全文字数：1535字，精读时间：3分钟
本文援引于报告《行业研报人工智能行业系列（五）：预训练模型在AI产业生态中的地位与价值》，首发于头豹科技创新网（www.leadleo.com）。
头豹科技创新网内容覆盖全行业、深入垂直领域，行业报告每日更新；政策图录、数据工具助您轻松了解市场动态；智能关键词轻松搜索，直奔行业热点内容。
诚挚欢迎各界精英交流合作，头豹承接行业研究、市场调研、产业规划、企业研究、商业计划、战略规划等业务，您可发送邮件或来电咨询。
客服邮箱：CS@leadleo.com 咨询热线：400-072-5588
迁移学习的出现，为人工智能行业的发展带来什么？
人工智能机器学习的发展可追溯至19世纪中期，旨在通过对数据内涵的信息与数据之间的逻辑关系的理解实现计算机对数据的自主学习及推演。深度学习是机器学习的分支，旨在通过更多的数据，利用人工神经网络模型实现对更为抽象、深层次的逻辑信息进行学习。由于深度学习的实现需基于大量训练数据实现，深度学习的面世快速推进了AI技术在互联网、金融等数据基础庞大的领域中的应用。然而，深度学习在推进工业、医疗等领域中AI深化应用的难度较大。阻碍因素主要有二：
Ø 该类领域中各细分领域差异化较大，各项目目标相似度较低，而基于深度学习的AI开发项目所需花费的时间及资金成本较高，难以实现规模化的商业应用；
Ø 各细分领域可用于训练的数据量较小，基于深度学习的AI项目准确率难以达到应用所需的标准。
迁移学习致力于将已实现应用的成熟模型的开发经验迁移至新的AI开发项目中，从而实现在降低训练资源需求的同时，提升人工智能项目的表现。成本的降低与项目表现的提升使得AI技术工业、医疗等领域的应用难度有效降低。
相对于零基础学习，迁移学习对人工智能项目的开发起到了什么作用？
相较于零基础学习，迁移学习借鉴对成熟AI项目开发经验，实现对AI开发资源利用效率的优化及AI项目表现的提升。迁移学习对AI开发流程的优化可直观体现在算法模型的训练过程中，表现在以下两个层面：
Ø 模型初始准确率：相较于从零开始的模型训练方式，迁移学习可保留成熟模型网络架构及参数，在模型初始化训练阶段获得更好的模型表现。此外，模型初始准确率的提升也有效缩短了模型训练过程中达到最优准确率所需的训练周期，实现对训练资源（硬件算力）利用率的优化；
Ø 模型最终准确率：预训练模型（PTMs）在训练过程中所用的数据量较大，模型层数更为复杂。在开发经验及应用实例较少的场景下，PTMs的应用对AI开发项目具有显著借鉴意义，使模型的构建与开发更为成熟。相对于零基础开发，基于PTMs的迁移学习可实现对模型表现的优化。
深度见解：迁移学习提供人工智能开发新途径，助力实现AI技术规模化应用
迁移学习的面世为AI开发团队提供了更多的开发路径。通过对成熟模型训练过程中的数据二次分析及筛选，或是特征体系的保留，亦或是成熟模型神经网络架构及参数的保留，迁移学习有效降低了针对新兴领域或专业领域的AI项目在项目开发层面的难度及门槛，推动各应用领域智能化转型进程加速落地。从短期来看，迁移学习将是推动工业、医疗等垂直应用领域人工智能技术规模化应用的核心动力。
