欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  科技

2018年的人工智能和深度学习将会如何发展?

程序员文章站 2022-07-26 21:28:40
随着我们的日常生活与各种各样的技术越来越紧密地交织在一起,有时候,似乎未来已经到来。然而,技术仍在不断发展,人工智能(AI)已经占据了这一领域的中心地位。在许多前进力量的支持下,人工智能继续激发公众对...

随着我们的日常生活与各种各样的技术越来越紧密地交织在一起,有时候,似乎未来已经到来。然而,技术仍在不断发展,人工智能(AI)已经占据了这一领域的中心地位。在许多前进力量的支持下,人工智能继续激发公众对未来的想象。亚马逊的Alexa、Netflix的推荐系统以及SnapChat滤镜等的创新,进一步推动了这一信念,这些都是人工智能进入个性化领域的优秀范例。

最常见的人工智能构成部分,以及人工智能家族中的“聪明之星”,都是“深度学习”。深度学习是一种数据学习的模式,近年来改进了长期以来的预测准确性标准。除了传统的预测建模之外,它还在语音识别和计算机视觉领域有突出贡献。然而,随着我们迎接新年的到来,事情将变得更加有趣。让我们来看看2018年的深度学习(以及更广泛的人工智能)的情况。

2018年的人工智能和深度学习将会如何发展?

卷积神经网络(几乎)无处不在

卷积神经网络是一种复杂的学习模型,它的优点是需要对数据进行最少的预处理或“清理”。主要被应用于“解决”视觉图像分类和处理,目前开始应用于更多的案例。

其理念是,视觉世界是合成的,因此图像可以被分解成最基本的特征。例如,一个风景的图像由各种各样的物体组成;这些物体由轮廓和线条组成,而这些线条又由像素组成。Covnets能够识别这些成分,并创建分层的抽象世界概念,使各种识别任务变得更容易。

2018年的人工智能和深度学习将会如何发展?

(图注:以鸟的形象在图像中识别物体的卷积神经网络。)

目前,Facebook的照片标签和面部识别功能都使用了Covnets。在2018年,我们可以预计,Covnets将更广泛的应用于自动驾驶领域,特斯拉的Model X已经在使用Covnets来实现自动驾驶的相关功能。更近的,像Quere.ai这样的公司正在使用Covnets,并且在医学成像的诊断方面取得了显著的成功。预计公司将开始为这些高度精确的学习模式寻找不同的应用。

人工智能将加强数据安全

虽然机器学习和深度学习模型具有前所未有的预测精度,但有些目前仍容易受到质疑。例如,在受监督的机器学习中,模型学习标记数据的某些特征,训练和测试数据被假定来自相同的数据分布。如果数据在这个假设中失真,那么模型的预测精度就会受到很大的影响。以垃圾邮件过滤为例——如果将随机文本和图像添加到消息中,消息可能会绕过垃圾邮件检测系统。这就是为什么你的收件箱里塞满了垃圾邮件,尽管有一个系统可以阻止它。

安全部门巨头McAfee公司认为,将数字安全考虑在内,2018年勒索软件和其他数字威胁(比如对全球社会造成恐慌的“WannaCry”)越来越多地利用机器学习和深度学习技术。具体来说,这些模型将威胁到检测模型,从检测模型的防御反应中学习,并利用发现的漏洞来破坏检测模型,其速度比防御者修补漏洞的速度更快。

为了抵御这些技术,McAfee公司的工程师们一直在研究对抗机器学习,并组建一个先进的防御研究团队来为这些漏洞创建解决方案。要真正抵御这种攻击,唯一的办法是建立一种更为普遍的学习模式,甚至能找出最微小的异常。在这方面,一些有趣的研究正在进行中。

结论

在过去的两三年里,人工智能和深度学习在公共领域出现了爆炸式的增长,推出了一些令人兴奋的产品。在2018年和未来几年,它们将越来越多地出现在我们的日常互动中,尤其是在移动应用领域。

随着移动硬件地快速发展,它将能够支持复杂的深度学习任务。例如,苹果的iOS 11支持CoreML,这是一款面向iOS开发者的机器学习工具包。未来,开发者将可以部署支持文本预测和图像识别的应用(比如SnapChat),不需要任何机器学习的知识。

很显然,人工智能和深度学习的未来充满活力和前景。我们看到这种变化和进步的速度有多快,只有时间能给予我们答案。因此,随着新的一年的展开,让我们拭目以待,看看这一细分领域的表现吧。