概述
长短期记忆 (LSTM) 细胞是一种特殊的循环神经网络单元，旨在记住长序列中的信息。他们解决了困扰早期 RNN 的梯度消失问题，为语言、语音和翻译领域十年来的突破提供了动力。
长短期记忆细胞位于核心人工智能工具包中。当你理解它时，其他人工智能主题就变得更容易评估和比较。
深入探讨
LSTM 单元由 Sepp Hochreiter 和 Jurgen Schmidhuber 于 1997 年提出，它维持一种“单元状态”，就像一条贯穿序列的记忆传送带。三个学习门控制它：忘记门决定删除什么，输入门决定存储什么新信息，输出门决定将什么公开为单元的输出。每个门都使用一个 sigmoid（输出 0 到 1）作为软开关。由于细胞状态主要通过加法而不是重复乘法来更新，因此梯度可以在多个时间步上向后流动而不会缩小到零，从而让 LSTM 学习相隔数百步的依赖关系。在《变形金刚》出现之前，LSTM 是 Google 翻译、语音识别和文本生成的基础。
技术洞察
梯度消失修复来自单元状态的近线性更新：c_t = f_t * c_{t-1} + i_t * g_t。忘记门 f_t（s 型函数）可以保持在 1 附近，创建一个“恒定误差轮播”，因此误差信号可以在长跨度上通过时间反向传播。门本身就是小型神经层（sigmoid 用于门控，tanh 用于候选值），全部通过梯度下降联合训练。这种门控让网络了解保留什么和丢弃什么。
掌握长短期记忆细胞
长短期记忆 (LSTM) 细胞是一种特殊的循环神经网络单元，旨在记住长序列中的信息。他们解决了困扰早期 RNN 的梯度消失问题，为语言、语音和翻译领域十年来的突破提供了动力。长短期记忆细胞位于核心人工智能工具包中。当你理解它时，其他人工智能主题就变得更容易评估和比较。为了建立深入的理解，请将长短期记忆细胞视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，使用长短期记忆细胞的强大团队首先构建强大的概念模型，然后将这些模型映射到实际的生产约束。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
它可以帮助您将清晰的技术声明与营销语言分开。同时，不同的团队可能会以不同的方式使用同一术语，因此请尽早定义范围。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
它可以帮助您将清晰的技术声明与营销语言分开。
它可以帮助您将清晰的技术声明与营销语言分开。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
在花费金钱或时间之前，您可以提出更好的实施问题。
在花费金钱或时间之前，您可以提出更好的实施问题。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
具有共同理解的团队可以做出更好的产品、政策和学习决策。
具有共同理解的团队可以做出更好的产品、政策和学习决策。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
在变形金刚接管之前，为 Google Translate 的神经系统早期的机器翻译提供动力。
语音助手和听写软件中的语音到文本识别。
预测时间序列的未来值，例如能源需求、传感器读数或股票价格。
一次生成一个标记的文本或音乐并自动完成序列。
实施模式
长短期记忆细胞的实践
在变形金刚接管之前，为 Google Translate 的神经系统早期的机器翻译提供动力。
在变形金刚接管之前为早期 Google 中的机器翻译提供动力 团队在预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
长短期记忆细胞的实践
语音助手和听写软件中的语音到文本识别。
语音助手和听写软件中的语音到文本识别 团队在预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
长短期记忆细胞的实践
预测时间序列的未来值，例如能源需求、传感器读数或股票价格。
预测时间序列中的未来值，例如能源需求、传感器读数或股票价格当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
长短期记忆细胞的实践
一次生成一个标记的文本或音乐并自动完成序列。
一次生成一个标记和自动完成序列的文本或音乐 团队在预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
风险与防护栏
不同的团队可能会以不同的方式使用同一术语，因此请尽早定义范围。
基准测试可能看起来很强大，但实际性能却参差不齐。
忽视数据质量和评估计划通常会产生脆弱的结果。
实施路线图
从您需要的结果的简单语言定义开始。
从您需要的结果的简单语言定义开始。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在测试之前选择一种成功指标和一种失败条件。
在测试之前选择一种成功指标和一种失败条件。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
使用代表性数据运行小型试点，而不是完善的演示集。
使用代表性数据运行小型试点，而不是完善的演示集。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
记录长短期记忆细胞在哪些方面有帮助以及在哪些方面更简单的方法更好。
记录长短期记忆细胞在哪些方面有帮助以及在哪些方面更简单的方法更好。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。