深度学习应用

作者 : IT 大叔 本文共3209个字,预计阅读时间需要9分钟 发布时间: 2020-08-23

我们坚持深度学习的主题。这项技术之所以如此频繁地出现在我们的博客文章中,是因为它发展迅速,并在数据科学家,机器学习专家和企业家中引起了极大的兴趣。事实是,即使这是一场缓慢而无声的革命,深度学习也具有使我们的世界发生革命所需的一切。为了使深度学习更加接近,我们决定将一些最受欢迎和最有前途的深度学习应用程序集中在一个地方。有兴趣吗

如果您阅读我们的博客,您就会知道深度学习是与AI相关的最复杂和高级的技术之一。它的构建是为了模仿人类的大脑皮层,因此无需人工协助即可独自处理复杂的问题和项目。

这就是理论,但是在现实生活中会是什么样?大型公司的实验室和研发部门之外的任何地方都可以找到深度学习吗?答案是肯定的!今天,我们将向您展示该技术的一些最令人兴奋的现实应用。

让我们开始吧!

深度学习助力自动驾驶汽车

自动驾驶汽车,也称为自动驾驶汽车,是基于深度学习技术构建的。根据NVIDIA深度学习研究所的数据,到2025年,汽车AI市场的价值将达到110亿美元。新车中基于AI的系统的安装率将提高109%[1]。对于视音频,基于摄像头的机器视觉系统和雷达至关重要。它们是每辆自动驾驶汽车的核心。问题是,最大的挑战之一是行人和障碍物检测以及车道导航。如果要广泛使用自动驾驶汽车,则必须首先确保其安全。

借助深度学习,所有这些都是可能的。如您所知,深度学习和机器学习是基于示例和经验的技术。测试和实施的定期循环是深度学习算法的典型代表。道路上可能发生的数百万种情况的暴露可帮助科学家构建安全的AV。深度学习应用程序必须包含各种自动驾驶场景,包括交通导航,避障和机器人拼车。

2015年,UBER宣布启动自己的AI实验室,该实验室旨在改善自动驾驶汽车。他们还以同样的目标收购了一家名为几何智能的初创公司。他们的原型车装有许多传感器,包括照相机,雷达和激光雷达(类似于雷达的扫描仪,它们使用激光代替无线电波[2])。

诚然,我们还没有广泛使用这种技术,但是它每年都在增长,谁知道,也许从现在起的十年后,在大城市的街道上,自动驾驶汽车将变得更加常见吗?

深度学习应用插图

让我们发现更多的深度学习应用程序!

聊天机器人和虚拟助手

我们在上一篇涉及NLP算法主题的文章中谈到了这一点。诸如Google Assistant,Amazon Alexa和Siri之类的虚拟助手均基于复杂的深度学习NLP算法。这个想法是教机器理解人类的语言。借助深度学习技术,机器可以捕捉语言上的细微差别(惯用语,讽刺,各种表达方式,音调差异),进行处理并提出适当的答案。

如今,虚拟助手和聊天机器人通常用于:

  • 电子商务
  • 汽车工业(几乎每辆现代汽车都可以使用语音导航)
  • 咨询热线
  • 移动设备(如前所述,Siri和Alexa)

这些虚拟助手旨在理解和处理书面和口头语言。让我们以Talkie.ai为例。这是一家致力于语音机器人的波兰新兴公司。他们的技术基于AI,可让他们回答常见问题,将更复杂的查询直接传递给人工顾问,进行电话调查,预订,更改或取消约会或预订,或告知交货状态。

Talkie.ai宣布推出自己的Coronabot [3]时,已经引起了媒体的广泛报道和业界的关注。它旨在支持NFZ(波兰国家卫生基金)回答有关COVID-19疾病的来电。他们使用NFZ知识库和当前疾病统计数据来训练他们的电晕机器人。结果,Talkie.ai建立了一个成熟的语音机器人,完全能够回答有关该疾病的问题。它的工作时间是24/7,可以同时为许多患者提供服务。

深度学习应用插图(2)

在下面发现不同的深度学习应用程序。

个性化推荐

深度学习是一种学习您的偏好和要求的技术。因此,您可以获得非常准确的个性化建议。它也是电子商务领域中广泛使用的应用程序。如今,每家像样的商店都有一个发达的推荐引擎,可以提供给定客户可能感兴趣的其他产品或其他产品。

结果?当然销量增长!当这些建议真正个性化且准确时,人们愿意遵循它们,并因此购买更多或更多昂贵的产品。机器/深度学习算法研究您在网站上的行为方式,购买的产品,并以此为基础来学习您的需求和偏好。尽管听起来很简单,但是要使之成为可能需要大量的计算能力。

让我们举一个例子-Netflix。如今,它已成为最受欢迎的互联网电视网络之一,全球拥有超过1.6亿成员[4]。自然,电影和电视节目推荐不能手动完成。先进的AI算法必不可少。Netflix表示,他们“在机器学习上投入大量资金,以不断改善会员体验并端到端优化Netflix服务。”

现在,他们使用机器学习做什么?

  • 节目和电影推荐
  • 学习使内容成功的特征(换句话说,是AI算法决定下一个Netflix Original Series即将推出的内容!)
  • 优化电影和电视节目的制作
  • 优化视频和音频编码

看起来很简单的企业(他们只是制作电视连续剧和流媒体电影)实际上是一项复杂的基于AI的工作,并且每周都会增长和调整。

深度学习应用插图(4)

让我们转到其他成功的深度学习应用程序。

医疗保健中的深度学习

它可能是现代世界中最重要的深度学习应用程序之一。这是真的; 深度学习有助于挽救生命!那怎么可能?该主题在我们的文章中也反复出现。您可以在我们的博客上阅读有关现代医疗保健行业中各种AI应用程序的信息:

  • 药物开发
  • 医学图像分析,可以加快诊断阶段并弥补缺乏训练有素的放射科医生的不足
  • 根据个别患者的历史数据进行治疗建议
  • 机器人辅助手术

还有很多。在本文中,我们将只关注一种应用程序-基因组学。正如我们在2019年《自然医学》上发表的“医疗保健深度学习指南” [5]中所读到的,“现代基因组技术收集了各种各样的测量值,从个人的DNA序列到其体内 各种蛋白质的数量血液。深度学习有很多机会可以改善用于分析这些测量的方法,最终将帮助临床医生提供更准确的治疗和诊断。[…]了解疾病的遗传学使得临床医生可以推荐治疗方法并提供更准确的诊断有效整合不同数据类型的强大功能和能力,深度学习技术可能会提供比当今更准确的致病性预测[…]”

总而言之,深度学习在改善治疗和诊断方面非常有前途。例如,总部位于中国的初创企业汇美科技[6]目前正在开发和设计专注于提高临床质量的医学人工智能解决方案。他们的产品包括临床决策支持系统,疾病过程质量管理系统和医学知识库。汇美正在使用自然语言处理,深度学习和其他AI技术来处理临床大数据。结果,他们希望改善并加速从诊断到治疗的整个临床过程。

深度学习应用插图(6)

广