文章目录

• 一 AI、机器学习、深度学习的关系
• 二 AI的三个方面的应用
• • 2.1 计算机视觉
  • 2.2 语音处理
  • 2.3 自然语言处理
• 三、争议
• 四、未来展望

一 AI、机器学习、深度学习的关系

人工智能:是研究、开发用于模拟、延伸和扩展人的智能的理论、方法及应用系统的一-
门新的技术科学。
机器学习:专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。是人工智能的核心研究领域之一。
深度学习:源于人工神经网络的研究，多层感知器就是一种深度学习结构。深度学习是机器学习研究中的一个新的领域，它模仿人脑的机制来解释数据，例如图像，声音和文本。

二 AI的三个方面的应用

2.1 计算机视觉

计算机视觉是三个AI应用技术中最成熟的技术。计算机视觉研究的主题主要包括图像分类,目标检测、图像分割、目标跟踪、文字识别和人脸识别等。

2.2 语音处理

语音处理研究的主题主要包括语音识别、语音合成、语音唤醒、声纹识别、音频事件检测等。其
中最成熟的技术是语音识别，在安静室内、近场识别的前提下能达到96%的识别准确度。

2.3 自然语言处理

自然语言处理研究的主题主要包括机器翻译、文本挖掘和情感分析等。自然语言处理的技术难度
高，技术成熟度较低。因为语义的复杂度高，仅靠目前基于大数据、并行计算的深度学习很难达
到人类的理解层次。

三、争议

存在算法偏见，隐私问题等

四、未来展望

框架:更易用的开发框架
算法:性能更优，
体积更小的算法模型
算力:端-边-云全面发展的算力
数据:更完善的基础数据服务产业，更安全的数据共享
场景:不断突破的行业应用

更多的开发框架，Tensorflow更适用于工业，而Pytorch由于其易用性得到学术界的广泛认可。

性能更优

• 计算机视觉领域，GAN已可生成人 眼不可分辨的高质量图像，GAN相关的算法开始在其他视觉相关的任务上应用，如语义分割、人脸识别、视频合成、无监督聚类等。
• 自然语言处理领域，基于Transformer架构的预训练模型取得重大突破,相关模型如BERT、GPT、XLNet开始广泛应用于工业场景中。
• 强化学习领域，DeepMind团队的AlphaStar在星际争霸游戏中打败人类顶尖选手。

压缩模型
低秩近似
网络剪枝
网络量化
知识蒸馏
紧凑网络设计