根據(jù)調(diào)研機構(gòu)Gartner的統(tǒng)計，2018年人工智能可能為企業(yè)創(chuàng)造1.2萬億美元的商業(yè)價值，將比去年增加70%。“由于計算能力、數(shù)量、速度和數(shù)據(jù)的多樣性，以及深度神經(jīng)網(wǎng)絡(luò)(DNNs)的進步，人工智能在未來10年內(nèi)有望將成為最具顛覆性的技術(shù)類別。”Gartner公司研究副總裁John-David Lovelock說。

 

這些深度神經(jīng)網(wǎng)絡(luò)用于深度學習，大多數(shù)企業(yè)認為這對他們的組織很重要。 O'Reilly公司在2018年發(fā)表的題為“企業(yè)如何通過深度學習讓人工智能工作”的報告表明，接受調(diào)查的企業(yè)中只有28%在使用深度學習。然而，92%的受訪者認為深度學習將在未來的項目中發(fā)揮作用，54%的受訪者認為這種角色將是重要的或是必不可少的。

 

盡管深度學習似乎具有巨大的好處，但這種人工智能形式仍然還不成熟。如果深度學習技術(shù)要實現(xiàn)其早期的期望，研究人員和企業(yè)需要克服許多障礙。

 

 

要理解什么是深度學習，人們首先需要理解它是更廣泛的人工智能領(lǐng)域的一部分。簡而言之，人工智能涉及教計算機思考人類的思維方式，其中包括各種不同的應(yīng)用，例如計算機視覺、自然語言處理和機器學習。

 

機器學習是人工智能的一個子集，它使計算機在沒有明確編程的情況下能夠更好地完成任務(wù)。企業(yè)使用機器學習來進行欺騙欺詐檢測、推薦引擎、流分析、需求預(yù)測和許多其他類型的應(yīng)用。這些工具隨著時間的推移而不斷改進，因為它們攝取更多的數(shù)據(jù)，并在數(shù)據(jù)中找到相關(guān)性和模式。

 

深度學習是一種特殊的機器學習，在2012年，幾位計算機科學家就這個主題發(fā)表論文時表明機器學習將變得更加流行，其見解是“深刻的”，因為它通過許多不同的層來處理數(shù)據(jù)。例如，正在接受計算機視覺培訓的深度學習系統(tǒng)可能會首先學會識別出現(xiàn)在圖像中的物體邊緣。這些信息被傳送到下一層，可能會學習識別角落或其他特征。它一遍又一遍地經(jīng)歷同樣的過程，直到系統(tǒng)最終開發(fā)識別物體甚至識別人臉的能力。

 

大多數(shù)深度學習系統(tǒng)都依賴于稱為深度神經(jīng)網(wǎng)絡(luò)(DNN)的一種計算機體系結(jié)構(gòu)。這些都是仿生的大腦生物模型，并使用所謂的“神經(jīng)元”的互連節(jié)點來處理他們的工作。

 

 

目前很多行業(yè)廠商正在使用深度學習來為許多不同類型的應(yīng)用程序提供支持。一些最常見的包括：

 

•游戲：2015年，許多人開始對深度學習有所認識，當時AlphaGo公司的深度學習系統(tǒng)成為第一種在棋盤游戲AlphaGo中擊敗人類的人工智能系統(tǒng)，并且多次重復這種壯舉。據(jù)AlphaGo網(wǎng)站稱，“人工智能系統(tǒng)的表現(xiàn)非常令人吃驚，顛覆了人類數(shù)百年來的棋盤游戲智慧，并且已經(jīng)被各級玩家廣泛檢驗。在獲勝的過程中，AlphaGo以某種方式向世人傳授了新的知識，也許是歷史上最需要研究和思考的游戲。”

 

•圖像識別：如前所述，深度學習對計算機視覺應(yīng)用特別有用。微軟、谷歌、Facebook、IBM等已成功地使用深度學習來訓練計算機識別圖像內(nèi)容和/或識別人臉。

 

•語音處理：深度學習也有助于識別人類語言，將文本翻譯成語音并處理自然語言。它可以幫助從他們的場景中識別單詞的含義，并且使像Siri和Cortana這樣的聊天機器人和語音助理能夠與用戶進行對話。

 

•翻譯：訓練深度學習系統(tǒng)以理解一種語言之后的下一個邏輯步驟是教會它理解多種語言并進行翻譯。幾家供應(yīng)商已經(jīng)做到了，現(xiàn)在提供具有深入的基于學習的翻譯功能的API。

 

•推薦引擎：用戶已經(jīng)習慣于像亞馬遜這樣的網(wǎng)站和Netflix等服務(wù)，根據(jù)他們以前的活動提供推薦。這些推薦引擎中的很多都是通過深度學習提供支持，這使得他們能夠更好地隨著時間的推移進行推薦，并使他們能夠找到程序人員可能錯過的偏好中的隱藏關(guān)聯(lián)。

 

•文本挖掘：文本挖掘是對文本進行分析的過程。例如，它可以使人們確定撰寫文本的人員的感受和情緒，或者可以從文檔中提取主要想法，甚至撰寫摘要。

 

•分析：大數(shù)據(jù)分析已成為大多數(shù)企業(yè)開展業(yè)務(wù)的一個組成部分。機器學習(特別是深度學習)有望使預(yù)測性和前瞻性分析甚至比現(xiàn)有的更好。

 

•預(yù)測：分析最常見的用途之一是預(yù)測即將發(fā)生的事件。企業(yè)正在使用深度學習來預(yù)測客戶需求、供應(yīng)鏈問題、未來收益等等。

 

•醫(yī)療：深度學習在醫(yī)療領(lǐng)域也有著無數(shù)的潛在用途。例如，它可能比放射科醫(yī)師閱讀掃描影像更好，并且可以為診斷引擎提供動力，從而增強人類醫(yī)生的能力。

 

在O'Reilly公司的調(diào)查中，受訪者表示他們最感興趣的是將深度學習用于計算機視覺、文本挖掘和分析。預(yù)計隨著研究人員找到應(yīng)用該技術(shù)的新方法時，其潛在的用例列表將會增長。

 

雖然深度學習具有令人印象深刻的能力，但是一些障礙正在阻礙其廣泛采用。它們包括以下內(nèi)容：

 

•技能短缺：當O'Reilly公司的調(diào)查詢問是什么阻礙人們采用深度學習時，受訪者的第一個反應(yīng)就是缺乏熟練的員工。2018年全球人工智能人才報告表明，“全世界大約有22,000名獲得博士學位的研究人員可以從事人工智能研究和應(yīng)用工作，目前只有3074名候選人正在尋找這樣的工作。”企業(yè)正試圖通過培訓現(xiàn)有的IT人員來彌補這一缺口，但這一過程很慢。

 

•計算能力：深度神經(jīng)網(wǎng)絡(luò)(DNN)需要高度先進的計算機基礎(chǔ)設(shè)施，通常是具有大量圖形處理單元(GPU)的高性能計算(HPC)系統(tǒng)，這些系統(tǒng)尤其擅長深度學習所需的計算類型。在過去，這種水平的硬件對于大多數(shù)組織來說成本費用太高。然而，基于云計算的機器學習服務(wù)的增長意味著組織可以在沒有高昂的前期基礎(chǔ)設(shè)施成本的情況下訪問具有深度學習功能的系統(tǒng)。

 

•數(shù)據(jù)挑戰(zhàn)：深度學習也會受到妨礙其他大數(shù)據(jù)項目的數(shù)據(jù)質(zhì)量和數(shù)據(jù)治理挑戰(zhàn)的阻礙。用不良數(shù)據(jù)訓練深度學習模型會引發(fā)創(chuàng)建具有內(nèi)在偏見和不正確或令人反感的結(jié)果的系統(tǒng)的真實可能性。數(shù)據(jù)科學家需要注意他們用來訓練模型的數(shù)據(jù)一定盡可能地準確和公正。

 

•批評者：有人認為深度學習本質(zhì)上是危險的，因為它會放大創(chuàng)建系統(tǒng)的人的內(nèi)在偏見。其他人則表示，雖然深度學習可以解決一些問題，但是該技術(shù)具有其根本的局限性，將會阻礙它在許多應(yīng)用中發(fā)揮作用。雖然這些反對的聲音不太可能阻止人們采用深度學習，但它們確實似乎在一定程度上放緩了這一過程。

 

 

許多最常見的深度學習和人工智能工具都可以通過開源許可證獲得。一些最受歡迎的工具包括以下內(nèi)容：

 

•在O'Reilly公司對TensorFlow的調(diào)查中，61%的受訪者表示他們使用的是TensorFlow，它很容易成為當今最流行的深度學習框架。它由谷歌公司創(chuàng)建，是許多深度學習云計算服務(wù)的基礎(chǔ)。

 

•Keras這是O'Reilly公司研究中第二個最受歡迎的深度學習工具。這是一個基于Python的神經(jīng)網(wǎng)絡(luò)API，與TensorFlow、Theano和Microsoft Cognitive Toolkit集成。

 

•O'Reilly公司對PyTorch Number 3的調(diào)查中，PyTorch是一個基于Python的深度神經(jīng)網(wǎng)絡(luò)框架，它融合了Torch張量庫，它提供GPU加速、靈活性和速度等性能。

 

•Caffe由Berkeley AI Research(BAIR)創(chuàng)建，Caffe是一個開源的深度學習框架，擁有富有表現(xiàn)力的架構(gòu)、可擴展的代碼、速度和強大的社區(qū)。據(jù)其網(wǎng)站稱，它每天可以用一個NVIDIA K40 GPU處理超過6000萬個圖像。

 

•Caffe2由Facebook公司開發(fā)，Caffe2建立在原來的Caffe上，并承諾具有高度的可擴展性。它是輕量級和模塊化的，網(wǎng)站上有大量預(yù)先訓練好的模型，可加速應(yīng)用程序的開發(fā)和部署。

 

•MXNet這個Apache孵化項目旨在加快計算速度，尤其是深度學習期間DNN執(zhí)行的計算。它擁有高性能、干凈的代碼，可以訪問高級API和低級控制。

 

•Gluon項目由AWS公司和Microsoft公司提供，為MXNet提供接口。預(yù)計它也將包含在未來的Microsoft Cognitive Toolkit版本中。

 

•微軟認知工具包(Microsoft Cognitive Toolkit)這個項目以前稱為CNTK，是一種免費、易用、開源、商業(yè)級的工具包，可以訓練深度學習算法，以便像人腦一樣學習。它支持Python、C ++、BrainScript編程語言，以及強化學習、生成對抗網(wǎng)絡(luò)、有監(jiān)督和無監(jiān)督學習。

 

•H2O被諸如ADP、CapitalOne、思科、Progressive、Comcast、PayPal和Macy's等公司所使用，H2O聲稱它是面向企業(yè)的第一個開源機器學習平臺，它提供了高級算法和內(nèi)存處理以實現(xiàn)快速性能擁有大量的數(shù)據(jù)集，該公司提供基于開源項目的商業(yè)產(chǎn)品。

 

•Theano這個Python庫已被許多深度學習和人工智能應(yīng)用程序使用。它提供了與NumPy的緊密集成、GPU的透明使用、高效的符號差異化等功能。

 

•DeepDetect這款開源深度學習服務(wù)器基于Caffe，TensorFlow和DMLC XGBoost。其知名用戶包括空客和微軟。

 

云端人工智能/深度學習服務(wù)

供應(yīng)商	深度/人工智能學習工具	說明
Amazon Web Services	AWS Deep Learning AMIs	預(yù)先安裝了深度學習框架的EC2實例；支持TensorFlow、MXNet、Microsoft Cognitive Toolkit、Caffe、Caffe2、Theano、Torch、PyTorch、Chainer和Keras
	AWS SageMaker	完全托管的基于云計算的TensorFlow服務(wù)
	AWS DeepLens	為學習者開發(fā)的深度學習型攝像機
谷歌云平臺	Cloud Machine Learning Engine	支持多種機器學習框架的托管云服務(wù)，其中包括TensorFlow和Keras
微軟Azure	Machine Learning Services	作為云服務(wù)提供的超級優(yōu)化深度神經(jīng)網(wǎng)絡(luò)
IBM	Watson Studio Deep Learning	為數(shù)據(jù)科學家設(shè)計的深度學習服務(wù)
Deep Cognition	Deep Learning Studio-Cloud	通過拖放界面和預(yù)先訓練好的模型深入學習