人工神经网络超过人类的6大领域

  • 时间:
  • 浏览:0

五年前,研究人员在不需要 解读图像的软件的准确性上有了一次突如其来但大幅度的飞跃,其转过身的人工神经网络支撑了后后 人儿现在在人工智能行业所看后的繁荣景象。然而,后后 人儿仍远未达到《终结者》或《黑客帝国》中所描述的那种现实。

目前,研究人员正试图把重点装进怎样教机器把一件事做到极致。与人并肩补救多个事物的大脑不同,机器人不需要 否以线性的法律法律依据“思考”。无论怎样,在后后 领域,人工智能机会打败了人类。角度神经网络机会法学会了交谈、驾驶汽车、玩电子游戏、下围棋、画画,以及帮助探索科学发现。

在以下两个领域中,人工神经网络机会证明,它们还可以 超越人类智能。

1.图像和物体识别

记录表明,机器在图像和物体识别方面的能力远远超过了人类。在一次测试软件识别玩具的能力的实验中,Geoff Hinton科学科学发明的Capsule网络的错误率几乎不需要 否事先最低错误率的一半。在不同的扫描过程中,增加哪些地方地方胶囊的数量还可以 让系统更好地识别另另两个多物体,即使你这个视图与事先分析的不同。

原本例子来自于另另两个多最先进的网络,它是在另另两个多有标签的图片数据库上训练的,后后 不需要 比另另两个多博士生更好地对物体进行分类,而哪些地方地方博士生在相同的任务上接受了超过1000个小时的训练。

2.电子游戏

谷歌的DeepMind使用三种 被称为“角度强化学习”的角度学习技术,研究人员用你这个法律法律依据教电脑玩雅达利的打砖块游戏Breakout。后后 人没人以任何特定的法律法律依据对这台电脑进行教学或编程。相反,它在看分数的并肩还控制了键盘,它的目标是得到尽机会高的分数。玩了另另两个多小时后,电脑就成为了你这个游戏的专家。

角度学习社区正在进行一场竞赛,训练计算机在几乎所有你在能想到的游戏中击败人类,包括太空入侵者、末日、Pong和魔兽世界。在大多数游戏中,角度学习网络机会胜过有经验的玩家。电脑并都是通过编程来玩游戏的,后后 人本来通过玩游戏来学习。

3.语音生成和识别

去年,谷歌发布了WaveNet,百度发布了Deep Speech。两者都是角度学习网络,能自动生成语音。哪些地方地方系统法学会了模仿人类的声音,后后 它们的水平随着时间的推移不断提高。将后后 人的演讲与真实的人区别开来,要比后后 人想象的要难得多。

牛津大学和谷歌公司DeepMind的科学家们创造了另另两个多角度网络,LipNet,在阅读后后 人的唇语上达到了93%的正确率,而普通的人类唇语阅读者不需要 否达到52%的正确率。来自华盛顿大学的另另两个多小组利用唇形同步创建了另另两个多系统,将合成音频与现有视频实现同步。

4.艺术品和风格的模仿

神经网络还可以 研究某一特定艺术作品的笔触、颜色和阴影的图案。在此基础上,它还可以 根据分析将原始的艺术作品转化为新的图像。

DeepArt.io本来另另两个多例子,这家公司开发的应用还可以 使用角度学习来学习数百种不同的风格,我应该 将它们应用到你的照片中。艺术家和tcp连接池池员Gene Kogan也运用了风格转换,基于算法从埃及象形文字中学习的风格来修改蒙娜丽莎画像。

5.预测

斯坦福大学的研究人员Timnit Gebru确定了100000万张谷歌街景图片,探索另另两个多角度学习网络还可以 做些哪些地方。结果是,计算机法学会了定位和识别汽车。它检测到超过21000万辆汽车,包括它们的制造、型号、体型和年份。你这个系统获得的洞见之一本来,选民队伍的起点和终点在哪里。根据你这个分析,“机会在15分钟车程中遇到的轿车数量高于皮卡车的数量,没人这座城市机会会在下次总统选举中投票给民主党人(88%的几率),”Timnit Gebru和他的合著者写道。

原本机器提供比人类更准确的预测的例子来自谷歌的Sunproof项目,这项技术使用了来自谷歌地球的航拍照片来创建另另两个多你的屋顶的3D模型,将它与俯近的树木和阴影区分开。后后 ,它利用太阳的轨迹,根据位置参数来预测你屋顶的太阳能电池板能产生有几只能量。

6.网站设计修改

在网站生成器中集成的人工智还可以 能帮助网站更新,并对网站进行有用的修改,比人类快一点 速、更准确。你这个系统的基本技术提供了关于网站外观的普通用户的意见,这还可以 告诉设计师网站设计的好坏。如今,网站建设者们要么利用角度网络来修改设计,要么计划在不久的将来使用它们。该技术还可以 分析不同的模式,并根据事先的转化率和后后 重要指标,创造更好的结果。

嘴笨 后后 人儿距离实现矩阵级别的人工智能还差得很远,但企业正在努力快速提高神经网络的智能化水平。上方提到的项目本来这项技术的浅层次应用,新的想法和改进不断涌现,证明机器在完成任务方面正在不断超越人类的表现。