2026-10-11 17:49:59
作者：
科技
9月23号，我在南京珠江路路边的社区咖啡馆蹭空调，帮做设计的朋友改商用海报。背景太杂，扣图修了十分钟没修好，扔给AI绘图工具，十秒出了干净的背景。朋友趴在旁边感叹，深度学习真玄乎，是不是快要把我们设计都取代了？我咬了一口盐水鸭可颂，突然觉得很多人对这东西的误解，真的比咖啡馆的糖放得还多。
大家口中的深度学习，其实就是机器在自己找规律
别扯什么多层神经网络反向传播那些听不懂的术语，换个说法你马上懂。你小学的时候学组词，老师给你一百句带“花”的句子，读多了你自然知道什么地方该用“花”，什么地方不对。深度学习干的就是这么一回事。人不告诉它具体规则，给它够多的例子，它自己从例子里扒共同的规律。
深度学习图像识别提取特征示意图
之前的老方法，是人事先把规律写好，比如认猫，人告诉机器“有尖耳朵、长胡须的就是猫”，机器按你说的查。但深度学习不一样，你只要给它一万张标好“猫”“不是猫”的图片，它一层一层往下扒，自己把尖耳朵、长胡须这些特征扒出来，甚至能扒出人看不见的特征。之前看过剑桥一个团队的研究，用深度学习分析皮肤癌的图片，机器找出来的特征，有很多是皮肤科医生都注意不到的，诊断准确率比老方法高了一大截。这个就是它厉害的地方。
说实话，它没什么玄乎的，本质就是靠算力堆出来的规律总结，和你读书背知识点应付考试没差，背的越多，考的越好。
别被营销号忽悠，深度学习没那么无所不能
现在什么阿猫阿狗都要蹭深度学习的热度，卖奶茶的都说“我们用深度学习定制甜度”，听得我尴尬症都犯了。说几个绝大多数人都不知道的误区。
第一个，没有足够的优质数据，深度学习就是一堆没用的参数。你给它看十张橘猫的照片，就让它认全世界的猫，它能把东北虎都标成猫。它所有的规律都来自你给的例子，例子不够，例子不对，出来的结果肯定不对。
第二个，它只会拟合数据，不会“讲道理”。什么意思？就是它根本不知道自己说的是什么，只是按概率拼出来最像正确答案的结果。你让AI写南京盐水鸭的做法，它能写得有模有样，你让它用盐水鸭的做法写一首三行情诗，它大概率给你拼出一堆驴唇不对马嘴的话，因为训练数据里根本没多少这种搭配，它拼不出合理的逻辑。
深度学习过拟合训练测试结果对比图
还有人吹“深度学习已经超越人类智能”，也就骗骗没接触过的外行。AlphaGo赢了围棋冠军，那是因为围棋规则固定，有几百万局人类对弈的数据喂它，你改个规则，让它去下小区楼下老头老太太玩的“禁三活五”五子棋，它立马歇菜。它学的都是旧数据里的规律，换一点规则就抓瞎。
不过话说回来，也不能一棒子打死。它确实帮人类干了很多之前干不了的活。天文学家常年要找系外行星，对着几千万张太空望远镜拍的遮光曲线人工筛，一个课题组筛十年都筛不完，现在用深度学习，几个星期就筛完了，还找出好多人漏掉的候选行星。这就是用对了地方的好处。
接下来的深度学习，会往哪里走？
接下来的深度学习，会往哪里走？
这两年大火的大模型，本质上就是堆了更多参数、喂了更多数据的深度学习。但堆参数堆到现在，已经有点堆不动了。参数翻一百倍，效果只提升一点点，成本涨了十几倍，根本不划算。
现在很多实验室都在转方向，不往大了堆，往“聪明”了做。什么意思？就是让深度学习像人一样，会举一反三。人见过三只不同的猫，就知道猫大概长什么样，下次看到一只从没见过的蓝猫，也能认出来，不用再喂几千张蓝猫的照片重新学。现在已经有不少研究在做这个，叫小样本学习，效果已经出来了，以后说不定真的不用再靠堆数据堆参数出效果。
还有一个方向，是把人的常识提前灌给深度学习，不用什么都让它自己从数据里挖。比如人都知道太阳从东边出来，水往低处流，这些常识不用让它自己从几百万张图片里扒，直接告诉它就行，既省数据，又少出错。
很多科幻片天天说深度学习以后会产生意识，统治人类。我前两个月跟一个在顶尖实验室做深度学习的朋友吃饭，他说他每天一半时间在骂模型又跑崩了，另一半时间在清理错漏百出的训练集，根本没工夫搞什么“觉醒”。它从始至终就是个工具，跟你电脑里的PS、厨房的菜刀没区别。能帮你省时间干更重要的活，就好用，吹得玄乎其玄，那都是骗钱的。
回到那天改海报的事，我改了三版，深度学习帮我十秒修好了背景，剩下的时间帮朋友调构图、改配色，想贴合产品的文案，这些还是得人来。深度学习帮我省了重复劳动的时间，没抢谁的活，反而让我能把时间花在更有意思的地方。
你说它好吗？确实好。你说它能取代人？得了吧，它连盐水鸭为什么好吃都不知道，怎么取代喜欢吃盐水鸭的人？
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。如有侵权请联系删除。
文章名称：改了三版海报后，我看懂深度学习的真实模样
文章链接：https://www.lfdjt.com/p/keji/a/8968.html