1.計算機視覺。在計算機視覺領域，深度神經(jīng)網(wǎng)絡最令人矚目的成績就是ImageNet競賽。

包括人臉識別，目標檢測等具體的圖形圖像處理

2.語音識別和合成。在語音識別領域，包括智能家居，語音助手等識別軟件。

3.自然語言處理NLP。深度學習主要用于語義分析等任務，主要基于統(tǒng)計的模型。

4.機器翻譯。

5.自動駕駛。

6.醫(yī)學。在醫(yī)學領域，深度學習是一項最新引入的研究方法，它作為一種成熟的圖像處理技術主要用于醫(yī)學影像識別任務。

7.游戲領域。著名的就是DeepMind公司創(chuàng)造的人工智能圍棋冠軍AlphaGo。

深度學習當前面臨的問題和挑戰(zhàn)：

• 需要大量數(shù)據(jù)
• 概念表達能力不足，不能遷移
• 沒有自然方式來處理層級架構
• 無法開發(fā)推理
• 不夠透明
• 沒和先驗知識結合
• 無法區(qū)分因果關系和相關關系
• 假設是穩(wěn)定的環(huán)境
• 是近似，不能完全相信
• 很難工程化

未來：

本質上來講，深度學習是一種統(tǒng)計技術，有優(yōu)勢和局限。不是一個普遍的解決方案，它是眾多人工智能工具中的一個。

應用于無監(jiān)督學習

符號處理和混合模型

認知和心理學啟發(fā)

更強大的理解力

物理化測試機器人，不是不斷的試錯

自然智能是多維度復雜的，通用人工智能也必須是多維度的。通過推進超越感知分類，進入推理和知識更寬泛的整合，使得人工智能有更巨大的進步。

總結

以上是生活随笔為你收集整理的深度学习的典型应用和挑战及未来的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。