5個神經(jīng)網(wǎng)絡(luò)用例將幫助您更好地理解技術(shù)

每天，高度先進的人工神經(jīng)網(wǎng)絡(luò)(ANN)和深度學習算法都會掃描數(shù)百萬個查詢，并挖掘無窮無盡的大數(shù)據(jù)流。他們提供所需的知識，為許多軟件公司已經(jīng)在其產(chǎn)品中加入的許多不斷發(fā)展的人工智能(AI)提供動力。機器學習是一種工具，通過這些工具，這些新生的基于計算機的合成智能處理所有他們所滋養(yǎng)的信息，就像五種感官幫助人類幼兒學習和體驗世界一樣。

最終，所有這些信息都足以幫助這些AI為我們提供問題的新答案，以及許多比人類思維可能設(shè)想的更聰明的解決方案。那么，今天在實踐中如何有效地使用神經(jīng)網(wǎng)絡(luò)和機器學習的一些例子呢?我們來看一下。

自動駕駛汽車

有沒有比自動駕駛汽車更能尖叫“未來”的東西?在過去的30年里，我們一直夢想有一個計算機朋克反烏托邦的世界，那些夢想著電動綿羊的機器人可以通過跳上無人駕駛車輛而逃離綁架者。好吧，也許這些車輛也能飛，但你明白了。

自動駕駛汽車不再僅僅是一個夢想。雖然它們中的大多數(shù)仍然只是原型，但它們現(xiàn)在肯定是現(xiàn)實。許多不同的公司已投入大量資金來推動這項技術(shù)的發(fā)展，其中包括目前支持15個政府贊助項目的英國交通部。

如果不通過機器學習，這些車輛還能學會如何開車?軟件開發(fā)人員采用深度學習算法來為計算機視覺提供動力，了解有關(guān)其周圍環(huán)境的所有細節(jié)，并做出類似人類的智能決策。多年來，人力驅(qū)動汽車配備了一系列攝像頭和傳感器，可記錄從駕駛模式到道路障礙物，交通信號燈和道路標志等各種物品?，F(xiàn)在，所有這些數(shù)據(jù)用于“教導”自主系統(tǒng)如何識別這些物體以及如何在真實道路上行駛時對外部刺激作出適當反應。(要了解更多信息，請查看自動駕駛中5個最令人驚嘆的AI進展。)

網(wǎng)絡(luò)效率

使用人工智能來優(yōu)化網(wǎng)絡(luò)效率并提高其安全性的想法可以追溯到80年代早期。然而，現(xiàn)代技術(shù)已經(jīng)取得了巨大的飛躍，革命性的機器學習算法可以平凡地執(zhí)行復雜的任務，例如預測故障和安排修復。

AI是非常有效的在那里他們最需要的分配網(wǎng)絡(luò)資源，通過自主分析流量數(shù)據(jù)，并且他們擁有將自己與許多集成所需的敏捷性的物聯(lián)網(wǎng)(IOT)連接到該設(shè)備的網(wǎng)絡(luò)架構(gòu)。畢竟，沒有人能比其他機器更好地與機器交談。我們可以聽到人類已經(jīng)回到食物鏈中了，不是嗎?

網(wǎng)絡(luò)安全

ANN還可用于保護組織免受多種類型的攻擊，例如DDoS和惡意軟件。惡意軟件本身是一個巨大的問題，每天至少會生成325,000個新的惡意文件。然而，不超過10%的文件從迭代變?yōu)榈?，因此可以預測這些變化的基于算法的學習模型能夠以驚人的準確度檢測哪些文件是惡意軟件。

AI在網(wǎng)絡(luò)安全方面優(yōu)于人類，因為它們可以自動化檢測攻擊所需的最復雜流程，并分析對違規(guī)行為做出反應的最佳方法。更一般地，神經(jīng)網(wǎng)絡(luò)可用于檢測網(wǎng)絡(luò)流量中的任何變化或異常，以識別潛在的惡意活動，例如暴力攻擊，異常失敗的登錄和文件泄漏。

顯然，黑客開始開發(fā)他們自己的自適應AI來欺騙安全軟件并利用漏洞，在攻擊者和防御者之間進行永無休止的軍備競賽。然而，所有這些實際上都有益于AI，它們每天在戰(zhàn)場上部署時變得更聰明，更智能。(要了解AI如何在現(xiàn)實世界中打擊，請參閱AI如何幫助打擊。)

建設(shè)更美好的世界

反對技術(shù)的傳統(tǒng)擔憂之一是，機器最終將取代人類勞動力并使數(shù)百萬人陷入貧困。然而，事實上，機器學習和神經(jīng)網(wǎng)絡(luò)實際上正在幫助許多政府建立一個更好，更公平，更公平的社會。雖然有些人可能會覺得令人不安的是，未來全國范圍內(nèi)的決策將由機器制定，但我們可能總是爭辯說，許多人造的人畢竟不會那么聰明。機器的決定總是中立且不偏不倚，至少在天網(wǎng)開始制造之前。

在比利時，一個就業(yè)和職業(yè)機構(gòu)制定了一個IBM軟件驅(qū)動的解決方案，以減輕年輕工人的失業(yè)率。機器學習驅(qū)動模型能夠分析過去的數(shù)據(jù)，以預測每個潛在候選人的失業(yè)持續(xù)時間，同時設(shè)計新的，智能的方法來指導政府有限的資源，以促進經(jīng)濟的真正需要。

在哥倫比亞，Instituto Colombiano de Bienestar Familiar是一家當?shù)馗＠M織，提供慈善和服務，以保護貧困家庭和貧困兒童。他們的預算非常緊張，但他們設(shè)法為成千上萬的營養(yǎng)不良兒童提供了500多萬份膳食補充劑和口糧。怎么樣?好吧，預測分析和微型目標定位軟件提供了必要的優(yōu)化程度，以幫助該組織到達哥倫比亞最貧窮和最偏遠的地區(qū)。

但這并不是機器教人類如何用更少的錢做更多事情的唯一情況。在荷蘭，環(huán)境保護機構(gòu)DCMR Milieudienst Rijnmond采用了一種新的解決方案，配備了機器學習傳感器，可以實時識別和評估環(huán)境危害。然后，深度學習算法可以識別關(guān)鍵風險并按緊急程度對其進行排序，將資源轉(zhuǎn)移到最需要的地方并改善公共安全。

商業(yè)和廣告

這可以用一個詞來概括(好吧......三)：個性化的產(chǎn)品推薦。每當我們在Google或任何其他搜索引擎上搜索某些內(nèi)容時，我們最終會看到大量關(guān)于這些內(nèi)容的精確定位廣告。軟件怎么能理解我們的利益是什么以及如何誘使我們購買那些我們非常想要的極其便宜的商品呢?

深刻的學習再一次就是答案。這些高度反應的程序通過觀察我們的行為來學習，例如當我們跳到第二頁的搜索結(jié)果時，第一頁上找不到滿足我們需求的內(nèi)容。機器可以以人類分析師無法達到的速度壓縮有關(guān)客戶習慣和偏好的人口統(tǒng)計數(shù)據(jù)，并可以使用它來優(yōu)化定價，優(yōu)惠，客戶體驗和盈利能力。任何人都應該感到驚訝的是，最大的AI和智能算法愛好者之一就是亞馬遜本身。

然而，這家零售巨頭正在使用先進的啟發(fā)式技術(shù)以其他許多方式優(yōu)化其服務。杰夫貝佐斯的成就如此成功的原因之一，實際上是其物流規(guī)劃的驚人效率。沃爾瑪和本田等其他巨頭以及許多中小型企業(yè)和工廠通過在訂單管理，庫存管理，庫存控制和倉儲方面實施機器學習，大大提高了效率。AI非常擅長檢測裝配線內(nèi)外的質(zhì)量問題，例如通過識別保修登記卡的自由文本字段中的模式。

我們生活在這樣一個時代，許多最新的數(shù)字技術(shù)正在幫助許多懶惰的人放棄學習，交流和與現(xiàn)實生活互動的能力。具有諷刺意味的是，這些相同的技術(shù)正在幫助人工智能發(fā)展并以極快的速度向前發(fā)展。

就像年輕而有前途的孩子每天渴望學習新事物一樣，我們的機器現(xiàn)在仍在“上學”。我們只能期待能夠建立和完善自己的學習方法并達到大學階段的那一天，但與此同時，他們已經(jīng)取得的目標仍然令人驚嘆。