深度学习的下一站在哪里( 二 ) 近日

“深度学习虽然有种种局限，但在很多领域已然切切实实发挥作用，比如在语音识别、机器翻译等，这是一些可算作‘无限但可枚举’（Infinite but enumerable）的数据对象。在这些领域中，训练数据集及其变种可以包括大部分我们可能遇到的实际数据，深度学习可以解决。 ”新一代人工智能产业技术创新战略联盟联合秘书长、科大讯飞副总裁兼AI研究院联席院长李世鹏在接受科技日报采访人员采访时指出。

他说：“而另外一些领域则属于‘无限也不可枚举’的数据对象，比如说自动驾驶场景下的各种环境图像和视频，计算机视觉中通用识别问题的数据对象等。这些问题，深度学习可能会解决其中某些子问题，但整体来看，会出现不久前全球人工智能计算机视觉领域奠基人之一艾伦·尤尔教授所提及‘深度学习在计算机视觉领域已至瓶颈’的问题。 ”

“实际上，深度学习主要依赖于大量的数据和数据标注。在医疗领域，可对采集到上万个病例数据库的医学影像进行分析，供放射学和病理学方面训练，帮助医生做出更为精准高效的诊断，实现大规模应用。不过，对于应用本身其是受限的，因为很多领域并无那么多数据，也没太多真正意义上的训练。如在自动驾驶领域，正常驾驶很多的数据可以采集到，但有些非正常数据像事故方面却很难采集。 ” 远望智库人工智能事业部部长、图灵机器人首席战略官谭茗洲认为。