小欣：这节课，罗恒老师会为我们讲解神经网络的发展历程。

罗恒：实际上在过去一二十年编程人员也就是码农都有很高的薪水，这是相对于社会其他的职位来说。为什么码农能够有比较高的薪水？一方面当然是从个人计算机到互联网时代新的市场的出现产生了很多超额利润的公司，但是另外一方面也是在于程序员本身在不断的自动化一些事情。程序员写了软件即使程序员下班了这个软件其实还在工作为公司挣钱，而不像纺织工人，当他休息的时候机器也就休息了。

从这个角度来说，深度学习以及神经网络从诞生的开始就一直是在试图减少人的工作，使本来需要人的工作可以交由机器自动完成。

下面我先简单回顾一下神经网络的历史。上个世纪的60年代开始出现了感知器。当时的感知器就是一个单层神经网络，它的输入实际上是需要专家来设计的特征。这个感知器起基本上就是一个分类器的作用，试图取代的就是人利用特征分类。目标就是专家设计好特征--这些特征是对分类有帮助的。然后我们给感知器数据，感知器能够自动的去找到特征和类别之间的关系，最后自动化的进行分类。

上个世纪的90年代，出现了多层感知器（由于反向传播算法的出现），使得我们能够训练带有隐藏层的感知器，那么这个时候的神经网络就已经能够开始学习一些简单的特征了，依赖专家的程度开始减少。从2006年到现在，随着最开始的非监督预训练以及后来大量的带标签的数据，还有一些神经网络的新的方法，深度学习开始能够自动的学习越来越复杂的特征，同时比较好的完成分类识别。领域专家设计特征在构造分类器的过程中消失了。

最近一段时间李开复老师经常会讲，人工智能要到来了，未来很多职业将会消失，很多一些简单的重复性的工作将会被人工智能取代。开复老师讲的是未来的事情，是对未来的一些展望，我在这里就讲讲过去的事情。从深度学习诞生到现在已经取代了很多人的工作，而这些人都是一些专家，他们从事的都是一些相对高技术的工作。

小欣：下节课，罗恒老师会为我们讲解深度学习目前的发展进度。

【版权归钛媒体所有，未经许可不得转载】