眼爆科技

2018年的人工智能和深度学习将会如何发展?

时间:2018-07-31 15:05  编辑:眼爆科技

随着我们的日常生活与各种各样的技术越来越紧密地交织在一起,有时候,似乎未来已经到来。然而,技术仍在不断发展,人工智能(AI)已经占据了这一领域的中心地位。在许多前进力量的支持下,人工智能继续激发公众对未来的想象。亚马逊的Alexa、Netflix的推荐系统以及SnapChat滤镜等的创新,进一步推动了这一信念,这些都是人工智能进入个性化领域的优秀范例。

最常见的人工智能构成部分,以及人工智能家族中的聪明之星,都是深度学习。深度学习是一种数据学习的模式,近年来改进了长期以来的预测准确性标准。除了传统的预测建模之外,它还在语音识别和计算机视觉领域有突出贡献。然而,随着我们迎接新年的到来,事情将变得更加有趣。让我们来看看2018年的深度学习(以及更广泛的人工智能)的情况。

卷积神经网络(几乎)无处不在

卷积神经网络是一种复杂的学习模型,它的优点是需要对数据进行最少的预处理或清理。主要被应用于解决视觉图像分类和处理,目前开始应用于更多的案例。

其理念是,视觉世界是合成的,因此图像可以被分解成最基本的特征。例如,一个风景的图像由各种各样的物体组成;这些物体由轮廓和线条组成,而这些线条又由像素组成。Covnets能够识别这些成分,并创建分层的抽象世界概念,使各种识别任务变得更容易。

(图注:以鸟的形象在图像中识别物体的卷积神经网络。)

目前,Facebook的照片标签和面部识别功能都使用了Covnets。在2018年,我们可以预计,Covnets将更广泛的应用于自动驾驶领域,特斯拉的Model X已经在使用Covnets来实现自动驾驶的相关功能。更近的,像Quere.ai这样的公司正在使用Covnets,并且在医学成像的诊断方面取得了显著的成功。预计公司将开始为这些高度精确的学习模式寻找不同的应用。

人工智能将加强数据安全

虽然机器学习和深度学习模型具有前所未有的预测精度,但有些目前仍容易受到质疑。例如,在受监督的机器学习中,模型学习标记数据的某些特征,训练和测试数据被假定来自相同的数据分布。如果数据在这个假设中失真,那么模型的预测精度就会受到很大的影响。以垃圾邮件过滤为例——如果将随机文本和图像添加到消息中,消息可能会绕过垃圾邮件检测系统。这就是为什么你的收件箱里塞满了垃圾邮件,尽管有一个系统可以阻止它。

  • 共2页:
  • 上一页
  • 1
  • 2
  • 下一页




  • 上一篇:外媒:人才、政策、投资让中国成为AI发展热土 下一篇:科大讯飞刘庆峰:AI替代率高的岗位人类本就不喜欢