是为了帮人类快速的做简单计算，再集腋成裘，解决复杂的问题。在二十世纪后半页里，很多科技成果都是用线性低维的模型算出来的。打个比方，就像乐高积木（线性的三维立方体），可以搭出一个五光十色的美丽世界。

　　乐高世界的局限很明显，计算机只做照猫画虎的工作也没什么意思。计算机学家就说我想让计算机变得聪明一点，能不能让他们也学点从实验数据中寻找规律的本领,做点逼格高的工作？机器学习就此诞生。对计算机而言，人类的学习能力千奇百怪。机器天生笨，学习人类的本领如同郭靖向江南七怪学武，分门别类各不相同。美国有位计算机系的教授Domingos写了一本“终极算法”的科普读物，说机器学习分五大门派，各自不服，有华山论剑（比如ImageNet什么的）比试高低。但是世上是否有“九阴真经”的武功，研习者得以一统江湖？

　　这些年“华山论剑”比下来，最有望成为九阴真经的武功就是“深度学习”了。什么是深度学习？直观的理解深度学习就是用一个多层网格来做计算（最权威的应该是Goodfellow和Bengio、Courville合著的那一本新书）。深度学习为什么牛？我个人粗浅的看法，深度学习实际上是利用最近年发展起来的超级计算能力，让计算机代替人类在超高维的非线性空间中自行探索真理。

　　计算机发明出来就是帮人类处理大数据的，你把成千上万乃至上亿的数据一排一排列出来，“超高维”不足为奇。用什么方法来破解超高维数据蕴含的秘密？就看各家功夫了。线性方法最易于理解和计算（比如Andrew Ng老师讲机器学习的经典课程就是从线性回归讲起的），但是“直来直去”的缺陷也很明显。各派武功中，计算机学家们喜欢用离散的数据结构，推出各种“树”和“森林”等遍历搜索方法；统计学家们信奉“存在即合理”的贝叶斯理论，正过来P（A|B）不好算我就倒过来算P（B|A）,效果相当不错；古典数学流派祭出“核变换”的秘籍，把低维空间的一个椭球变成高维空间的一个线性平面（还记得高中解析几何里教的球坐标吧？就是它！），然后还能把低维平面的边界距离远近都算的清清楚楚。这招叫SVM，也称霸武林十几年。