智慧城市网

　　【中国安防展览网 媒体导读】随着监控摄像头的覆盖及大量视频数据的积累，一些大型项目的终端用户如公安和交警，正在迫切寻找新的视频分析解决方案来重新解读这些数据，获取新的价值。深度学习必然会革新整个视频监控行业，让视频分析的能力更上一个台阶。例如加入GPU处理的视频分析解决方案，不仅能提升识别车辆识别的准确性，更能在大面积与拥挤的场景中快速定位出相应的车辆。
 

　　人工智能发展相当迅速，但是仍然处于起步阶段，目前的自动化完全基于人类的智慧，但未来随着科技的发展，我们或将迎来下大规模自动化浪潮，而这种进步基于人和机器的共同努力。机器学习是人工智能的子集，而深度学习又是机器学习的子集，作为人工智能下游的一个小小分支，深度学习在语音识别和对话式AI领域刻下了深深的印记。
 

　　什么是深度学习？我们希望让机器和人的大脑一样，去学习、认知这个世界。所以在深度学习当中，有几个核心元素，一是通过算法，给机器设计一个神经网络。二是做大量标定的数据样本，通过标定后的样本来训练神经网络，让它去认识外部的世界。
 

　　IBM在近的研究中证明，深度学习算法可以在仿人脑硬件上运行，而后者通常支持的是一种完全不同形式的神经网络。
 

　　深度学习是机器学习的子集，包括旨在通过让软件接触到大量数据流并使用多层神经网络来改进软件的技术。如今，神经网络由越来越复杂的代码层组成。神经网络使软件从它接触到的数百、数千甚至数百万的数据驱动模拟中进行学习。
 

　　以前一个应用要通过非常的算法来描述，但是今天，我们不知道用什么模型来教计算机，只能拿非常多的样本，让机器比对学习，举一反三。
 

　　深度学习的强大功能依赖于卷积神经网络算法，这个算法由多层节点(也称之为神经元)组成。这种神经网络可以通过“深”层节点筛选海量数据，以此在自动识别人脸或理解不同的语言等方面变得更加智能。
 

　　当前，Fanuc正在使用深度学习算法进行类似的研究，使用尝试和失误来学习如何在捡起随机摆放的物体方面保持90%的度。Fanuc与Nvidia结成伙伴为预测停机时间以及提高现有机器人运行效率提供服务，而Nvidia为其提供提供GPU芯片组。更多对于深度机器学习的潜在应用包括，通过提前计划维护工作而降低停机时间，以及通过分析视觉系统和传感器数据来优化机器人的运动等。
 

　　近日，索尼公司也宣布将开始在日本无偿提供可生成深度学习程序的综合开发软件：“神经网络控制台”(Neural Network Console)。
 

　　据悉，软件工程师和设计师通过使用配置有图形用户界面(下称GUI)的深度学习综合开发软件，可凭借直观的用户界面，有效地进行神经网络的设计、学习、评价，并开发深度学习程序，将其加载到各种产品以及服务中。
 

　　深度学习的佳应用指向的是自动化，因为这样可以使人工智能更好、更便宜、更简单、更快捷。同样，任何深度学习的成功例子随后都会带来更多的成功案例。使用人工智能来运行和管理电脑一定会改进其他类型的计算指令。
 

　　近年来，语音识别的表现和应用出现了巨大的飞跃。我们离完*这个问题还有多远？答案也许五年、也许十年，但仍然有一些挑战性的问题需要时间来解决。
 

　　首先是对噪音的敏感性问题。 第二个必须解决的问题是语言扩展：世界上大约有7000种语言，绝大多数语音识别系统能够支持的语言数量大约是八十种。扩展系统带来了巨大的挑战。此外，我们缺少许多语言的数据，而且匮乏数据资源则难以创建语音识别系统。
 

　　深度学习在语音识别和对话式AI领域刻下了深深的印记。而鉴于该技术近获得的突破，我们真的正处于一场革命的边缘。但是我们是否具备赢得语音识别领域的技术挑战，并像其他商品化技术一样开始运用它呢？
 

　　原标题  深度学习技术迎来实质突破 落地应用仍需时日