深度学习讲稿(2)

1.4 深度学习的当前应用

目前，深度学习已经和商业结合得非常多。这个算法本身已经深刻地改变了人类社会，而且在未来还将更深刻地改变。而且它必将是未来最激动人心的发展领域。

1. 4.1 计算机视觉（静态）

图像识别，人脸识别，物体识别，手写识别，姿态识别，图像特征识别，这些视觉识别类的应用，可以说是建立了基于视觉的素材库。具体到每一个识别算法，都有大量的可应用范围。各行各业，只要是用到眼睛就可以决策的领域，都可以用深度学习算法来智能化。对应的基础算法是深度卷积神经网络。

1.4.2 计算机听觉

声音特征识别，语音识别，语义识别，音乐识别，智能谱曲，害虫诱捕，智能调音，这些基于听觉的应用，同样建立了听觉素材库。未来，同样是“用到耳朵可以决策的领域”，都可以用算法来智能化。计算机听觉对应的基础算法是自然语言处理NLP算法。

1.4.3 计算机动态感知

运动识别，动作识别，姿态识别实际上是计算机视觉的动态识别，它的应用方兴未艾。具体包括自动驾驶，动力机器人，动力装甲，航空器姿态识别等等。这方面的民用应用主要是自动驾驶。而其他的算法基本都处于实验室或者保密算法领域。可以说，正是由于算法的进展，导致各国都不太轻易展示自己最高精尖的武器，否则从姿态和动作各方面都会暴露高精尖武器的性能和运动特征，而这些特征的图像或者视频越多，就会更容易被算法找到漏洞，从而制造出针对性武器。所以未来的战争，很有可能会被算法深刻改变。2019年，matlab被美国禁止卖给中国。其原因不仅仅是想卡中国常规科研的脖子，更重要的是matlab有很多仿真动态模拟可以和深度学习结合，最终应用到军事领域。

抛开军用方面的应用，计算机动态感知的民用应用实际上还涉及更多的感知。比如温度，触觉，湿度，味道传感器等等。所以这个领域是一个感知高度依赖的领域，它的复杂程度远远超过单纯的计算机视觉和计算机听觉，未来将是最具发展前途的算法领域，它目前主要受限于物理层面，也即物联网的普及。未来最多的算法应用应该会来自于Aiot（人工智能物联）领域。