语音识别改变人机交互
简单地讲,深度学习技术是对人脑的一种模拟,因而可以完成很多人脑所具有的功能。
最为人所熟知的是视觉功能。我们的相机可以像眼睛一样看到这个世界,却不能像大脑一样看懂这个世界,深度学习恰恰补上了这个短板。有了深度学习,百度识图可以准确识别照片中的物体类别,并对照片进行自动归类或搜索。有了深度学习,我们可以很方便地刷脸付款。有了深度学习,特制机器可以检测一定空间内所有人员、车辆的行踪,并对可疑和危险事件及时报警。
同时,深度学习技术在语音识别方面,也有广泛的应用。在深度学习的帮助下,计算机拥有越来越强大的语音识别能力,这可能改变目前仍以键盘为主的人机交互模式。
深度学习还和增强学习相结合,正深刻改变着 机器人 领域。所谓增强学习,指的是机器人通过与环境交互中得到的奖赏和惩罚,自主学习更优的策略。前段时间引人关注的“阿尔法狗”就是增强学习的产物,它通过跟棋手下棋或跟自己对弈的输赢情况,摸索出更好的下棋策略。
什么让深度学习实现超越
不过,创造一个强大的神经网络需更多处理层。而由于硬件限制,早期仅能制造2至3个神经层。那么,是什么让深度学习实现超越呢?
显然,高性能计算能力的提升是一大助力。这些年GPU(图形处理器)、超级计算机和云计算的迅猛发展,让深度学习脱颖而出。2011年谷歌大脑用了1000台机器、16000个CPU处理的深度学习模型大概有10亿个神经元。而现在,我们已经可以在几个GPU上完成同样的计算了。
“深度学习还得到大数据的助力,就像火箭有了燃料。”格灵深瞳计算机视觉工程师、清华大学自动化系博士潘争介绍,深度学习技术建立在大量实例基础上,就像小孩收集现实世界的信息一样。而且,“喂”的数据越多,它就越聪明,并且不会“消化不良”。因为大数据的不可或缺,所以目前深度学习做得最好的基本是拥有大量数据的IT巨头,如谷歌、微软、百度等。
现在,深度学习技术在语音识别、计算机视觉、语言翻译等领域,均战胜传统的机器学习方法,甚至在人脸验证、图像分类上还超过人类的识别能力。专家预计,再过些年,我们口袋里的手机也可以运行像人脑一样复杂的神经网络。
不过,就目前的趋势来看,深度学习技术仍然无法代替“坐在后台监控室的人”。举个例子,如果你和朋友在一家饭店里用餐后抢着结账,这种推搡过程,智能摄像头尚难以判断是在打架还是怎么了。可见,逻辑判断和情感选择,是深度学习尚难以逾越的障碍。
案例 一眼就能识别坏人的系统
专注于计算机视觉及人工智能的科技公司格灵深瞳,将基于深度学习技术研发的智能识别系统,运用到银行安防监控领域。
考虑到传统光学镜头在识别图像时会丢失“深度”维度,格灵深瞳专门为银行安监开发了一套三维传感器。在它的背后,一套奖惩机制训练成的算法模型能够主动识别异常。“看见有人走近了一个有人的自动柜员机,而不是旁边那个空着的,此时要识别他的轨迹、判断其行为是否正常,就牵涉到深度学习。”格灵深瞳CEO何搏飞介绍,如果系统识别出异常,它就会推送给后台监督者。而为了教会机器判断准确,背后需要提供几十万量级的图片数据。
何搏飞指出,给这个智能识别系统一张侧脸或者是没有脸的全身照,它也能以超过99%的精度迅速锁定目标。前提是建一个6000到1.5万的样本库,“一旦样本达到百万级,可能精度要下降20%或更多。”