c嵌入脚本解释器 采访Node.js之父Ryan Dahl(5)

但是现在社区已经把机器学习的范围缩小到最有用的神经网络算法了，它可能只需要一些人实现神经网络，而这个新的 ML 框架就是TensorFlow，这将激发一些有趣的想法。 我在那里花了一年的时间，基本上是编写模型和模型文件。 我主要从事图像转换问题的研究。 所以，你知道，如果你有一些输入图像，你想预测一些输出图像。 我觉得这个问题很有趣，让我举一些例子。

着色的问题。你可以使用黑白照片作为输入，尝试预测输出照片的颜色。这个问题最酷的地方在于有无限的训练数据。c嵌入脚本解释器你可以拍摄任何彩色照片并去饱和，然后它就成了输入照片，对吧？

机器学习的一个问题是需要大量数据，然而对于这类任务，数据将不再是一个问题。而且，最近出现了大量生成模型的工作（输出图像的模型），特别是出现了对抗性网络和像素 CNN，这些模型已经展示了学习自然图像多样性的能力，就像真正理解真实图像是什么、什么不是真实图像、什么看起来像真实形象。

我的想法是在生成模型中使用这些最新模型，并采取无限的训练数据，看看能否解决一些图像转换问题。 所以，我做了一些超分辨率的工作，也就是提高低分辨率图片的分辨率。 这也是一个图像转换的问题。 现在我已经完成了两个着色的项目。

Pramod：很好的解释，Ryan。是的，我认为 TensorFlow 是处理许多机器学习问题的好平台。我不太了解图像分类、转换，但我相信这一定很有趣。你还在继续做 ML 的工作吗？

Ryan：是的，我现在还在 Google（作为一个软件工程师）从事这种类型的工作，成模型，并尝试帮助研发人员建立下一代的生成系统，下一代的生成模型。

Pramod：生成模型与你之前从事的 node 或 web开发工作使用的 JavaScript 差别是如此之大。

Ryan：是的，我想也是。但是我是数学，所以我想我有相当不错的数学基础。是的，我认为人们喜欢把别人固定到特定领域，我不想这样做。我不想成为一个 JavaScript 专家，我不想成为一个机器学习专家，我认为探索可能性非常有趣。令人兴奋的是，做以前没做过，并且能够以某种方式令人受益的事情。

Pramod：很好，是的，机器学习需要好的数学基础。在你最近一篇关于乐观虚无主义的博客中，你说我们有朝一日能够模仿大脑、开发一个像人类一样理解和思考的机器，我们离实现这个目标还有多远？

Ryan：是的，我要对这种说法更谨慎一些…我的意思是，这是我的个人观点。我们开发的东西远不及人类的智慧。我的意思是，我们使用的机器学习系统非常简单，根本不会工作。实际上，我有一篇关于我的见习的文章，我在那篇文章中列举了开发这些模型的所有困难。我认为不从事这类工作的人们可能会有这样的想法，你可以采用这类模型然后输入一些数据，它就能工作了。但事实并非如此，这些模型非常挑剔，而且还没有被很好的理解，要花费很多个月的时间进行精心调整和试验，才能得到相似的结果。

所以，我们离它很远，但是我认为基础……最近有一些有希望的技术得到了改进，卷积网络似乎起作用了，而且 propagation 似乎也正在起作用。事实上，这些东西都建立在模型基础上的，这个神经网络模型不像大脑一样工作，但是以大脑的某种方式激发，这是非常诱人的。我们也有 GPU，我们展示了如何在这些方面训练它和如何通过 GPU 进行分布式训练。所以，我认为出现了建立更大、更智能的系统的基础。而且，我个人认为，我是一个无神论者，我相信我们的大脑中除了化学物质和神经元之外再没有别的东西了。而且我认为我的意识，我们所有的意识都以某种方式都被编码到这些神经元之间的相互作用中。所以，我不明白我们为什么不能通过足够的研究和工作来模仿这种行为。当然，现在还远远没达到能够预测需要多久能够实现的程度。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-69503-5.html