：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】刚刚结束的伦敦深度学习峰会上，曾与吴恩达在 Google Brain 共事的谷歌高级研究员 Greg Corrado 分享了他对何时、何地、如何使用深度学习等非常实用的经验。Corrado 表示：某些情况下，尽管深度学习十分有用，也完全可以使用其他方法；没有谷歌那样强大的系统也能做深度学习。Corrado 尽管是神经科学出身，但他认为 AI 从脑科学研究成果中受益非常有限。本文结合吴恩达、RNN 之父 Jürgen Schmidhuber 的观点对其做了进一步阐经验。

　　在深度学习和人工智能上，谷歌聘请了一些世界上最聪明的研究研究员，听听他们怎么看待这一领域并不是个坏主意。在刚刚结束的伦敦深度学习峰会上，谷歌高级研究员 Greg Corrado发表演讲，就何时、为什么以及怎么样使用深度学习提出了几点建议。

　　深度学习并非必须，即便它可能会有用

　　Corrado 给出的最有用的建议也许就是：深度学习并不一定都是解决问题的最佳方式，即便它也许能得到最好的结果。现在，深度学习计算成本高昂，而且通常都要求有大量的数据，如果你是自己搭建系统的话，可能还需要一些内行的专业知识。所以，深度学习可能最终在一些结构化数据基础之上的模式识别任务上可以做得很好，比如欺诈检测、股票市场预测或者是销售管道分析等等。

　　Corrado 说，在一些已经得到广泛采用的领域，调整（justify）会更容易进行。“机器感知上，深度学习就比其他方法要好得多得多。” 但是，在别的领域，深度学习和其他方法之间的差距其实并没有那么大。

　　实际上，从新智元之前的报道《》中就能发现，在深度学习如此流行的今天，直播，即使是大牛最喜欢用的也不一定是深度学习。

　　小“引擎”也能做深度学习

　　Corrado 说，即使当一家公司已经决定使用深度学习技术，它也没有必要像谷歌、Facebook 或者百度一样建立那么巨大的系统。台式计算机如果有一块高效的 GPU，也能发挥作用。

　　Corrado 解释说，谷歌需要一个巨大的系统，是因为他们有大量的数据，并且，随着研究的演进，他们要能够迅速推动项目才行。但是，如果你知道自己想干什么，或者没有大的时间限制，那么小的系统也足够了。

　　“答案肯定是没有必要，”Corrado 重复道：“……你的系统只要大到能存下火箭燃料就行了。”

　　Corrado “火箭燃料”的比喻来自他的前同事、现在的百度首席科学家吴恩达，这是后者经常提到的比喻（现在是“AI 是新的电力”）。不过，关于什么才是“火箭燃料”，吴恩达自己也有两种说法。

　　2015 年初，吴恩达在未来论坛创立大会发表主旨演讲《机器学习与AI人工智能》，以百度语音识别为例，对“火箭论”做了比较详细的介绍。其中，吴恩达说：

　　“为什么深度学习现在开始火了？我要做一个比喻，你想象一下我们建造火箭，火箭有两个部分，第一部分是火箭发射机，第二个是燃料。如果发动机小，atv，燃料很多是不可能的；如果发动机很小，燃料很少也不行，所以火箭必须要有一个大发动机和很多的燃料。深度学习和这个差不多，现在神经网络就是发动机，它推动着 AI 的发展，燃料就是我们所用的数据，社会数据化给我们提供了大量的数据输入发动机中给作燃料。AI最近发展的主要推动力，是因为能够建很大的神经网络。百度这样的公司能够收集很多的数据，还有一个很大的技术网络，这样当然深度学习可以越来越好了。

　　“我再给大家举一个例子，解释我刚才做的发动机核燃料的比喻。我现在和大家展示一个关于语音识别的例子。百度在语音识别方面投入了很多，直到最近基本上所有语音识别都是很简单的软件实施，一个方块里是一个复杂的体系。我们最近决定改用神经网络——就是我们的发动机——会取得什么效果（参见下面的PPT）。百度早期在 GPU 投入很多，所以能够建造很大的火箭发动机。燃料是什么？在语音识别方面，大部分学术人士都利用数据，有一些人有300个小时，最大的是2000个小时，最开始百度用了几个小时的语音数据，后来有几千个，再后来建立了合成的语音数据，最后一共达到了10万个的语音数据，按照语音识别的标准，这是无法想象的数据量。将火箭燃料和火箭引擎放在一起，就提高了语音识别的性能，而且也有很好开放的OPI进行发现。”