现实应用一触即发

本篇文章736字，读完约2分钟

Alphago在短短几个月内就大幅提升了其性能，并在五个月内完成了ibm的“深蓝”(Deep Blue)四年旅程，这反映了目前人工智能系统的快速学习速度。然而，谷歌并不打算创建一个围棋大师。阿尔法戈开发者哈萨比斯说，选择go只是对其人工智能水平的一个测试，最终是为了现实世界中的应用。

近年来，深度学习已经应用于图像识别、语音识别等领域。目前，应用最广泛的深度学习技术是视觉领域，即图像和视频的分析。在图像分析中，如熟悉的人脸识别、字符识别和大规模图像分类，深度学习大大提高了复杂任务分类的准确性，并使得图像识别、语音识别和语义理解的准确性大大提高。谷歌在深度学习领域处于领先地位，该公司在许多公共场合讨论了深度学习技术，比如深度学习如何帮助安卓手机提高语音识别的准确性。

据产业链调查，服务机器人、汽车电视助手、智能客服、图像处理等应用开始迅速渗透，语音识别领域也取得了一些应用，如iphone语音助手siri、百度秘闻、iFlytek的“凌西”、微软的萧冰等。

"深度学习目前更适合图像."百度深度研究院的专家指出，机器逐个比较人脸是很容易的，但是需要深度学习才能从数百万张人脸中快速找到捕获的人脸图像，并快速了解被试的个人信息。

事实上，深度学习可以应用于任何需要理解复杂模式、制定长期计划和做出决策的领域。谷歌大脑团队负责人杰夫·迪恩(Jeff Dean)表示，谷歌的机器智能带来了巨大的变化和越来越多的机遇，人工智能将在未来服务于更高层次的云计算。

工业证券分析师还指出，在未来，它可能会带来更好的语音识别操作系统、翻译器、自动驾驶、机器人、社交网络兴趣推荐等。就行业应用而言，深度学习的更广泛应用包括大数据分析、特征提取、预测和预警、规划、R&D和设计等。