1.計算機(jī)視覺。在計算機(jī)視覺領(lǐng)域，深度神經(jīng)網(wǎng)絡(luò)最令人矚目的成績就是ImageNet競賽。

包括人臉識別，目標(biāo)檢測等具體的圖形圖像處理

2.語音識別和合成。在語音識別領(lǐng)域，包括智能家居，語音助手等識別軟件。

3.自然語言處理NLP。深度學(xué)習(xí)主要用于語義分析等任務(wù)，主要基于統(tǒng)計的模型。

4.機(jī)器翻譯。

5.自動駕駛。

6.醫(yī)學(xué)。在醫(yī)學(xué)領(lǐng)域，深度學(xué)習(xí)是一項最新引入的研究方法，它作為一種成熟的圖像處理技術(shù)主要用于醫(yī)學(xué)影像識別任務(wù)。

7.游戲領(lǐng)域。著名的就是DeepMind公司創(chuàng)造的人工智能圍棋冠軍AlphaGo。

深度學(xué)習(xí)當(dāng)前面臨的問題和挑戰(zhàn)：

• 需要大量數(shù)據(jù)
• 概念表達(dá)能力不足，不能遷移
• 沒有自然方式來處理層級架構(gòu)
• 無法開發(fā)推理
• 不夠透明
• 沒和先驗知識結(jié)合
• 無法區(qū)分因果關(guān)系和相關(guān)關(guān)系
• 假設(shè)是穩(wěn)定的環(huán)境
• 是近似，不能完全相信
• 很難工程化

未來：

本質(zhì)上來講，深度學(xué)習(xí)是一種統(tǒng)計技術(shù)，有優(yōu)勢和局限。不是一個普遍的解決方案，它是眾多人工智能工具中的一個。

應(yīng)用于無監(jiān)督學(xué)習(xí)

符號處理和混合模型

認(rèn)知和心理學(xué)啟發(fā)

更強(qiáng)大的理解力

物理化測試機(jī)器人，不是不斷的試錯

自然智能是多維度復(fù)雜的，通用人工智能也必須是多維度的。通過推進(jìn)超越感知分類，進(jìn)入推理和知識更寬泛的整合，使得人工智能有更巨大的進(jìn)步。

總結(jié)

以上是生活随笔為你收集整理的深度学习的典型应用和挑战及未来的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。