「深度學習和人工智慧」2018年我們可以期待什麼？

日常生活漸漸的與各種技術日益交織在一起，很多時候我們都能感受到未來已來。人工智慧技術是目前我們常談的話題的核心，它被視為前進的方向，使得公眾對於未來有了無限可能的想像。

亞馬遜的Alexa、Netflix的推薦系統以及SnapChat的篩檢程式等創新技術進一步激發大眾的想像力，這些都是人工智慧進入私人領域的絕佳例子。

最常見的人工智慧元件，實際上就是人工智慧系列中的明星——“深度學習”。它是近年來資料學習的一種模式，提高了預測精度的長期標準，在傳統的預測建模之外，它在語音辨識和電腦視覺領域取得了最大的成功。

在這一年的交替之際讓我們一起看看可以從深度學習中獲得什麼，更廣泛的說，可以從人工智慧中期待什麼。

卷積神經網路將無處不在

卷積神經網路（Covnets）是一種複雜的學習模型，其優點是可以對資料進行需預處理或“清理”資料。主要“解決”視覺圖像分類和處理這塊兒，

但現在它們已經開始被應用到更多的用例中。

視覺世界是合成的，圖像可以說是最基本的特徵。例如，風景的圖像是由各種物體組成，而這些物件又由輪廓和線條組成，而輪廓和線條又由圖元組成。卷積神經網路有能力識別這樣的組合，並創建分層抽象，使各種識別任務更容易。

目前，Facebook使用Covnets的照片標籤和臉部檢測功能。預計在2018年Covnets將成為自動駕駛汽車的主要組成部分，

特斯拉的Model X已經使用了Covnets實現自動駕駛功能。像Quere這樣的公司已經在使用Covnets，此外，在醫學成像的預測和診斷方面也取得了巨大的成功。預計2018年將開始為這些高度準確的學習模式尋找不同的應用程式進行匹配。

人工智慧將加強資料安全

雖然機器學習和深度學習模式具有前所未有的預測精度，但是仍有一些人容易受到攻擊。在有監督的機器學習中，例如，在模型學習標記資料的某些特徵的情況下，

假定訓練和測試資料來自相同的資料分佈。如果在這個假設下資料可以被扭曲，那麼模型的預測精度就會受到很大的影響。以垃圾郵件過濾為例，如果將隨機文本和圖像添加到郵件中，郵件可能會繞過垃圾郵件檢測系統。這就是為什麼即使有一個系統在阻止它，你的郵件箱還是混雜了垃圾郵件。

考慮到數字安全問題，巨頭McAfee估計一些勒索軟體和其他數位威脅，比如令全球社區感到害怕的WannaCry攻擊，可能會在2018年越來越多地利用機器和深度學習。具體來說，這些模式將説明威脅破壞檢測模型，學習防禦性的反應，並且會比被維護者更快地發現、利用漏洞。

為了防禦這些技術，McAfee工程師一直在研究敵對機器學習，並組建了一個Advanced Threat Research團隊來為這些漏洞創建解決方案。而要真正抵禦這種攻擊，唯一的辦法就是建立更為普遍的學習模式，這樣就可以發現甚至是最微小的異常現象。

結論

在過去的兩三年裡，人工智慧和深度學習在公共空間爆發了一些令人興奮的產品。在2018年以及未來幾年，他們將越來越多地出現在我們的日常交互中，特別是在移動應用方面。隨著移動硬體變得越來越強大，它將能夠支持複雜的深度學習任務。例如，蘋果公司的iOS 11支持CoreML，這是一個面向iOS開發人員的機器學習工具包。展望未來，開發人員現在將能夠部署支援文本預測和圖像識別的應用程式（如SnapChat），而無需任何機器學習方面的知識。

顯然，人工智慧和深度學習的未來是強大且富有希望的。只有時間能讓我們能看到變化和進步的速度。所以隨著新的一年的展開，讓我們拭目以待，看看這個細分市場還會帶給我們什麼驚喜！

並組建了一個Advanced Threat Research團隊來為這些漏洞創建解決方案。而要真正抵禦這種攻擊，唯一的辦法就是建立更為普遍的學習模式，這樣就可以發現甚至是最微小的異常現象。

結論

在過去的兩三年裡，人工智慧和深度學習在公共空間爆發了一些令人興奮的產品。在2018年以及未來幾年，他們將越來越多地出現在我們的日常交互中，特別是在移動應用方面。隨著移動硬體變得越來越強大，它將能夠支持複雜的深度學習任務。例如，蘋果公司的iOS 11支持CoreML，這是一個面向iOS開發人員的機器學習工具包。展望未來，開發人員現在將能夠部署支援文本預測和圖像識別的應用程式（如SnapChat），而無需任何機器學習方面的知識。

顯然，人工智慧和深度學習的未來是強大且富有希望的。只有時間能讓我們能看到變化和進步的速度。所以隨著新的一年的展開，讓我們拭目以待，看看這個細分市場還會帶給我們什麼驚喜！