1703929030
1703929031
微软研究院语音识别专家邓立和俞栋从2009年开始和杰弗瑞·辛顿合作，用机器深度学习开发新型语音识别方法。2011年，微软宣布基于深度神经网络的识别系统取得成果并推出产品，彻底改变了语音识别原有的技术框架。
1703929032
1703929033
深度神经网络可以充分描述特征之间的相关性，并可以把连续多帧的语音特征并在一起构成一个高维特征，最终采用高维特征训练进行模拟。这种多层次特征学习结构和人脑处理语音图像信息有很大的相似性。深度神经网络的建模技术在实际线上服务时，能够无缝地与传统的语音识别技术相结合，在不引起任何系统额外耗费情况下，大幅度提升了语音识别系统的识别率。
1703929034
1703929035
例如，百度在实践中发现，采用DNN进行声音建模的语音识别系统相比于传统的混合高斯模型语音识别系统而言，相对误识别率能降低25%。百度于2012年11月上线了第一款基于DNN的语音搜索系统，成为最早采用DNN技术进行商业语音服务的公司之一。
1703929036
1703929037
图像识别
1703929038
1703929039
图像是深度学习最早尝试的应用领域。早在1989年，受到了著名的Hubel–Wiesel生物视觉模型的启发，纽约大学教授燕乐存和他的同事们就开始研究CNN（卷积神经网络）。CNN是一种带有卷积结构的深度神经网络，通常至少有5个隐含层，包括两个非线性可训练的卷积层、两个非线性的固定卷积层和一个全连接层。但在很长时间里，由于没有更有效的计算机算法和足够强大的计算能力配合，CNN虽然在小规模的机器学习问题上取得过很好的学习效果，如手写数字，但一直没有在大规模图像识别领域上取得过显著的发展。2012年10月，借助算法和图形处理器带来的计算能力的增强，杰弗瑞·辛顿和他的学生在著名的ImageNet（视觉数据池）问题上用更深的CNN取得了世界最好结果，使得图像识别技术取得重大突破。在辛顿的模型里，输入的就是图像的像素，没有用到任何的人工特征。
1703929040
1703929041
百度在2012年年底也将深度学习技术成功应用于自然图像光学字符识别和人脸识别。2013年，百度将深度学习模型成功应用于一般图片的识别和理解。从百度的经验来看，深度学习应用于图像识别不但提升了准确性，而且避免了人工特征抽取的时间消耗，从而提高了在线计算效率。
1703929042
1703929043
自然语言处理
1703929044
1703929045
除了语音和图像，深度学习的另一个应用领域是NLP。经过几十年的发展，虽然统计模型已成为研究NLP问题的主要手段，但作为统计方法之一的人工神经网络在NLP领域几乎没有受到重视。2003年，加拿大蒙特利尔大学教授约书亚·本吉奥等人提出用嵌入的方法将词映射到一个矢量表示空间，然后用非线性神经网络来表示N–Gram语言模型，开始在NLP领域应用神经网络。而NEC美国研究院是世界上最早将深度学习用于NLP研究工作的。斯坦福大学教授克里斯·曼宁等人最近也将深度学习用于NLP。总体来看，深度学习在NLP上取得的进展还没有像在语音和图像领域上那么令人印象深刻，但由于语言是完全由人类大脑产生和处理的符号系统，模仿人脑结构的人工神经网络，特别是深度学习，在NLP方面应该有很大的探索空间。
1703929046
1703929047
自然用户界面
1703929048
1703929049
机器学习技术的发展，催生了人机接口技术的不断改进: 从早期的穿孔纸带、面板开关和显示灯等交互装置，发展到今天的视线追踪、语音识别、感觉反馈等具有多种感知能力的交互装置。用户界面的发展历经了批处理、命令行（CLI）、图形界面（GUI）三个阶段，现在进入了NUI阶段。
1703929050
1703929051
NUI是一种新兴的人机交互方法，通过触控、手势技术使人机交互变得更加自然直观、更为人性化，实际的应用程序包括微软平板电脑Surface、苹果手机iPhone和一些采用Windows Mobile（微软移动设备操作系统）的手机。而在Windows 8（微软操作系统视窗8）中，触控技术也首次被应用在计算机操作系统，为用户提供了比键盘、鼠标更直观和新颖的控制方式。从苹果手机iPhone4S开始，苹果手机增加了利用语音识别技术实现人机交互的Siri应用程序。Siri能够与用户聊天，为用户管理手机、日程、搜索信息，让用户和整个业界看到了人机交互的力量和未来。
1703929052
1703929053
机器学习之于金融投资行业
1703929054
1703929055
机器学习以卓越的认知能力应对大数据时代的挑战，这些挑战来自整个社会，而首当其冲的就是将高效分析处理信息数据作为其生命线的金融投资领域。面对移动互联网所带来的非结构化数据的日益泛滥，金融投资业迅速提升其信息处理的速度和能力自然迫在眉睫。
1703929056
1703929057
首先，机器完全有潜力去分析海量内容，包括解读财务、法规、经济和社会数据等信息，学习新的研究成果、公开发表的报告以及海量即时咨询，从而帮助投资机构及个人投资者更准确、高效地进行科学决策，获取更高的收益回报率。举一个简单的例子，对银行和投资管理公司而言，被IBM应用于云环境开发平台的Waston可以通过分析分析师报告与各类文字资讯更好地提供投资决策和服务。因此，机器深度学习必然会被用于增强内容分析和学习能力，帮助全面改善金融投资业务体验。
1703929058
1703929059
其次，智能技术已被普遍用于投资管理的各个环节：从新闻中抽取关于股票的情绪，从上市公司的投资者见面会录音中提取管理层对公司未来发展前景和风险的看法，从海量数据中构建公司间的关系图谱，模拟研究员的投资研究理念智能生成研究报告，自动为文章撰写摘要，完全替代一个研究员的日常工作，甚至比研究员更能吃苦耐劳，在处理大量数据上也更为高效。
1703929060
1703929061
毫无疑问，以机器深度学习为基础而建立的高级认知系统在金融投资领域有着广阔的发展前景。而由于金融投资是人类社会活动中决定有形资源配置和社会经济关系的主导方式，当机器深度学习为金融投资管理活动增添前所未有的智慧与效率时，人类社会活动的内容与形式也将产生真正颠覆性的变化，最终推进人类社会关系结构的演进与升级。
1703929062
1703929064
再论社交网络
1703929065
1703929066
社交网络的优势
1703929067
1703929068
社交网络的优势可不仅仅是结交朋友，它之所以能够吸引人们参与，在于它的多样性。拜互联网所赐，社交网站是没有地域限制的，世界各地的人都可以通过互联网访问社交网站。比如你在美国出差，也可以和在中国的家人通过社交网络交流；即便你身在中国，也可以在线结交在美国或是在日本的朋友，并且向他们学习新的文化和语言。
1703929069
1703929070
在2002年，朋友圈的概念开始出现，然后很快就被用于进行网站的推广。在Friendster、LinkedIn和Tribe.net等社交网站，朋友圈成为主流。Friendster之所以能够获得成功，主要归功于其对朋友圈的成功应用。在一年的时间内，应用了朋友圈的社交网站超过了200家。在2004年1月22日，谷歌也按捺不住地推出了社交媒体Orkut。与此同时，在西班牙和葡萄牙，社交网络也开始出现并成型。
1703929071
1703929072
社交网络是如何由零到无穷的呢？在社交网站建立的初期，创始人会给自己的朋友发送邮件或消息邀请他们加入自己的社交网站，然后进入了网站的人会继续邀请他们的朋友。这样不断重复下去，社交网络的成员也在不断地增加，从而慢慢壮大。社交网站的功能十分基础，比如提供通信录的自动更新，提供看得见的概要文件，然后由此产生新的连接。这样一来，一个社交网站就可以与其他社交网站建立联系。因此，当一家社交网站规模扩大的时候，往往也会帮助其他社交网站共同扩大，整个互联网社交网络也就完成了从无到壮大的过程。
1703929073
1703929074
互联网社交网络的典型例子是微信。这款即时通信软件是由中国最大的互联网综合服务提供商之一的腾讯公司在2011年1月正式推出的，是为智能手机提供即时通信服务的免费应用程序。
1703929075
1703929076
微信的成功之处在于，它将传统的通信手段和移动互联网技术有效地结合了起来，将社交网络、短信、邮件功能进行了集中，打造出了一个集多方面功能于一体的移动通信服务平台。不同地区、不同时间的人们的沟通也因此变得更加快速、简单、方便。在2012年3月，微信的活跃用户数量突破了1亿大关；短短两个月之后，用户数量激增一倍；而在2013年年初，腾讯宣布微信注册用户突破3亿；2014年2月，微信的主页上赫然写着“超过5亿人应用”。业内人士估计，在2014年，微信的全球用户很有可能超过10亿。毫无疑问，微信已经是中国最流行的互联网手机应用软件，它的每一步都是移动互联网时代的风向标。
1703929077
1703929078
微信的成功，不仅仅在于它靠着大树好乘凉，先天就有来自QQ的广大用户群的支持，还在于它站在巨人的肩膀上，又更进了一步，完善了QQ的不足，同时突出了自己的优势，从而吸引了更多的用户。微信目前主要有三大业务：支付、公众账号平台和游戏。微信公众账号平台的发展方向是轻应用分发平台，每个公众账号一天只能发布一条消息，即便如此，仍能得到大量关注。而微信游戏也势不可当，自其开通以来，累计下载量超过了5亿，鉴于腾讯游戏团队以往的成功经验，微信游戏大有前途。
1703929079
[
上一页 ]
[ :1.70392903e+09 ]
[
下一页 ]