關(guān)于深度學(xué)習(xí)未來(lái)發(fā)展方向的6項(xiàng)預(yù)測(cè)

深度學(xué)習(xí)是個(gè)復(fù)雜的概念，其中每項(xiàng)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(chǔ)知識(shí)的數(shù)據(jù)科學(xué)家，大家也需要時(shí)間了解加速卷積、復(fù)發(fā)、生成以及其它與多層深度學(xué)習(xí)算法規(guī)范相關(guān)的復(fù)雜概念。而隨著深度學(xué)習(xí)創(chuàng)新態(tài)勢(shì)的升溫，這一技術(shù)開始面臨新的風(fēng)險(xiǎn)——對(duì)于普通開發(fā)者而言，其過(guò)度復(fù)雜的特性導(dǎo)致我們即使深入研究也很難加以了解。

但我個(gè)人對(duì)此倒是頗有信心，在我看來(lái)在這個(gè)十年結(jié)束時(shí)，深度學(xué)習(xí)業(yè)界將大大簡(jiǎn)化其功能交付方式，意味著普通開發(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(xí)未來(lái)發(fā)展方向的六項(xiàng)預(yù)測(cè)。

1.深度學(xué)習(xí)業(yè)界將采用一組核心標(biāo)準(zhǔn)化工具

到這個(gè)十年結(jié)束時(shí)，深度學(xué)習(xí)業(yè)界將建立起一組核心標(biāo)準(zhǔn)化工具框架。就目前而言，深度學(xué)習(xí)專家已經(jīng)選定了一部分工具選項(xiàng)，其中大部分為開源項(xiàng)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(xí)將在Spark之內(nèi)實(shí)現(xiàn)原生支持

Spark社區(qū)將在未來(lái)一到兩年內(nèi)增強(qiáng)該平臺(tái)的原生深度學(xué)習(xí)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(qū)似乎正將努力方向明確指向TensorFLow，而BigDL、Caffe與Torch也至少會(huì)被納入支持范疇。

3.深度學(xué)習(xí)將在開放分析生態(tài)系統(tǒng)中找到堅(jiān)實(shí)的利基平臺(tái)

大多數(shù)深度學(xué)習(xí)部署方案立足于Spark、Hadoop、Kafka以及其它開源數(shù)據(jù)分析平臺(tái)。愈發(fā)明確的趨勢(shì)指出，我們將無(wú)法在缺少由這些平臺(tái)提供的完整大數(shù)據(jù)分析能力的前提下實(shí)現(xiàn)深度學(xué)習(xí)算法的訓(xùn)練、管理與部署。具體來(lái)講，Spark將成為實(shí)現(xiàn)深度學(xué)習(xí)算法在各類工具內(nèi)規(guī)?；c加速建立的基礎(chǔ)性平臺(tái)。可以肯定的是，多數(shù)深度學(xué)習(xí)開發(fā)者正在利用Spark集群以實(shí)現(xiàn)超參數(shù)優(yōu)化、快速內(nèi)存數(shù)據(jù)訓(xùn)練、數(shù)據(jù)清理以及預(yù)處理等特定任務(wù)。

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

應(yīng)用開發(fā)者社區(qū)將繼續(xù)采用API及其它編程抽象方案，旨在降低代碼行數(shù)以快速完成核心算法功能的開發(fā)。展望未來(lái)，深度學(xué)習(xí)開發(fā)者將越來(lái)越多地腰牌集成化、開放、基于云的開發(fā)環(huán)境，并由此訪問更為廣泛的現(xiàn)成及可插拔算法庫(kù)。這一切將使得深度學(xué)習(xí)應(yīng)用以可組裝容器化微服務(wù)的形式實(shí)現(xiàn)API驅(qū)動(dòng)型開發(fā)。此類工具將自動(dòng)實(shí)現(xiàn)更多深度學(xué)習(xí)開發(fā)管道功能，同時(shí)提供適用于筆記本設(shè)備的協(xié)作與共享規(guī)范。隨著這種趨勢(shì)的加劇，我們將看到更多諸如《50行代碼(Pytorch)實(shí)現(xiàn)生成式對(duì)抗網(wǎng)絡(luò)》這樣的頭條新聞。

5.深度學(xué)習(xí)工具集將支持可復(fù)用組件的可視化開發(fā)

深度學(xué)習(xí)工具集將引入更多模塊化功能以實(shí)現(xiàn)可視化設(shè)計(jì)、配置以及立足于原有構(gòu)建組件的新模型訓(xùn)練。其中大部分可復(fù)用組件將通過(guò)“翻譯學(xué)習(xí)”從原有項(xiàng)目中提取，用以解決類似的用例?？蓮?fù)用深度學(xué)習(xí)工件將被結(jié)合到標(biāo)準(zhǔn)庫(kù)與接口當(dāng)中，具體包括特征表達(dá)、神經(jīng)節(jié)點(diǎn)分層、權(quán)重方法、訓(xùn)練方法、學(xué)習(xí)速率以及其它與原有模型相關(guān)的功能。

6.深度學(xué)習(xí)工具將被嵌入至每一類設(shè)計(jì)面

現(xiàn)在討論“深度學(xué)習(xí)民主化”進(jìn)程還為時(shí)過(guò)早。在未來(lái)五到十年內(nèi)，深度學(xué)習(xí)開發(fā)工具、庫(kù)以及語(yǔ)言將逐漸成為每一種軟件開發(fā)工具集內(nèi)的標(biāo)準(zhǔn)組件。同樣重要的是，這些用戶友好型深度學(xué)習(xí)開發(fā)能力將被嵌入至生成式設(shè)計(jì)工具內(nèi)，以供藝術(shù)家、設(shè)計(jì)師、架構(gòu)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(xí)工具的易用性，其強(qiáng)大的能力將被廣泛應(yīng)用于圖像搜索、自動(dòng)標(biāo)記、仿真渲染、分辨率增強(qiáng)、風(fēng)格轉(zhuǎn)換、圖形啟發(fā)以及音樂編曲等層面。

隨著深度學(xué)習(xí)在大規(guī)模市場(chǎng)化應(yīng)用領(lǐng)域的快速推進(jìn)，其將與數(shù)據(jù)可視化、商務(wù)智能與預(yù)測(cè)分析一道成為眾多行業(yè)的立足基石。而各類嘗試學(xué)習(xí)方案也將開始向自助服務(wù)式云交付模式轉(zhuǎn)型，從而為那些不希望接觸底層技術(shù)復(fù)雜性的用戶提供便利。而這，也正是長(zhǎng)久以來(lái)技術(shù)發(fā)展的必然趨勢(shì)。