与其他计算型Notebook一样， IPython Notebook将代码、结果、图形和文本合并在一个文档中 。 但与其他类似项目不同的是， IPython Notebook是开源的， 邀请了大量开发者社区的参与其中 。 而且它支持Python， 一种很受科学家欢迎的语言 。 2014年， IPython演变为Jupyter， 支持大约100种语言， 允许用户在远程超级计算机上探索数据， 就像在自己的笔记本电脑上一样轻松 。
《自然》杂志在2018年写道：“对于数据科学家， Jupyter实际上已经成为一个标准 。 ”当时， 在GitHub代码共享平台上有250万个Jupyter Notebook；如今， 这一数字已经发展到1000万个， 在2016年引力波的发现， 以及2019年的黑洞成像工作中， 它们都发挥了重要的作用 。 佩雷斯说：“我们对这些项目做出了很小的贡献， 这是非常值得的 。 ”
快速学习器：AlexNet（2012年）
人工智能有两种类型 。 一种是使用编码规则， 另一种则通过模拟大脑的神经结构来让计算机“学习” 。 加拿大多伦多大学的计算机科学家杰弗里?辛顿表示， 几十年来， 人工智能研究人员一直认为后者是“一派胡言” 。 但在2012年， 他的研究生亚力克斯·克里泽夫斯基和伊尔亚·苏茨克维证明了事实并非如此 。
在一年一度的ImageNet比赛中， 研究人员被要求在一个包含100万张日常物体图像的数据库中训练人工智能， 然后在一个单独图像集上测试生成的算法 。 辛顿表示， 当时最好的算法错误分类了大约四分之一的图像 。 克里泽夫斯基和苏茨克维的AlexNet是一种基于神经网络的“深度学习”算法， 它将错误率降低到了16% 。 辛顿说：“我们基本上把错误率减半了， 或者说几乎减半了 。 ”
辛顿还指出， 该团队在2012年的成功反映了足够大的训练数据集与出色的编程， 以及新出现的图形处理单元的强大能力的结合 。 图形处理单元是最初设计用来加速计算机视频性能的处理器 。 “突然之间， 我们可以将（算法）运行速度提高30倍， ”他说， “或者说， 学习多达30倍的数据 。 ”
真正的算法突破实际上发生在三年前， 当时辛顿的实验室创建了一个神经网络， 可以比经过几十年改进的传统人工智能更准确地识别语音 。 “只是稍微好一点， ”辛顿说， “但这已经预示了某些东西 。 ”
【《自然》评选改变科学的10个计算机代码项目】这些成功预示着深度学习在实验室研究、临床医学和其他领域的崛起 。 通过人工智能的深度学习， 手机能够理解语音查询， 图像分析工具能够很容易地在显微照片中识别出细胞；这就是为什么AlexNet会成为众多从根本上改变科学， 也改变世界的工具之一 。 （任天）
推荐阅读
- 寒食描绘了怎样的画面 寒食描绘了一幅怎样的景象
- 别了语文课主要内容 别了语文课主要讲了什么事情
- 驿路梨花分段概括 驿路梨花的分段概括
- 望岳是杜甫什么时期写的 望岳是杜甫在什么时期写的
- 紫藤萝瀑布的写作手法 紫藤萝瀑布的写作手法是什么
- 飘经典语录 有哪些飘的经典句子
- 驿路梨花概括五件事 驿路梨花概括的五件事
- 迢迢牵牛星的过渡句是哪句 迢迢牵牛星的过渡句是哪句
- 壶口瀑布主要写法 壶口瀑布的主要写法
- 塞翁失马的故事简写 塞翁失马的故事