什么是模式识别

深度学习里的模式可以理解为“套路”。举个例子，我们都见过手写的、艺术字的等各种字体的“我”，假设有一位设计师设计了一款新的字体，我们根据以往的知识，一眼就能识别出这款字体中的“我”。这就是模式识别的过程，即通过一系列经验提取出模式，然后识别未知的模式。

模式是怎么产生的

假设不断地给你一些写着“我”的实例或图片，不断地告诉你，这个字就是“我”，那个字也是“我”，那是雅黑体的“我”，等等，随后给你一张图片，然后问你，这上面写的是不是“我”，你就会回答是或不是。

同样的道理，不断告诉计算机哪些是“我”的过程叫作“训练”，而最后再问计算机是不是“我”的过程，是预测（也可以称为分类）。

训练的过程，就是找到模式的过程。这种过程在工业界叫作模式识别，在计算机界叫作机器学习。那么，模式到底长什么样呢？其实就是一个数据模型（读者可以理解为一个庞大的数学公式），当你输入一张写着“我”的图片，它会把图片分解成无数个像素，输入到这个模型（公式）中，通过一系列计算就可以得到分类结果。现在使用的一些系统，基本是按照编程的指令来执行的，例如，“每天找到阅读数量最多的10条新闻”的编程是固定的，计算机计算PV，然后排序取TOP 10。

机器学习的方法，可能会根据样本的不同或者数据的多少针对同一领域得出不同的结果。以甄别带颜色的视频（small电影）为例，原先的方法是搜集很多部视频，然后一个个比对，现在则是把黄色视频的一些关键帧拿出来，从中选取特征去推断。

计算机见过的带颜色的图越多，识别得就越准确，不断地学习经验，未来就可能越来越聪明，而人是处理不了这么大的数据量的，所以机器一定是效率更高的。有位专家说：“只要人1秒内可以决策的事情，都可以用人工智能的方法解决，而且效率和成果比人更好。”