人人都可以创造自己的AI：深度学习的6大应用及3大成熟领域

导读：深度学习，也称“阶层学习”或“分层学习”，是基于学习数据表征的更广泛的机器学习方法系列的一部分，而不是基于特定任务的算法。深度学习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。

 

深度学习的优势是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。其中深度指的是网络中最长的输入输出距离。

 

本文回顾深度学习发展过程中的重大事件，并介绍近年来各领域的发展概况。

 

作者：王健宗 瞿晓阳

来源：大数据DT（ID：bigdatadt）

 

 

 

01 深度学习的崛起之路

 

1. 人脸识别的起源

 

2012年，Alex Krizhevsky等人提出了AlexNet网络结构模型，以一种结构上轻巧简单但计算量上远超传统模型的方式轻易战胜了传统的机器学习模型，并凭借它在ImageNet图像分类挑战赛上赢得了冠军。

 

自此，在图像领域点燃了深度学习的热潮，无数公司与学者纷纷转向该领域，并在短短几年内就取得了大量的突破性进展，其中包括何凯明等人提出的残差神经网络、谷歌提出的GoogLeNet等。这些新的研究成果使得人脸识别等过去不可能实现的场景拥有了落地的可能。

 

 

2. 自动驾驶的福音

 

巧合的是，同样在2012年，图像分割领域也通过深度学习的应用取得了历史性突破，那就是全卷积网络（FCN）的出现。在另一个图像领域的著名图像分割任务数据集VOC上，FCN刷新了该数据集的最优指标，引爆了深度学习在图像分割领域的应用。

 

图像分类与图像分割的突破带来了另一个行业的突破，那就是自动驾驶。早在2009年，谷歌就已经成立了负责自动驾驶业务的子公司Waymo，也是目前自动驾驶的巨头之一，其估值顶峰达到了1700多亿美元，可见自动驾驶行业在投资人心中的分量。

 

在国外，除谷歌外，特斯拉、苹果公司等科技巨头，奥迪、德尔福、通用汽车等汽车行业巨头，Uber、Lyft等网约车领域巨头也都在做自动驾驶研究。在国内，百度、Momenta、Pony.ai、地平线、驭势科技、图森未来等公司也在这一领域不断发力。

 

在深度学习出现之前，自动驾驶的水平主要停留在基于毫米波雷达及其他传感器的低阶水平，这个水平的自动驾驶是不可能真正解放司机注意力的；深度学习的出现带来了图像识别与图像语义分割理解的突破，让人们看到了实现L5级别完全自动驾驶的希望，也由此引起了自动驾驶行业的爆发。

 

 

3. 超越人类的AI智能体

 

2016年发生了另一起点燃深度学习浪潮的事件，那就是谷歌DeepMind研发的AI围棋手AlphaGo异军突起。

 

• 2016年3月，AlphaGo与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4:1的总比分获胜；

• 2016年年末至2017年年初，该程序以Master为注册名与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩，被称为Alpha Master；

• 2017年5月，在中国乌镇围棋峰会上，它与当时排名世界第一的世界围棋冠军柯洁对战，以3:0的总比分获胜。

 

围棋界公认AlphaGo的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。