最近有很多關于機器學習人類目前在我們的工廠、倉庫、辦公室和家庭中做的事情的可能性。 雖然技術在快速發展 - 伴隨著恐懼和興奮，但人工智慧，機器學習和深度學習等術語可能讓您感到困惑。 我希望這個簡單的指南能夠幫助解決圍繞深度學習的困惑，這8個實例將有助于解釋當今深度學習技術的實際應用。
什么是深度學習？
人工智慧領域基本上是機器可以完成通常需要人工智慧的任務。 它包含機器學習，機器可以通過經驗學習并獲得技能而無需人為參與。 深度學習是機器學習的一個子集，其中人工神經網絡，受人類大腦啟發的算法，從大量數據中學習。 與我們從經驗中學習的方式類似，深度學習算法會反復執行任務，每次調整一點以改善結果。 我們稱之為“深度學習”，因為神經網絡具有各種（深層）層次，可以實現學習。 幾乎任何需要“思考”解決的問題都是深度學習可以學會解決的問題。
我們每天產生的數據量是驚人的 - 目前估計為2.6億字節 - 這是使深度學習成為可能的資源。 由于深度學習算法需要大量數據來學習，因此數據創建的增加是深度學習能力近年來增長的一個原因。 除了更多的數據創建之外，深度學習算法還受益于當今可用的更強大的計算能力以及人工智慧（AI）即服務的激增。 人工智慧即服務使小型組織能夠訪問人工智慧技術，特別是深度學習所需的人工智慧算法，無需大量初始投資。
即使在使用非常多樣化，非結構化和相互連接的數據集時，深度學習也允許機器解決復雜問題。 學習算法越深入學習，表現就越好。
8個深度學習的實例
現在我們正處在機器可以學習如何在沒有人為干預的情況下解決復雜問題的時代，他們正在解決的問題究竟是什么？ 以下是深度學習當前支持的一些任務，隨著算法通過輸入數據繼續學習，列表將繼續增長。
1、虛擬助手
無論是Alexa還是Siri還是Cortana，在線服務提供商的虛擬助手都會使用深度學習來幫助理解您的語音以及人們與他們互動時使用的語言。
2、翻譯
以類似的方式，深度學習算法可以在語言之間自動轉換。 這對旅行者，商務人士和政府人員來說都很有用。
3、無人駕駛運輸卡車，無人駕駛飛機和自動駕駛汽車的愿景
自動駕駛汽車了解道路的現實以及如何回應它們的方式，無論是停車標志，街道上的球還是其他車輛，都是通過深度學習算法來實現的。 算法接收的數據越多，他們在信息處理中就越能夠像人一樣行動 - 知道被雪覆蓋的停車標志仍然是一個停止標志。
4、聊天機器人和服務機器人
通過深入學習，為許多公司提供客戶服務的Chatbots和服務機器人能夠以智能且有用的方式響應越來越多的聽覺和文本問題。
5、圖像著色
將黑白圖像轉換為彩色以前是人手精心完成的任務。 今天，深度學習算法能夠使用圖像中的上下文和對象來對它們進行著色，以基本上重新創建彩色的黑白圖像。 結果令人印象深刻且準確。
6、 面部識別
深度學習被用于面部識別，不僅用于安全目的，還用于在社交網絡帖子上標記人物，我們可以僅僅通過在不久的將來使用我們的面孔來支付商店中的物品。 面部識別的深度學習算法面臨的挑戰是，即使他們改變了發型，長出胡須或剃掉了照片，或者由于光線不好或阻礙而拍攝的圖像很差，也知道它是同一個人。
說到人臉識別，谷歌曾經在2017年發布了一款AI硬件紙盒套件，也是旗下AI開源項目(AIY Projects)的作品。AIY Vision Kit 是一套簡單的計算機視覺系統，它可以檢測幾千種常見物體，但也可以對人類的臉部表情進行檢測，并顯示出情緒，比如微笑、皺眉、憤怒、開心等等。
7、醫藥
從疾病和腫瘤診斷到專門為個人基因組創建的個性化藥物，醫學領域的深度學習引起了許多大型制藥和醫療公司的關注。
8、個性化的購物和娛樂
有沒有想過視頻網站如何為您接下來要觀看的內容提出建議？ 或者亞馬遜提出了接下來應該購買的產品的想法，這些建議正是您所需要的，但之前從未知道過？ 是的，它是深度學習算法。深度學習算法獲得的經驗越多，它們就越好。 隨著技術的不斷成熟，幾年后它的應用將更加非凡。
我要推介0 點
什么是深度學習？
人工智慧領域基本上是機器可以完成通常需要人工智慧的任務。 它包含機器學習，機器可以通過經驗學習并獲得技能而無需人為參與。 深度學習是機器學習的一個子集，其中人工神經網絡，受人類大腦啟發的算法，從大量數據中學習。 與我們從經驗中學習的方式類似，深度學習算法會反復執行任務，每次調整一點以改善結果。 我們稱之為“深度學習”，因為神經網絡具有各種（深層）層次，可以實現學習。 幾乎任何需要“思考”解決的問題都是深度學習可以學會解決的問題。
我們每天產生的數據量是驚人的 - 目前估計為2.6億字節 - 這是使深度學習成為可能的資源。 由于深度學習算法需要大量數據來學習，因此數據創建的增加是深度學習能力近年來增長的一個原因。 除了更多的數據創建之外，深度學習算法還受益于當今可用的更強大的計算能力以及人工智慧（AI）即服務的激增。 人工智慧即服務使小型組織能夠訪問人工智慧技術，特別是深度學習所需的人工智慧算法，無需大量初始投資。
即使在使用非常多樣化，非結構化和相互連接的數據集時，深度學習也允許機器解決復雜問題。 學習算法越深入學習，表現就越好。
8個深度學習的實例
現在我們正處在機器可以學習如何在沒有人為干預的情況下解決復雜問題的時代，他們正在解決的問題究竟是什么？ 以下是深度學習當前支持的一些任務，隨著算法通過輸入數據繼續學習，列表將繼續增長。
1、虛擬助手
無論是Alexa還是Siri還是Cortana，在線服務提供商的虛擬助手都會使用深度學習來幫助理解您的語音以及人們與他們互動時使用的語言。
2、翻譯
以類似的方式，深度學習算法可以在語言之間自動轉換。 這對旅行者，商務人士和政府人員來說都很有用。
3、無人駕駛運輸卡車，無人駕駛飛機和自動駕駛汽車的愿景
自動駕駛汽車了解道路的現實以及如何回應它們的方式，無論是停車標志，街道上的球還是其他車輛，都是通過深度學習算法來實現的。 算法接收的數據越多，他們在信息處理中就越能夠像人一樣行動 - 知道被雪覆蓋的停車標志仍然是一個停止標志。
4、聊天機器人和服務機器人
通過深入學習，為許多公司提供客戶服務的Chatbots和服務機器人能夠以智能且有用的方式響應越來越多的聽覺和文本問題。
5、圖像著色
將黑白圖像轉換為彩色以前是人手精心完成的任務。 今天，深度學習算法能夠使用圖像中的上下文和對象來對它們進行著色，以基本上重新創建彩色的黑白圖像。 結果令人印象深刻且準確。
6、 面部識別
深度學習被用于面部識別，不僅用于安全目的，還用于在社交網絡帖子上標記人物，我們可以僅僅通過在不久的將來使用我們的面孔來支付商店中的物品。 面部識別的深度學習算法面臨的挑戰是，即使他們改變了發型，長出胡須或剃掉了照片，或者由于光線不好或阻礙而拍攝的圖像很差，也知道它是同一個人。
說到人臉識別，谷歌曾經在2017年發布了一款AI硬件紙盒套件，也是旗下AI開源項目(AIY Projects)的作品。AIY Vision Kit 是一套簡單的計算機視覺系統，它可以檢測幾千種常見物體，但也可以對人類的臉部表情進行檢測，并顯示出情緒，比如微笑、皺眉、憤怒、開心等等。
7、醫藥
從疾病和腫瘤診斷到專門為個人基因組創建的個性化藥物，醫學領域的深度學習引起了許多大型制藥和醫療公司的關注。
8、個性化的購物和娛樂
有沒有想過視頻網站如何為您接下來要觀看的內容提出建議？ 或者亞馬遜提出了接下來應該購買的產品的想法，這些建議正是您所需要的，但之前從未知道過？ 是的，它是深度學習算法。深度學習算法獲得的經驗越多，它們就越好。 隨著技術的不斷成熟，幾年后它的應用將更加非凡。
我要推介0 點
請按此登錄後留言。未成為會員? 立即註冊