中国艺术研究院好考吗_amd中国研究院_中国鼻科研究院在哪里(3)

DNN 模型用于其他领域的应用

?DNN用于数据中心的功耗模型，Google已将深度神经网络用于服务器系统的功耗智能管理。AMD研究院也有相关研究，尚未公开发表。

?DNN用于计算机体系结构的设计空间探索，通常处理器的设计包含大量的设计参数，组成了庞大的设计空间，处理器设计的最终希望获得性能最优的参数配置点。如果采用传统的搜索的方法非常耗时，采用DNN的方法去自动学习参数变化带来的性能变化趋势，可以辅助设计人员选择设计参数，缩短设计周期，中科院计算所在体系结构的在国际会议上已经发表了文章。

?采用DNN识别医学图像中的病变，比如癫痫病，辅助医生进行临床诊断。一个有意思的点在于DNN可以识别医生识别不准确的，和医生没有注意到的异样点，辅助全面诊断。这个我个人认为非常酷，医生诊断失误会耽误病人性命，可以通过DNN来降低这种误诊风险。美国的大学和医院已经联合在研究了，中国目前不知道有没有相关的研究。

?采用DNN识别卫星图像中的珍稀物种，比如今年最新出来的学术文章中通过高清卫星图像在自然环境下的，来探测珍稀鸟类的巢居，以便于定位和统计该鸟类的数量。这个问题的价值在于，卫星图像实时探测，海量图片，人眼是无法逐个去识别和观测的哈。

三、研究机构和目前进展

国外主要在做人工智能的有Google、Facebook、Microsoft、Amazon,、Netflix等，国内对他们的研究进展了解不是很深入，只能根据我搜集的信息大概讲讲。

Google ‘Brain’ project: 在2012多伦多大学的机器学习领域的泰斗Geoffrey Hinton和他的学生参加国际图像识别竞赛 (Lsvrc)，采用深度神经网络的方法将图像识别误差一下降低了10%，在业界引起震惊和轰动（10%的精度区别在图片识别领域是个鸿沟）。Google以迅雷不及掩耳之势重金收购了Geoffrey Hinton和他的两个学生，致力于人工智能的研究。可惜Google具体在做什么我们并不清楚，只能简单说说公开的著名的 Google猫脸实验。

Google猫脸实验是指：google建立了一个9层的深度神经网络，在16000个CPU组成的服务器上运行，然后让Youtube的视频作为神经网络的输入，在没有人工干预的情况下运行几天，结果，机器就学会了识别视频中所有的猫脸。这个实验的神奇和震惊之处在于没有人告诉计算机什么是猫脸啊，其实没有人告诉计算机任何东西，是它自己通过“看视频”学出来的。这就是Machine learning的本质哈。当时Google猫脸实验被各方媒体火热报道了。

Facebook, Facebook挖走了人工智能的第二个泰斗-纽约大学的Yann Le Cunn,成立了人工智能实验室。具体做什么他们好像没有讲过，7月初Yann Le Cunn来北京开会时讲过一些他们做的机器人以及图像实时识别的应用。Facebook 聚集了世界上那么的照片，我猜在侧重图像识别和分类？期待着更多状态更新~

Microsoft, 在语音识别上和实时翻译上带领国际前沿，大家可能都知道。微软亚洲研究院也率先在国内展开研究深度学习上的研究并占据领先地位，他们不仅研究算法，也研究硬件系统。

大概在两年前，微软研究院和多伦多大学的研究人员们取得了一项突破，利用模拟人脑行为的‘深度神经网络(Deep Neural Networks)’技术，能让语音识别器更具辨别能力，其性能优于以往的方法。通过这种技术，我们让语音识别的错词率比以往的方法降低了30%，也就是说以前每4到5个词里面便有一个是错误的，而现在每7到8个词里才错1个，达到了人类可以直接利用的层面。基于此，微软研究了实时翻译。2013年微软首席研究官瑞克?拉希德(Rick Rashid)在天津解释并演示了其在实时语音翻译上的重大进展，瑞克对该系统讲了大约1小时左右的英语以后，系统就可以用他的语音语调说普通话了。有兴趣的可以看看当时的视频， 非常有意思。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/dianqi/article-33771-3.html