从0到1玩深度学习(0):深度学习的强大功能

在深度学习技术和人工智能越来越普及的今天,每个人都或多或少需要了解一些深度学习的知识。深度学习技术真的几乎可以辅助解决任何问题。深度学习技术不仅被广泛用于我所在的计算机视觉研究领域,更是被其它基础学科研究和生活的方方面面。

智能驾驶

目前深度学习被广泛用在智能驾驶技术里,来自MIT的著名的X教授Jianxiong Xiao致力于开发出只需要50美元就可以买到的智能驾驶技术,其创立的AutoX公司目前收到了大量的风投,其核心技术就是深度学习。我可以很认真的告诉你们,Xiao教授是一个大帅哥,拿到无数大奖,是MIT科技评论选出的全球10个35岁以下的发明者之一。以下是他的脸书头像和背景,他作报告的时候基本是全场爆满。想了解他更多?你们可以访问他的个人主页http://www.jianxiongxiao.com/

我绝对不告诉你我放这张照片是为了炫耀。恩,不告诉你们。(跑)

除了这个公司以外,Google,百度,特斯拉,苹果,丰田,Uber等等科技巨头都在研发无人驾驶汽车。目前处于领先地位的无人驾驶技术公司是以色列的Mobileye,目前已经被收购。

在智能驾驶里,传统的方案是采用各种传感器去测量距离,路况,速度等等。整个系统非常庞大,而且造价昂贵。有很高的消费门槛。现在的方案是用“摄像头+算法”替代“传感器”。摄像头是非常廉价的,算法一旦写好,只需要不断升级就可以了,本身是可以无限复制的,还不像传感器那样占空间(默默替程序员们心疼3秒钟,写出来的代码非常实用却不占任何空间)。

此外,摄像头拍照片之后,会上传到云平台,然后云平台会自动分析出车辆所在的位置,从而提供最优的驾驶路线。

当然,摄像头里的芯片可嵌入的算法功能还有很多,比如在雨天的时候,芯片的去雨算法可以去掉照片里的雨迹。如果摄像头拍到的照片比较模糊,我们可以用去模糊的算法把图像变的更加清晰。现有算法还可以辅助汽车计算拍摄到的物体与汽车之间的距离,从而代替距离传感器。这些算法都是可以用深度学习去做的。

当然,这些技术都还处于发展中,并不是非常完善。我们不妨把这些不足看成是机会,感兴趣的小伙伴未来可以投身于这个行业当中。

应用物理

因为导师的项目需要,我开始和应用物理系、生物系合作,这真是让我开眼界了。就在我写这篇文章的几个小时之前,清华大学的科研人员发现深度学习和量子物理重要关联[1],相关工作发表在Nature系列的著名期刊《Nature Commun        ications》上。

在上月月底,Nature杂志在线发表了一篇文章[2],天体物理学家用深度学习研究星系对光的重力作用。此外,生物学家已经把深度学习技术用于改进荣获14年化学“诺贝尔奖”的超分辨率荧光显微技术(目前该文章还没发表,我在香港大学医学院听报告得知)。

我目前也在学习深度学习技术,期待解决一些计算机视觉领域的重要问题。


深度学习的不足

深度学习目前唯一的不足就是需要大量数据。这也意味着我们必须在进入智能时代之前先经历一段时间的数据时代。而目前并不是所有领域,所有问题都有那么充分的数据。如何产生比较好的数据,如何储存这些数据,如何用现有技术分析这些数据,如何开发出新的方法解决现有问题等等,都是未来值得研究和探讨的问题。

PS:

刚才和办公室同事探讨了很久,发现研究软件技术的人,研究无线通信技术的人也开始关注人工智能和深度学习。希望未来能有更多的内容分享给大家。



参考文献:

[1] Gao, Xun, and Lu-Ming Duan. Efficient representation of quantum many-body states with deep neural networks. Nature Communications 8, Article number: 662 (2017). doi:10.1038/s41467-017-00705-2

[2] Yashar D. Hezaveh, Laurence Perreault Levasseur, and Philip J. Marshall. Fast automated analysis of strong gravitational lenses with convolutional neural networks. Nature, 548, 555–557, 2017.

[3] Chen, B.-C. et al. Lattice Light Sheet Microscopy: Imaging Molecules to Embryos at High Spatiotemporal Resolution . Science, 346, 1257998/1-1257998/12 (2014).

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,511评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,495评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,595评论 0 225
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,558评论 0 190
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,715评论 3 270
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,672评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,112评论 2 291
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,837评论 0 181
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,417评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,928评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,316评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,773评论 2 234
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,253评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,827评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,440评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,523评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,583评论 2 249

推荐阅读更多精彩内容