可以想象到在今后 5-10 年中神经网络还会不断有新的算法突破，下面介绍的都是目前炙手可热的研究方向，每一个方向的突破都会产生巨大的商业价值。
1、语音识别
相信多数人都听说过Siri——苹果的智能语音助手。和其他大厂一样，苹果也开始进军深度学习。在语音识别和智能语音助手领域，我们可以利用深度神经网络开发出更准确的声学模型。简而言之，你可以建立这样一个系统，学习新特征，或者根据你自己的需求进行调整，从而通过事先预测所有可能性来提供更好的帮助。
2、自动机器翻译
我们都知道，谷歌支持100种语言的即时翻译，速度之快宛如魔法。谷歌翻译的背后，就是机器学习。此时，你可能会想，谷歌翻译已经经历了很长的时间，那么现在有些什么新意呢？实际上，在过去的两年时间里，谷歌已经完全将深度学习嵌入进了谷歌翻译中。事实上，这些对语言翻译知之甚少的深度学习研究人员正提出相对简单的机器学习解决方案，来打败世界上最好的专家语言翻译系统。文本翻译可以在没有序列预处理的情况下进行，它允许算法学习文字与指向语言之间的关系。谷歌翻译利用的是大型递归神经网络的堆叠网络。
三、即时视觉翻译（拍照翻译）
众所周知，深度学习可以用来识别照片中的文字。一旦识别了，文字就会被转成文本，并且被翻译，然后图片就会根据翻译的文本重新创建。这就是我们通常所说的即时视觉翻译。
那么，假设你现在身处一个非母语国家，你也不用担心，只要下载一个谷歌翻译这样的app，你就可以大胆往前冲。利用这样的app，你可以去翻译路标或门店名。这类软件之所能实现这些目标，其实就是因为深度学习。
四、自动驾驶汽车
谷歌利用深度学习算法使自动驾驶汽车领域达到了一个全新的水平。因此，谷歌现在不再使用老的手动编码算法，而是编写程序系统，使其可以通过不同传感器提供的数据来自行学习。对于大多数感知型任务和多数低端控制型任务，深度学习现在是最好的方法。因此，即使是不会开车的人，或是残疾人，都可以在不依赖于其他人的情况下自己出门。
至此，我其实只是提了一小部分深度学习被广泛应用的领域，事实上还有很多其他领域有待探索，如果你了解什么，欢迎留言与我探讨~
| 留言与评论（共有 0 条评论） “” |
