江苏龙网

  1. 首页 > 资讯 > 科技 > >

[]?深度学习如何改善我们进行科学研究的方式

文 | AI国际站 唐恩
编 | 艾娃
本文由AI国际站 原创出品 ， 未经许可 ， 任何渠道、平台请勿转载 ， 违者必究 。
深度学习算法已成为我们日常生活中不可分割的一部分 。个性化提要 ， 面部和语音识别 ， 网络搜索 ， 智能扬声器 ， 数字助理 ， 电子邮件以及许多其他应用程序 ， 我们无法在后台使用深度学习算法 。
[]?深度学习如何改善我们进行科学研究的方式
文章图片

文章图片

但是深度学习在科学研究中的效果如何？在科学研究中 ， 问题往往比对图像进行分类要复杂得多 ， 而要求比建议下一步购买要敏感得多 。
为了回答这个问题 ， 谷歌前首席执行官埃里克·施密特（Eric Schmidt）和谷歌AI研究员Maithra Raghu共同编写了关于各种深度学习技术及其在科学研究中的应用的综合指南 。
作者写道：“在广泛的科学领域中收集的数据量在规模和复杂性上都在急剧增加 ， ”他补充说 ， 随着机器学习的进步 ， 这种丰富的数据集可以为“许多深度学习提供令人兴奋的机会在科学环境中的应用 。”
他们的指南标题为“深度学习的科学发现调查” ， 为不一定精通人工智能算法复杂语言的科学家提供了深度访问和神经网络的概述 。
[]?深度学习如何改善我们进行科学研究的方式
文章图片

文章图片

您不一定需要进行深度学习
由于深度学习风靡一时 ， 因此很容易将其应用于任何事物 。毕竟 ， 基本命题非常吸引人：这是一个端到端的AI模型 ， 它需要大量数据 ， 开发数学表示并执行复杂的分类和预测任务 。
【[]?深度学习如何改善我们进行科学研究的方式】深度神经网络可以解决以前由其他类型的机器学习算法解决的问题 ， 例如内容推荐或欺诈检测 。他们还可以处理其他机器学习技术通常难以解决的问题 ， 包括复杂的计算机视觉和自然语言处理（NLP）任务 。
但是 ， Schmidt和Raghu警告说 ， 在提出问题时 ， 必须考虑深度学习是否提供了解决问题的正确工具 。他们写道：“在许多情况下 ， 深度学习可能不是开始或最适合该问题的最佳技术 。”
对于许多问题 ， 更简单的机器学习算法通常会提供更有效的解决方案 。例如 ， 如果要查找不同物质的一组化学特征中最相关的 ， 则最好使用“降维”技术 ， 该技术可以找到对结果有最大贡献的特征 。
另一方面 ， 如果数据有限 ， 或者数据以表格格式整齐地排列 ， 则可能需要在使用神经网络之前考虑尝试使用回归模型 。神经网络通常（但并非总是）需要大量数据 。它们也很难解释 。相反 ， 当数据稀缺时 ， 尤其是问题本质上是线性时 ， 线性和逻辑回归算法可以提供更准确的结果 。回归模型还提供了清晰的数学方程式 ， 其系数可解释数据集中每个要素的相关性 。与图像相关的科学任务的深度学习
[]?深度学习如何改善我们进行科学研究的方式
文章图片

文章图片

科学家正在使用深度学习算法来检测患者胸部X光片中COVID-19感染的迹象（来源：COVID-Net）
深度学习算法非常有效的一个领域是视觉数据的处理 。作者将卷积神经网络描述为“最著名的神经网络家族” ， 并且“在处理任何类型的图像数据时非常有用” 。
除了商业和工业应用之外 ， CNN也已进入许多科学领域 。卷积神经网络最著名的应用之一是医学成像分析 。已经有许多深度学习算法可以检查CT扫描和X射线 ， 并有助于诊断疾病 ， 例如癌症 。最近 ， 科学家一直在使用CNN在胸部X光片中寻找新型冠状病毒的症状 。


推荐阅读


上一篇：全球■IDC发布第一季度全球智能手机市场的数据

下一篇：■三星屏下摄像头真机亮相 无缺直板屏幕视觉震撼