深圳2020年7月17日 /美通社/ -- 近期，大巖資本成立七周年慶在深圳成功舉辦。周年慶上量化投資基金經理黃鉑博士結合生活實踐中的案例為大家深入淺出闡釋了最優化算法的前世今生。

從實際生活中最基礎的應用切入，黃鉑博士將抽象的算法概念生動化，解釋了什么叫最優化問題、凸優化及算法分類、機器學習與人工智能應用。

黃博士的分享內容較長，我們將分上、中、下三篇連載推出，本文為下篇。

最優化算法的高級應用

隨著這些年大數據與人工智能的發展，最優化的算法也隨之進一步發展，接下來幾個應用可能更有意思。

第一個應用叫壓縮感知，首先我們把一個圖去掉80%、90%的像素點，然后如何還原到原有的圖片，這個問題看起來非常困難，但是在實際應用中，壓縮感知的算法就有非常好的效果。與這個問題相關的，還有很多很優美的優化算法，比如稀疏優化，對偶加速算法、Lasso。

這個算法還有另外一個應用，人臉識別。看下圖，這個圖上是同一個人在做各種表情，甚至戴上墨鏡，人臉識別通常會用在海關、捉拿罪犯。當我們原始輸入的人臉有很多噪音時，它會通過最優化算法，將人臉畫像出來，比如當輸入的是戴有墨鏡的人臉，算法會將墨鏡和人臉分離開來。同樣的算法可以應用在背景分離，比如我們想要一張非常美的海景，但是又不想要太多人在這個照片上，那么就可以通過這個算法將人物和背景分離開。

看下圖右側，這是一個電梯口的監控錄像，背景是靜止的，而來來往往的人是動態的，通過最優化算法就可以將前景和背景分離出來。這項研究是在2009年由微軟研究員的幾名學者一起研究出來的。

最后一部分是深度學習。深度學習有很多層神經網絡，這個算法在97年就已經被提出來了，但是之所以最近才會有非常大規模的應用，因為在算法上會有非常大的提高，我們可以通過GPU來進行加速運算。另外，我們在優化算法上也有了非常好的進展。其相關的優化算法是隨機優化，顧名思義，它不會優化所有的變量、所有的樣本，而是隨機挑選一個或者幾個樣本進行優化，然后在不需要看完整樣本的情況下就可以有非常好的效果，可以大規模的提高模型訓練速度。

最優化算法，源于生活高于生活，很多應用其實出現在我們每天的日常生活中，希望今天的演講對大家有所幫助。謝謝大家。（完）