一个人独处时，感觉有点孑立，怎么办？微软亚洲研讨院推出的“微软小冰”，或许可以像闺蜜相同地跟你谈天排遣。3.0版别的“小冰”除了具有“评颜值”“选调配”等功用外，还根据深度学习技能具有强壮的视觉辨认才能。它在看到一张图片后，可以根据情感给出人性化回复，且秒回速度缩短到250毫秒。
不仅仅是“微软小冰”和围棋高手“阿尔法狗”，从互联网查找到言语翻译，甚至辨认患有自闭症风险的基因……但凡需求从许多数据中猜测不知道信息的范畴，都是深度学习可以一展拳脚的当地。那么，什么是深度学习技能？它将怎样改动人类的日子？
万张图片中发现重复的猫
2011年，谷歌一家实验室的研讨人员从视频网站中，抽取了1000万张静态图片，把它“喂”给谷歌大脑，方针是从中寻觅重复呈现的图画。3天后，谷歌大脑在没有人类协助的状况下，从这些图片中发现了“猫”。
这个谷歌大脑便是一个选用深度学习技能的大型神经网络模型，由1000台电脑组成。这件事其时在科技界引起了颤动，被以为深度学习复兴的里程碑。
所谓深度学习，便是用多层神经元构成的神经网络，以到达机器学习的功用。这些多层的电脑网络像人类大脑相同，可以搜集信息，并根据搜集到的信息发生相应的行为。
传统的机器学习方法一般只能发掘简略的线性联系，如1+1等于2。但是，大千国际并不是这种简略联系所能描绘的，如收入与年纪、性别、工作、学历的联系。深度学习的呈现改动了这种现状，它的创意来源于仿照人类大脑神经网络。
科学家发现，人类大脑皮质不是直接对视网膜传递过来的数据进行特征提取处理，而是让接收到的影响信号经过一个杂乱的网络模型进行挑选。这种层级结构大大下降了视觉体系处理的数据量，并终究保留了有用的信息。
上世纪60年代，生物学家在研讨猫的脑皮层时，发现其共同的网络结构能有用下降反应神经网络的杂乱性，继而提出“卷积神经网络”。使用这种网络结构编写的深度学习程序，适应性很强，成为人工智能的突破口。
语音辨认改动人机交互
简略地讲，深度学习技能是对人脑的一种模仿，因此可以完结许多人脑所具有的功用。
最为人所熟知的是视觉功用。咱们的相机可以像眼睛相同看到这个国际，却不能像大脑相同看懂这个国际，深度学习恰恰补上了这个短板。有了深度学习，百度识图可以精确辨认相片中的物体类别，并对相片进行自动归类或查找。有了深度学习，咱们可以很方便地刷脸付款。有了深度学习，特制机器可以检测必定空间内一切人员、车辆的行迹，并对可疑和风险事情及时报警。
一起，深度学习技能在语音辨认方面，也有广泛的使用。在深度学习的协助下，核算机具有越来越强壮的语音辨认才能，这或许改动现在仍以键盘为主的人机交互形式。
深度学习还和增强学习相结合，正深入改动着机器人范畴。所谓增强学习，指的是机器人经过与环境交互中得到的奖励和赏罚，自主学习更优的战略。前段时间引人重视的“阿尔法狗”便是增强学习的产品，它经过跟棋手下棋或跟自己对弈的输赢状况，探索出更好的下棋战略。
什么让深度学习完结逾越
不过，发明一个强壮的神经网络需更多处理层。而由于硬件约束，前期仅能制作2至3个神经层。那么，是什么让深度学习完结逾越呢？
明显，高性能核算才能的提高是一大助力。这些年GPU（图形处理器）、超级核算机和云核算的迅猛发展，让深度学习锋芒毕露。2011年谷歌大脑用了1000台机器、16000个CPU处理的深度学习模型大概有10亿个神经元。而现在，咱们现已可以在几个GPU上完结相同的核算了。
“深度学习还得到大数据的助力，就像火箭有了燃料。”格灵深瞳核算机视觉工程师、清华大学自动化系博士潘争介绍，深度学习技能建立在许多实例基础上，就像小孩搜集实际国际的信息相同。而且，“喂”的数据越多，它就越聪明，而且不会“消化不良”。由于大数据的不可或缺，所以现在深度学习做得最好的基本是具有许多数据的IT巨子，如谷歌、微软、百度等。
现在，深度学习技能在语音辨认、核算机视觉、言语翻译等范畴，均打败传统的机器学习方法，甚至在人脸验证、图画分类上还超越人类的辨认才能。专家估计，再过些年，咱们口袋里的手机也可以运转像人脑相同杂乱的神经网络。
不过，就现在的趋势来看，深度学习技能依然无法替代“坐在后台监控室的人”。举个比如，假如你和朋友在一家饭店里用餐后抢着结账，这种推搡进程，智能摄像头尚难以判别是在打架仍是怎么了。可见，逻辑判别和情感挑选，是深度学习尚难以逾越的妨碍。
事例 一眼就能辨认坏人的体系
专心于核算机视觉及人工智能的科技公司格灵深瞳，将根据深度学习技能研制的智能辨认体系，运用到银行安防监控范畴。
考虑到传统光学镜头在辨认图画时会丢掉“深度”维度，格灵深瞳专门为银行安监开发了一套三维传感器。在它的背面，一套奖惩机制训练成的算法模型可以自动辨认反常。“看见有人走近了一个有人的自动柜员机，而不是周围那个空着的，此刻要辨认他的轨道、判别其行为是否正常，就牵涉到深度学习。”格灵深瞳CEO何搏飞介绍，假如体系辨认出反常，它就会推送给后台监督者。而为了教会机器判别精确，背面需求供给几十万量级的图片数据。
何搏飞指出，给这个智能辨认体系一张侧脸或者是没有脸的全身照，它也能以超越99%的精度敏捷锁定方针。条件是建一个6000到1.5万的样本库，“一旦样本到达百万级，或许精度要下降20%或更多。”
