|
|
|
知识路径： > 电子商务新技术与新应用 > 人工智能 > 人工智能技术发展概述 > 人工智能技术发展概述 >
|
|
相关知识点：2个
|
|
|
|
|
深度学习已经在语音识别、图像识别等领域取得突破。深度学习全称深度神经网络，本质上是多层次的人工神经网络算法，即从结构上模拟人脑的运行机制，从最基本的单元上模拟了人类大脑的运行机制。深度学习已经开始在计算机视觉、语音识别、自然语言理解等领域取得了突破。在语音识别领域，2010年，使用深度神经网络模型的语音识别相对传统混合高斯模型识别错误率降低超过20%，目前所有的商用语音识别算法都基于深度学习。在图像分类领域，目前针对ImageNet数据集的算法分类精度已经达到了95%以上，可以与人的分辨能力相当。深度学习在人脸识别、通用物体检测、图像语义分割、自然语言理解等领域也取得了突破性的进展。
|
|
|
|
海量的数据和高效的算力支撑是深度学习算法实现的基础。深度学习分为训练（training）和推断（inference）两个环节。训练需要海量数据输入，训练出一个复杂的深度神经网络模型。推断指利用训练好的模型，使用待判断的数据去“推断”得出各种结论。大数据时代的到来，图形处理器（Graphics Processing Unit，GPU）等各种更加强大的计算设备的发展，使得深度学习可以充分利用海量数据（标注数据、弱标注数据或无标注数据），自动地学习到抽象的知识表达，即把原始数据浓缩成某种知识。当前基于深度学习的人工智能技术架构如下图所示。
|
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
