在這種環(huán)境下，F(xiàn)acebook和Google等網(wǎng)絡(luò)巨頭都發(fā)布大型數(shù)據(jù)集，以吸引更多的人從事諸如對(duì)新應(yīng)用領(lǐng)域或者視頻等數(shù)據(jù)類型進(jìn)行識(shí)別的前沿問(wèn)題。

先鋒者們拓展了應(yīng)用前沿

隨著算法的發(fā)展，研究人員也在推動(dòng)深度學(xué)習(xí)的應(yīng)用前沿。
Google正在系統(tǒng)地將深度神經(jīng)網(wǎng)絡(luò)運(yùn)用于從自動(dòng)字幕照片混合到讀取MRI掃描以及監(jiān)測(cè)工廠車間質(zhì)量控制等方方面面的問(wèn)題。谷歌人工智能研發(fā)負(fù)責(zé)人Jia Li在IEEE研討會(huì)上表示：“人工智能不是單一的技術(shù)或產(chǎn)品。我們從理解一個(gè)領(lǐng)域開(kāi)始，然后收集數(shù)據(jù)，找到算法，并提出解決方案。每一個(gè)新問(wèn)題我們都需要一個(gè)不同的模型。”

的確，深度神經(jīng)網(wǎng)絡(luò)正在被用于幾乎所有領(lǐng)域，包括設(shè)計(jì)和制造芯片。英特爾列舉了超過(guò)40種可能的用途，從面向消費(fèi)者的網(wǎng)上購(gòu)物助手，到華爾街自動(dòng)交易程序。

現(xiàn)在在Target公司擔(dān)任數(shù)據(jù)科學(xué)家的一位IBM前研究人員對(duì)應(yīng)用領(lǐng)域給予了更加清醒的認(rèn)識(shí)。大部分零售商的數(shù)據(jù)都是關(guān)系型數(shù)據(jù)，而不是最適合神經(jīng)網(wǎng)絡(luò)的非結(jié)構(gòu)化數(shù)據(jù)。Shirish Tatikonda在一次大會(huì)后的簡(jiǎn)短采訪中表示，Target公司的業(yè)務(wù)問(wèn)題中只有大約10％適用于深度神經(jīng)網(wǎng)絡(luò)。盡管如此，該公司正在積極開(kāi)拓這一領(lǐng)域，其系統(tǒng)中約有10％是面向訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的GPU服務(wù)器。

為了擴(kuò)展這樣大規(guī)模的努力，谷歌的研究人員正在探索他們所謂的AutoML，其想法是使用神經(jīng)網(wǎng)絡(luò)自動(dòng)生成模型，而不需要數(shù)據(jù)科學(xué)家手動(dòng)調(diào)整這些模型。

盡管最近很多公司試圖減少內(nèi)存占用量，但深度神經(jīng)網(wǎng)絡(luò)模型在尺寸上仍然差別很大。來(lái)源：高通

機(jī)器人技術(shù)先驅(qū)Rodney Brooks擔(dān)心，預(yù)期可能會(huì)失控。他在最近的一次談話中說(shuō)：“深度學(xué)習(xí)是好的，但它正在成為人們用來(lái)打擊一切的工具。”

對(duì)Patterson而言，他仍然很樂(lè)觀。他說(shuō)，雖然廣泛的人工智能領(lǐng)域沒(méi)有兌現(xiàn)過(guò)去的承諾，但在機(jī)器翻譯等領(lǐng)域的成功是真實(shí)存在的。“可能所有低處的果實(shí)都摘下來(lái)了，所以沒(méi)有什么更令人興奮的事情，但是你幾乎每個(gè)星期都會(huì)看到有進(jìn)展......所以我認(rèn)為我們會(huì)發(fā)現(xiàn)更多的用途。”