第三节 发展特点

深度学习与人工智能结合日益密切。2006年，深度学习技术快速兴起，其后，人工智能取得了迅猛发展，使机器学习的应用领域迅速拓展并与人工智能技术大量融合。深度学习技术首先在机器视觉、语音识别领域取得成功，有效地解决了大量感知类问题，随后又应用到自然语言处理、图形学、数据挖掘、推荐系统等各领域。在数据生成问题上，生成对抗网络取得了成功，这是一种由生成模型和判别模型组合而成的系统，通过训练迭代，可以使生成对抗网络生成复杂的、与真实样本类似的数据。在图像识别、语音识别、自然语言处理等领域里重点问题的特定测试数据库上，深度学习算法已经接近或者超越人类的水平，达到或接近实用的标准。在人脸识别、OCRC光学字符识别、自动驾驶、医学图像识别与疾病诊断等众多商业领域，深度学习和人工智能技术正在带来产业变革。

强化学习成为机器学习领域新兴热点。强化学习是一类特殊的机器学习算法，它借鉴于行为主义心理学，与有监督学习和无监督学习的目标不同，训练集没有标签值作为监督信号，系统只会给算法执行的动作一个评分反馈，其解决的问题更加注重智能体与外界环境的交互。如在自动驾驶领域，强化学习算法可以综合评估来自不同传感器与外界交互的数据，从而控制汽车的动作，保证安全行驶。

机器学习发展距离大规模应用尚有差距。在某些复杂的类人神经分析算法的开发领域，针对某些特定数据集，机器学习已经表现出强大的分类、推演和生成能力，对机器学习的进一步深入研究，势必推动人工智能技术的深化应用与发展。但针对大部分领域，目前深度学习的自主学习能力还十分有限，尚不具备人类的学习能力。同时，机器学习的发展也面临着巨大的挑战，如泛化能力、速度、可理解性及数据利用能力等存在技术性难关。