深度学习

是大数据时代的算法利器，

近几年备受关注。

下面一起来揭开

它的神秘面纱～

什么是深度学习

　　深度学习(Deep Learning)，属于机器学习的学术、工程领域研究中一个新的方向，目的是实现人工智能的普及化。

　　深度学习的具体过程可简述为：挖掘所给样本数据的内在规律与联系，提取、分析样本的特征信息，如图像、文本和声音，处理数据信息并发出指令，控制机器的行为，使机器具有类似于人类的学习、分析、识别、处理等能力。

　　深度学习是一类模式分析方法的统称，就具体研究内容而言，大致有卷积神经网络、基于多层神经元的自编码神经网络和深度置信网络三类。

和传统的机器学习算法相比，

深度学习技术有着两方面的优势。

深度学习的优势

一是深度学习技术可随着数据规模的增加不断提升其性能，而传统机器学习算法难以利用海量数据持续提升其性能。

　　二是深度学习技术可以从数据中直接提取特征，削减了对每一个问题设计特征提取器的工作，而传统机器学习算法需要人工提取特征。

深度学习

是大数据时代的热点技术，

学术界和产业界

都对深度学习展开了

大量的研究和实践工作。

研究与部署

深度学习技术及应用国家工程研究中心正式揭牌

　　日前，经国家发展和改革委员会批复，深度学习技术及应用国家工程研究中心纳入新序列管理。4月26日，深度学习技术及应用国家工程研究中心举行了揭牌仪式。纳入新序列管理后，该国家工程研究中心重点面向国家重大战略任务和重点工程建设需求，开展关键核心技术研究，探索创新联合体模式，加速科技成果工程化、产业化。

首个遥感影像智能解译专用深度学习框架上线

　　6月9日，武汉大学在国家自然科学基金委重大研究计划集成项目支持下，与华为MindSpore框架团队共同研发全球首个遥感影像智能解译专用深度学习框架武汉.LuoJiaNET和业界最大遥感影像样本库LuoJiaSET。武汉.LuojiaNET提供一套新的深度学习框架和遥感场景分类、目标检测、地物分类、变化检测、多视角三维重建等五大类基础遥感应用模型，LuoJiaSET提供了可扩展的遥感解译大规模样本集，可为遥感应用开发提供国产化、自主可控“全栈式”便捷工具。

深度学习新方法 解决定量光声层析成像缺乏训练数据难题

　　日前，天津大学精密仪器与光电子工程学院李娇副教授和高峰教授团队，利用定量光声深度学习的方法，实现了活体深层组织的光学功能“真实透视”成像，这在世界尚属首次。该研究的创新点之一是解决深度神经网络训练数据问题，利用风格迁移网络实现仿真数据与实验数据的无监督自由转换，将丰富的带标注仿真数据转换到实验域，生成大量带标注的“实验数据”用于后续深度神经网络训练。

智能假肢帮助残障人士实现运动目的

　　日前，在河北省秦皇岛市，智能康复辅具的研发工程师们研发出智能小腿假肢产品。它们帮助小腿截肢的穿戴者站得更稳、坐得更舒适、走得更自如，并提供更舒适的穿着体验。在这背后，是多传感器融合技术、深度学习智能算法等“黑科技”发挥着作用。

在我们日常生活中，

已经有很多应用

深度学习技术的案例了。

深度学习的应用

在电商行业，我们浏览淘宝时，页面中有很多都符合你的爱好并且最近有意向购买的商品，这种个性化推荐中就涉及到深度学习技术；在购物界面能和你进行对话，解决疑问的淘宝智能机器人，也涉及深度学习技术。

在交通领域，通过深度学习技术能监测到车辆停车、逆行等行为，甚至精确识别车辆的车牌号、颜色、车型、车辆里的人物等来辅助交通执法，甚至在发生交通事故和交通拥堵时进行报警等。

在金融行业，银行通过深度学习技术能对数以百万的消费者数据（如年龄、职业、婚姻状况等）、金融借款和保险情况（是否有违约记录、还款时间、车辆事故记录等）进行分析，进而判断出是否能进行贷款服务。

在家居行业，智能家居的应用也用到了深度学习技术，比如智能冰箱通过图像识别等技术，记录食材种类和用户日常饮食数据，进而分析用户的饮食习惯，并根据多维度给出最全面的健康膳食建议。

　　还有教育行业、医疗行业等，深度学习技术已经渗透到多个行业和领域。

但深度学习技术仍不完美，

有待于进一步提升。

问题与挑战

一是深度神经网络的模型复杂度高，巨量的参数导致模型尺寸大，难以部署到移动终端设备。

二是模型训练所需的数据量大，而训练数据样本获取、标注成本高，有些场景样本难以获取。

三是应用门槛高，算法建模及调参过程复杂繁琐、算法设计周期长、系统实施维护困难。

四是缺乏因果推理能力，图灵奖得主、贝叶斯网络之父Judea Pearl指出当前的深度学习不过只是“曲线拟合”。

五是存在可解释性问题，由于内部的参数共享和复杂的特征抽取与组合，很难解释模型到底学习到了什么，但出于安全性考虑以及伦理和法律的需要，算法的可解释性又是十分必要的。

专家观点

　　深度学习技术及应用国家工程研究中心主任王海峰：深度学习技术在人工智能的各个方向上已表现出良好的通用性。预训练大模型的兴起，更是使得人工智能的通用性进一步增强。大模型具有效果好、泛化性强、研发流程标准化程度高等特点，正在成为人工智能技术及应用的新基座。

工业和信息化部中国电子信息产业发展研究院赛迪智库：目前，中、美、欧等国家和地区都高度重视人工智能的发展，抢抓人工智能深度学习开源平台生态建设，大力推动基于平台的智能制造、智慧能源、智能交通等应用。与此同时，人工智能安全风险逐步加大，而安全保障能力对于经济社会平稳运行的作用也愈发突显。作为信息系统的安全缺陷，漏洞会导致系统在未经授权的情况下被访问或遭到破坏，会被攻击者有目的地利用，它已成为网络空间战中的“杀手锏”。漏洞的存在和被利用已经给人工智能应用带来严重的安全风险，应予以高度重视。

百度AI技术生态总经理马艳军：随着中国深度学习框架的开源开放以及更大规模的产业应用落地，未来中国深度学习框架的应用场景将会更加丰富，成本和门槛也会进一步降低。同时，深度学习框架将与科学计算、量子计算、生命科学等更多前沿产业进行融合创新。

（来源：综合全国科学技术名词审定委员会、科普时报、 中国信通院等）