人工神经网络完爆人类6大领域

导读

来自Venturebeat的盘点，人工智能都在哪些领域超越了人类？欢迎补充。

目前，不同于一次处理多个事物的人脑，机器人必须以线性方式“思考”。在某些领域，AI已经打败人类，深度神经网络已经学会了交谈、驾驶汽车、玩电子游戏、下围棋、画画，以及帮助探索科学发现。

在以下六个领域中，人工神经网络已经证明，它们可以超越人类智能。

01

图像和物体识别

机器在图像和物体识别方面有很好的记录。 Geoff Hinton发明的胶囊网络几乎减少了以前的最佳错误率，这个测试挑战软件识别玩具。即使视图与之前分析的视图不同，在各种扫描中使用增加量的这些胶囊也允许系统更好地识别物体。

另一个例子来自一个最先进的网络，该网络经过标记图像数据库的训练，能够比相同任务训练100小时的博士更好地分类对象。

02

电子游戏

谷歌的DeepMind使用一种被称为“深度强化学习”的深度学习技术，研究人员用这种方法教电脑玩雅达利的打砖块游戏Breakout。他们没有以任何特定的方式对这台电脑进行教学或编程。相反，它在看分数的同时还控制了键盘，它的目标是得到尽可能高的分数。玩了两个小时后，电脑就成为了这个游戏的专家。

深度学习社区正在进行一场竞赛，训练计算机在几乎所有你能想到的游戏中击败人类，包括太空入侵者、末日、Pong和魔兽世界。在大多数游戏中，深度学习网络已经胜过有经验的玩家。电脑并不是通过编程来玩游戏的，他们只是通过玩游戏来学习。

03

语音生成和识别

去年，Google发布了WaveNet，百度发布了Deep Speech。两者都是自动生成语音的深度学习网络。系统学会自己模仿人类的声音，并随着时间的推移而改善。将他们的言论与真实的人物区别开来，这要比想像中难得多。

由牛津大学和Google DeepMind科学家LipNet创建的一个深度网络，在阅读人们的嘴唇方面达到了93％的成功，普通的人类嘴唇阅读器只有52％的成功率。华盛顿大学的一个小组使用唇形同步来创建一个系统，将合成音频设置为现有视频。

04

艺术品和风格的模仿

神经网络可以研究某一特定艺术作品的笔触、颜色和阴影的图案。在此基础上，它可以根据分析将原始的艺术作品转化为新的图像。

DeepArt.io就是一个例子，这家公司开发的应用可以使用深度学习来学习数百种不同的风格，你可以将它们应用到你的照片中。艺术家和程序员Gene Kogan也运用了风格转换，基于算法从埃及象形文字中学习的风格来修改蒙娜丽莎画像。

05

预测

斯坦福大学研究人员蒂姆尼特·格布鲁（Timnit Gebru）拿走了五千万张谷歌街景图片，探索一个深度学习网络可以做些什么。计算机学会了本地化和识别汽车。它检测到超过2200万辆汽车，包括他们的制造商，型号，车型和年份。这个系统应用的一个例子包括了选民路线开始和停止的迹象。根据分析，“如果在15分钟车程内遇到的轿车数量超过皮卡车数量，那么在下次总统选举期间，这个城市很可能会投票给民主党人（88％的概率）。

来自Google Sunroof的机器的另一个例子比人类提供更准确的预测。该技术使用来自Google Earth的航空照片创建屋顶的3D模型，将其与周围的树木和阴影区分开来。然后使用太阳的轨迹来预测太阳能电池板根据位置规格可以从屋顶产生多少能量。

06

网站设计修改

在网站生成器中集成的人工智能可以帮助网站更新，并对网站进行有用的修改，比人类更快速、更准确。这种系统的基本技术提供了关于网站外观的普通用户的意见，这可以告诉设计师网站设计的好坏。如今，网站建设者们要么利用深层网络来修改设计，要么计划在不久的将来使用它们。该技术可以分析不同的模式，并根据以前的转化率和其他重要指标，创造更好的结果。

虽然我们距离实现矩阵级别的人工智能还差得很远，但企业正在努力快速提高神经网络的智能化水平。上面提到的项目只是这项技术的浅层次应用，新的想法和改进不断涌现，证明机器在完成任务方面正在不断超越人类的表现。

素材来源：网易

编辑：李木子

审核：赵无眠