大岩资本黄铂：最优化算法的前世今生（下篇）

深圳2020年7月17日 -- 近期，大岩资本成立七周年庆在深圳成功举办。周年庆上量化投资基金经理黄铂博士结合生活实践中的案例为大家深入浅出阐释了最优化算法的前世今生。

从实际生活中最基础的应用切入，黄铂博士将抽象的算法概念生动化，解释了什么叫最优化问题、凸优化及算法分类、机器学习与人工智能应用。

黄博士的分享内容较长，我们将分上、中、下三篇连载推出，本文为下篇。

最优化算法的高级应用

随着这些年大数据与人工智能的发展，最优化的算法也随之进一步发展，接下来几个应用可能更有意思。

第一个应用叫压缩感知，首先我们把一个图去掉80%、90%的像素点，然后如何还原到原有的图片，这个问题看起来非常困难，但是在实际应用中，压缩感知的算法就有非常好的效果。与这个问题相关的，还有很多很优美的优化算法，比如稀疏优化，对偶加速算法、Lasso。

这个算法还有另外一个应用，人脸识别。看下图，这个图上是同一个人在做各种表情，甚至戴上墨镜，人脸识别通常会用在海关、捉拿罪犯。当我们原始输入的人脸有很多噪音时，它会通过最优化算法，将人脸画像出来，比如当输入的是戴有墨镜的人脸，算法会将墨镜和人脸分离开来。同样的算法可以应用在背景分离，比如我们想要一张非常美的海景，但是又不想要太多人在这个照片上，那么就可以通过这个算法将人物和背景分离开。

看下图右侧，这是一个电梯口的监控录像，背景是静止的，而来来往往的人是动态的，通过最优化算法就可以将前景和背景分离出来。这项研究是在2009年由微软研究员的几名学者一起研究出来的。

最后一部分是深度学习。深度学习有很多层神经网络，这个算法在97年就已经被提出来了，但是之所以最近才会有非常大规模的应用，因为在算法上会有非常大的提高，我们可以通过GPU来进行加速运算。另外，我们在优化算法上也有了非常好的进展。其相关的优化算法是随机优化，顾名思义，它不会优化所有的变量、所有的样本，而是随机挑选一个或者几个样本进行优化，然后在不需要看完整样本的情况下就可以有非常好的效果，可以大规模的提高模型训练速度。

最优化算法，源于生活高于生活，很多应用其实出现在我们每天的日常生活中，希望今天的演讲对大家有所帮助。谢谢大家。（完）

来源：美通社