如今，人工智能(AI)正处于一个日前流行的趋势中，企业对于一种名为“深度学习”的人工智能形式越来越感兴趣。 
  根据调研机构Gartner的统计，2018年人工智能可能为企业创造1.2万亿美元的商业价值，将比去年增加70%。“由于计算能力、数量、速度和数据的多样性，以及深度神经网络(DNNs)的进步，人工智能在未来10年内有望将成为最具颠覆性的技术类别。”Gartner公司研究副总裁John-David Lovelock说。
   
  这些深度神经网络用于深度学习，大多数企业认为这对他们的组织很重要。 O'Reilly公司在2018年发表的题为“企业如何通过深度学习让人工智能工作”的报告表明，接受调查的企业中只有28%在使用深度学习。然而，92%的受访者认为深度学习将在未来的项目中发挥作用，54%的受访者认为这种角色将是重要的或是必不可少的。
   
  尽管深度学习似乎具有巨大的好处，但这种人工智能形式仍然还不成熟。如果深度学习技术要实现其早期的期望，研究人员和企业需要克服许多障碍。
   
  什么是深度学习
   
  要理解什么是深度学习，人们首先需要理解它是更广泛的人工智能领域的一部分。简而言之，人工智能涉及教计算机思考人类的思维方式，其中包括各种不同的应用，例如计算机视觉、自然语言处理和机器学习。
   
  机器学习是人工智能的一个子集，它使计算机在没有明确编程的情况下能够更好地完成任务。企业使用机器学习来进行欺骗欺诈检测、推荐引擎、流分析、需求预测和许多其他类型的应用。这些工具随着时间的推移而不断改进，因为它们摄取更多的数据，并在数据中找到相关性和模式。
   
  深度学习是一种特殊的机器学习，在2012年，几位计算机科学家就这个主题发表论文时表明机器学习将变得更加流行，其见解是“深刻的”，因为它通过许多不同的层来处理数据。例如，正在接受计算机视觉培训的深度学习系统可能会首先学会识别出现在图像中的物体边缘。这些信息被传送到下一层，可能会学习识别角落或其他特征。它一遍又一遍地经历同样的过程，直到系统最终开发识别物体甚至识别人脸的能力。
   
  大多数深度学习系统都依赖于称为深度神经网络(DNN)的一种计算机体系结构。这些都是仿生的大脑生物模型，并使用所谓的“神经元”的互连节点来处理他们的工作。
   
  深度学习用例
   
  目前很多行业厂商正在使用深度学习来为许多不同类型的应用程序提供支持。一些最常见的包括：
   
  •游戏：2015年，许多人开始对深度学习有所认识，当时AlphaGo公司的深度学习系统成为第一种在棋盘游戏AlphaGo中击败人类的人工智能系统，并且多次重复这种壮举。据AlphaGo网站称，“人工智能系统的表现非常令人吃惊，颠覆了人类数百年来的棋盘游戏智慧，并且已经被各级玩家广泛检验。在获胜的过程中，AlphaGo以某种方式向世人传授了新的知识，也许是历史上最需要研究和思考的游戏。”
   
  •图像识别：如前所述，深度学习对计算机视觉应用特别有用。微软、谷歌、Facebook、IBM等已成功地使用深度学习来训练计算机识别图像内容和/或识别人脸。
   
  •语音处理：深度学习也有助于识别人类语言，将文本翻译成语音并处理自然语言。它可以帮助从他们的场景中识别单词的含义，并且使像Siri和Cortana这样的聊天机器人和语音助理能够与用户进行对话。
   
  •翻译：训练深度学习系统以理解一种语言之后的下一个逻辑步骤是教会它理解多种语言并进行翻译。几家供应商已经做到了，现在提供具有深入的基于学习的翻译功能的API。
   
  •推荐引擎：用户已经习惯于像亚马逊这样的网站和Netflix等服务，根据他们以前的活动提供推荐。这些推荐