根據(jù)調(diào)研機(jī)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(jìn)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(xué)習(xí)，大多數(shù)企業(yè)認(rèn)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(xué)習(xí)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(xué)習(xí)。然而，92%的受訪者認(rèn)為深度學(xué)習(xí)將在未來的項目中發(fā)揮作用，54%的受訪者認(rèn)為這種角色將是重要的或是必不可少的。

 

盡管深度學(xué)習(xí)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(xué)習(xí)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(xué)習(xí)，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(jī)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(jī)視覺、自然語言處理和機(jī)器學(xué)習(xí)。

 

機(jī)器學(xué)習(xí)是人工智能的一個子集，它使計算機(jī)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(jī)器學(xué)習(xí)來進(jìn)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(jìn)，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(xué)習(xí)是一種特殊的機(jī)器學(xué)習(xí)，在2012年，幾位計算機(jī)科學(xué)家就這個主題發(fā)表論文時表明機(jī)器學(xué)習(xí)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(jī)視覺培訓(xùn)的深度學(xué)習(xí)系統(tǒng)可能會首先學(xué)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(xué)習(xí)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(xué)習(xí)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(jī)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(xué)習(xí)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(xué)習(xí)有所認(rèn)識，當(dāng)時AlphaGo公司的深度學(xué)習(xí)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(fù)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(xué)習(xí)對計算機(jī)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(xué)習(xí)來訓(xùn)練計算機(jī)識別圖像內(nèi)容和/或識別人臉。

 

•語音處理：深度學(xué)習(xí)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(jī)器人和語音助理能夠與用戶進(jìn)行對話。

 

•翻譯：訓(xùn)練深度學(xué)習(xí)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(jìn)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(xué)習(xí)的翻譯功能的API。

 

•推薦引擎：用戶已經(jīng)習(xí)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(xué)習(xí)提供支持，這使得他們能夠更好地隨著時間的推移進(jìn)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(jìn)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(jī)器學(xué)習(xí)(特別是深度學(xué)習(xí))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(xué)習(xí)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(xué)習(xí)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(qiáng)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(xué)習(xí)用于計算機(jī)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。

 

O'Reilly公司的“企業(yè)如何通過深度學(xué)習(xí)讓人工智能工作”調(diào)查結(jié)果

 

 

雖然深度學(xué)習(xí)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(dāng)O'Reilly公司的調(diào)查詢問是什么阻礙人們采用深度學(xué)習(xí)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(xué)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(xùn)現(xiàn)有的IT人員來彌補(bǔ)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(jìn)的計算機(jī)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(xué)習(xí)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(jī)器學(xué)習(xí)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(xué)習(xí)功能的系統(tǒng)。

 

•數(shù)據(jù)挑戰(zhàn)：深度學(xué)習(xí)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(xùn)練深度學(xué)習(xí)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(xué)家需要注意他們用來訓(xùn)練模型的數(shù)據(jù)一定盡可能地準(zhǔn)確和公正。

 

•批評者：有人認(rèn)為深度學(xué)習(xí)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(xué)習(xí)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(xué)習(xí)，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(xué)習(xí)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(dāng)今最流行的深度學(xué)習(xí)框架。它由谷歌公司創(chuàng)建，是許多深度學(xué)習(xí)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(xué)習(xí)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(xué)習(xí)框架，擁有富有表現(xiàn)力的架構(gòu)、可擴(kuò)展的代碼、速度和強(qiáng)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(kuò)展性。它是輕量級和模塊化的，網(wǎng)站上有大量預(yù)先訓(xùn)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(xué)習(xí)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(rèn)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(xùn)練深度學(xué)習(xí)算法，以便像人腦一樣學(xué)習(xí)。它支持Python、C ++、BrainScript編程語言，以及強(qiáng)化學(xué)習(xí)、生成對抗網(wǎng)絡(luò)、有監(jiān)督和無監(jiān)督學(xué)習(xí)。

 

•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(jī)器學(xué)習(xí)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(xué)習(xí)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(xué)習(xí)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(xué)習(xí)服務(wù)

供應(yīng)商	深度/人工智能學(xué)習(xí)工具	說明
Amazon Web Services	AWS Deep Learning AMIs	預(yù)先安裝了深度學(xué)習(xí)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(xué)習(xí)者開發(fā)的深度學(xué)習(xí)型攝像機(jī)
谷歌云平臺	Cloud Machine Learning Engine	支持多種機(jī)器學(xué)習(xí)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(xué)家設(shè)計的深度學(xué)習(xí)服務(wù)
Deep Cognition	Deep Learning Studio-Cloud	通過拖放界面和預(yù)先訓(xùn)練好的模型深入學(xué)習(xí)