与人类大脑不同，计算机可以同时处理多项任务，它必须“思考”线性以实现智能。尽管存在这种限制，但人工智能已经超越了人类智能的许多领域。借助深度神经网络等技术，机器学会了如何说话，驾驶汽车，赢取视频游戏，画图并协助进行科学发现。

在本文中，我们将看看人工神经网络已经证明可以超越人类智能极限的六个领域。

1.图像和对象识别

机器智能具有良好的图像和物体识别记录。Geoffrey Hinton创建的胶囊网络几乎减少了以前的最佳错误率，这个测试挑战软件从不同角度识别卡车和汽车等玩具。即使视角与先前分析的视角不同，这些胶囊也会使用几何空间中物体的泛化，以便系统能够更好地识别物体，同时还需要较少的图像才能完成此操作。

另一个例子来自一个最先进的网络，该网络已经过训练，可以在数据库中标记图像，以便比同一项任务中超过100小时的训练时间的医生更好地对其进行分类。

2.视频游戏

您可能听说过IBM的Deep Blue和DeepMind的AlphaGo，它们分别通过在国际象棋和Go中击败世界冠军而获得全球关注。但是你知道AI也很适合视频游戏吗？

研究人员已经使用深度学习来教电脑玩游戏，如Atari的Breakout。在这个实验中的研究人员没有教导或预先编制计算机以特定方式玩游戏。相反，计算机在控制键盘的同时跟踪分数。计算机将自动学习，目标是最大化分数。在玩了两个小时之后，电脑成了游戏的专家。

几乎所有可以想象的游戏中，深度学习社区都在努力训练计算机来击败人类。这包括太空侵略者，厄运和魔兽世界等游戏。在大多数这些游戏中，深度学习网络甚至超过了经验丰富的玩家。电脑最初并没有编程来玩这些游戏; 他们通过玩游戏来随时了解他们。

3.语音生成和识别

去年，Google发布了WaveNet，百度推出了Deep Speech。两者都是自动生成人声的深度学习网络。系统学习模仿人类的声音，并随着时间的推移提高自己模仿他们的能力。将它们的词语与真人的语言区分开来越来越困难。

LipNet--由牛津大学在Alphabet的DeepMind资助下创建的一个深度网络 - 在阅读人们的嘴唇方面取得了93％的成功。人类最好的嘴唇读者只有52％的成功率。华盛顿大学的一个团队使用唇形同步来创建一个系统，将合成音频添加到现有视频中。

4.艺术和风格的模仿

虽然前三个领域可能不会令人惊讶，但AI在艺术领域也取得了重大进展。您可以使用神经网络来研究给定的艺术笔画，颜色和阴影。您可以根据艺术家的原始风格创建新图像，甚至可以重新创建不同风格的作品。

例如，Deepart.io是一个公司创建的应用程序的例子，该应用程序使用深度学习技术来学习数百种独特的风格。您可以将这些样式应用于照片。艺术家和程序员Gene Kogan还根据从埃及象形文字学习的算法样式，使用文体转换来修改蒙娜丽莎。

5.预测

斯坦福大学研究员Timnit Gebro从谷歌街景中拍摄了5000万张照片，探索深度学习网络的能力。电脑很快学会了在本地识别汽车。此外，它单独确定了2200多万辆汽车，包括他们的制造商，款式，型号和年限。这个系统应用的一个例子是弄清楚选民路线的开始和结束。根据所提供的分析，“如果在15分钟车程内看到的轿车数量超过所见到的皮卡车数量，该城市在下次总统选举中投票民主党的概率为88％。”

谷歌的SunRoof项目提供了比人类更准确的预测机器智能的另一个例子。该技术使用来自Google Earth的航拍照片创建屋顶的3D模型，并将其与周围的树木和阴影区分开来。然后，它使用太阳的轨迹来预测太阳能电池板根据其位置和规格从该屋顶产生多少能量。

6.网站设计修改

在网站设计方面，用户行为分析是提供最佳用户体验的关键要素之一。人们可以将人工智能集成到网站的构建中，以有效地修改网站，甚至可能比人类设计师完成的工作更准确。像这样的系统的底层技术提供了普通用户对网站外观的看法。这使得设计人员可以确定该网站是否设计得很好。今天，网页设计师可能正在使用深度网络来修改他们的设计，或者他们可能计划在不久的将来使用深度网络。