AI的推动引擎——深度学习

什么是深度学习

深度学习的概念源于人工神经网络的研究，是通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

深度学习是机器学习中一种基于对数据进行表征学习的方法，亦是机器学习研究中的一个新领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。

深度学习作为大数据分析的重要工具，其发展得益于大数据、强大的计算能力和长期逐步积累的计算方法。

深度学习与AI的关系

如果说，海量的数据是进行AI 研究的前提，那么，深度学习就是AI研究的关键性工具，二者缺一不可。

就如同飞船起飞一样，除了充足的燃料之外，强劲的引擎也是必不可少的。假如燃料不足，则飞船就无法进入预定轨道。而引擎不够强劲，飞船甚至不能升空。

在AI研究中，深度学习模型就像引擎，而海量的训练数据就好比燃料。

深度学习在各领域的应用变革

深度学习的快速发展，令整个AI领域的实际应用范围得到了拓展。衣食住行。。。。我们生活中的太多地方，都在被深度学习所改变。

深度学习与无人驾驶

深度学习在无人驾驶领域主要用于图像处理，也就是在摄像头上。当然也可以用于雷达的数据处理，但是基于图像极大丰富的信息以及难以手工建模的特性，深度学习能最大限度的发挥其优势。

深度学习可以用于感知，识别周围环境，各种对车辆有用的信息；也可以用于决策，比如AlphaGo的走子网络（Policy Network），就是直接用DNN训练， 如何基于当前状态作出决策。

深度学习与疾病检测

密歇根大学的研究人员使用图像识别技术来检测黑色素瘤这种最致命的、但在早期可以治疗的癌症。众所周知，黑色素瘤不仅致命，而且还难以准确筛查。该团队通过训练一个神经网络来区分痣和可疑病变的特征（质地和结构），以便更好地识别。

该团队称在检测黑色素瘤方面，定性和定量评估的实验结果表明这种方法的表现超过了迄今为止最佳的算法。

深度学习与文娱投资

各内容平台可以通过深度学习技术对流量进行建模预测，辅助其作出IP投资采买决策。流量预测模型参考的因素极多且非常复杂，包括社会舆论、对该IP的讨论度、粉丝群体的反馈、前期宣发效果，以及题材、角色和平台的拟合度等，甚至排播形式的不同也会产生不同的模型。

而这个流量预测模型的数据来源也很复杂，包括观影数据、搜索数据、社交行为、舆论监督等。

优酷2017平台投资采买能力分析

此外还需要实时监控整个互联网的舆情，内容上线之后，模型可以快速修正，从而保证较高的精准率。

深度学习与语音识别

语音识别技术已经发展了几十年，近年突然变得炙手可热，这归功于深度学习终于使得语音识别的准确率提升到足矣让这项技术在实验测试以外的实际场景中应用。

目前，语音识别技术正逐步渗入到我们日常生活的方方面面。语音识别技术内置在我们的手机、游戏机和智能手表中，它甚至能将我们的整个家庭智能化。比如许多智能音箱，不单可以和“主人”聊天还可以提醒“主人”起床、收快递….

结语