第521章 学习算法 (1/2)

仔细看，这琪琪，已经跟真人差不多了。皮肤颜色，衣着，就连头发都跟人一模一样。风吹过来，还能动，太像人了。

“琪琪，你这身体是？”

琪琪乐了，“呵呵呵，这身体跟你们的防护衣是一个技术，是由无数的细小的多功能颗粒组成的。这次，我还加入了改变颗粒颜色的功能，你们看！”。

说着，琪琪变成了岩石的颜色，然后站在那一动不动，简直就是个石雕。“你们看，怎么样？”

老胡看着琪琪，“太好了，那我们的防护衣是不是也有这个功能了？”

琪琪，“是呀，以后你们也会更安全了！”

老胡：“我们这防护衣，自从有了就开始进化，我们也没怎么用过。我看没啥用”

琪琪：“以后估计就会多用了！”

小李：“老胡，琪琪，目前不是说话的时候，我们的赶紧去伦纳德文明，告诉克莱夫，让他组织货源！”

琪琪：“对，我们赶紧走！”

三个人上了自己的飞船，本来是有船长，船员的，现在都不能找回来了。让小李和老胡开飞船，那是难为他们了。好在，琪琪的体积比较大，分裂成了几个身高不到半米的人，站在操控台上开飞船。

飞船上，就三个人。老胡，小李，琪琪。可是看着现在的琪琪，老胡和小李心里直发毛。这琪琪这么进化下去，最终是个什么东西？而且，这几个不到半米的人，感觉怎么像婴儿？

“纳米机器人”是机器人工程学的一种新兴科技，纳米机器人的研制属于“分子纳米技术(y，简称)”的范畴，它根据分子水平的生物学原理为设计原型，设计制造可对纳米空间进行操作的“功能分子器件”。

纳米机器人的设想，是在纳米尺度上应用生物学原理，发现新现象，研制可编程的分子机器人，也称纳米机器人。合成生物学对细胞信号传导与基因调控网络重新设计，开发“在体”或“湿”的生物计算机或细胞机器人，从而产生了另种方式的纳米机器人技术。

1959年率先提出纳米技术的设想是诺贝尔奖得主理论物理学家理查德-费曼。他率先提出利用微型机器人治病的想法。用他的话说，就是“吞下外科医生”。理查德·费恩曼在一次题目为《在物质底层有大量的空间》的演讲中提出：将来人类有可能建造一种分子大小的微型机器，可以把分子甚至单个的原子作为建筑构件在非常细小的空间构建物质，这意味着人类可以在最底层空间制造任何东西。从分子和原子着手改变和组织分子是化学家和生物学家意欲到达的目标。这将使生产程序变得非常简单，只需将获取到的大量的分子进行重新组合就可形成有用的物体。

在1959年的演讲《在底部有很多空间》中，他提出纳米技术这一想法。虽然没有使用“纳米”这个词，但他实际上阐述了纳米技术的基本概念。

2010年7月1日，美国密西西比州的湾港，墨西哥湾“深水地平线”号的漏油被冲上海岸。在应对漏油事故等环境灾难方面，纳米机器人的效率远超过传统方式。

琪琪，现在靠着强大的量子计算机，开始了自我进化。自从小李完成了琪琪的核心算法，深度学习算法，就再也没有能够控制琪琪。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

深度学习的概念由h等人于2006年提出。基于深度置信网络(dbn)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外le等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。[2]

同机器学习方法一样，深度机器学习方法也有监督学习与无监督学习之分．不同的学习框架下建立的学习模型很是不同．例如，卷积神经网络（lnet）就是一种深度的监督学习下的机器学习模型，而深度置信网（deeps，简称db）就是一种无监督学习下的机器学习模型。

虽然小李开始了琪琪的算法，但是现在琪琪的核心还是不是这个算法，已经没人知道了。琪琪为什么没有突破相对论的限制？是因为实验设备和空间的问题。超出相对论范畴的试验，所需要的空间太大，琪琪自己虽然知道怎么设计试验，但是没办法实现。

那些掌握了超光速技术的文明，无一不是举全文明之力，进行科学实验。造了很大的实验设备，才掌握了此技术。

在开发超光速技术的时候，也是困难重重。首先需要用传统的飞船飞出一定