憑藉大量的計算能力，機器現在可以實時識別物件並翻譯語音，人工智慧終於變得聰明起來。

據預測，很多深度學習應用程式將在不久的將來影響你的生活。實際上，它們已經在發揮作用。在未來五到十年內，深度學習開發工具、庫和語言將成為每個軟體開發工具包的標準元件。

所以，讓我們一起來看一下2018年之後的TOP15深度學習應用。

1.自駕車

建立這型別的駕駛輔助服務的公司以及像Google這樣的成熟的自動駕駛汽車，需要教導計算機如何接管並使用數字感測器系統，而不是人類感官的關鍵部件（或全部）。要做到這一點，大多數公司一般都是透過使用大量資料來訓練演算法開始的。

你可以想象一下，孩子如何透過不斷的經歷和複製來學習。這些新服務可能為公司提供意想不到的商業模式。

2.深入瞭解醫療保健

乳房或皮膚癌診斷、移動和監控應用程式或基於生物庫資料的預測和個性化醫療，人工智慧現在正在完全重塑生命科學、醫藥和醫療保健行業。人工智慧的創新正在以令人難以置信的方式推進精準醫學和人口健康管理的未來。計算機輔助檢測、定量成像、決策支援工具和計算機輔助診斷將在未來幾年發揮重要作用。

3.語音搜尋和語音啟用助理

語音搜尋和語音啟用智慧助理是深度學習最受歡迎的使用領域之一。隨著科技巨頭已經在這個領域進行了大量投資，我們可以在幾乎所有智慧手機上都可以找到語音啟用助理。蘋果公司的Siri自2011年10月開始上市，Google Now是語音啟用的Android助手，它是在Siri釋出後不到一年的時間內推出的。最新的聲控智慧助手是Microsoft Cortana。

4.自動將聲音新增到無聲電影

在這項任務中，系統必須合成聲音以匹配無聲影片。該系統使用1000個影片示例進行訓練，鼓棒的聲音觸擊不同的表面，建立出不同的聲音。深度學習模型將影片幀與預先重新錄製的聲音資料庫相關聯，以便選擇最適合與場景中正在發生的事件相匹配的聲音。

然後使用圖靈測試評估系統，就像人類必須確定哪個影片具有真實或假的（合成）聲音一樣。

這使用了卷積神經網路和長期短期記憶（LSTM）遞迴神經網路（RNN）。

5.自動機器翻譯

這是一個用一種語言給出單詞、短語或句子的任務，會自動將其翻譯成另一種語言。

自動機器翻譯已經存在了很長一段時間，但深度學習在兩個特定領域取得了最佳成果：

·文字自動翻譯

·影像自動翻譯

可以在不對序列進行任何預處理的情況下執行文字翻譯，從而允許演算法學習單詞之間的依賴關係以及它們與一種新語言的對映關係。

6.自動文字生成

這是一個有趣的任務，在這裡學習文字的語料庫，並從這個模型中產生新的文字，逐字或逐字。

該模型能夠學習如何拼寫，標點，形成句子，甚至可以捕捉文字中文字的風格。大迴圈神經網路用於學習輸入字串序列中專案之間的關係，然後生成文字。

7.自動手寫生成

這是一個任務，其中給出一系列手寫示例，為給定的單詞或短語生成新的手寫。

筆跡被提供為建立手寫樣本時由筆使用的一系列座標。從這個語料庫中，筆運動和字母之間的關係被學習，然後生成了新的例子。

8.影像識別

深度學習的另一個熱門領域是影像識別。它旨在識別影像中的人物和物體，並瞭解其內容和上下文。影像識別已被用於遊戲、社交媒體、零售、旅遊等多個領域。

該任務需要將照片內的物件分類為一組先前已知的物件之一。稱為物件檢測的這項任務的更復雜的變化涉及具體識別照片場景中的一個或多個物件，並圍繞它們畫一個盒子。

9.自動生成影像標題

自動影像字幕是給定影像的任務，系統必須生成描述影像內容的標題。

2014年，深度學習演算法爆炸式增長，在這個問題上取得了令人印象深刻的結果，利用頂級模型的工作來進行物體分類和照片中的物體檢測。

一旦您可以檢測到照片中的物體併為這些物體生成標籤，就可以看到下一步是將這些標籤變成連貫的文字描述。

通常，這些系統涉及使用非常大的卷積神經網路在照片中進行物體檢測，然後使用像Long Long-term Memory（LSTM）這樣的遞迴神經網路（RNN）將標籤變成連貫的句子。

10.自動著色

影像著色實際上就是為黑白照片新增顏色的問題。可以使用深度學習來對照片中的物件及其上下文來為影像著色，就像人類操作員可能會解決的問題一樣。這種能力是利用了為ImageNet訓練的高質量和非常大的卷積神經網路。一般來說，該方法涉及使用非常大的卷積神經網路和監督圖層，透過新增顏色來重新建立影像。

11.廣告

廣告是深度學習改變的另一個關鍵領域。它已被髮布商和廣告商用來增加廣告的相關性，並提高其廣告活動的投資回報率。例如，深度學習使廣告網路和釋出商可以利用他們的內容來建立資料驅動的預測性廣告，包括其廣告的實時出價（RTB）、精確定位的展示廣告等等。

12.預測地震

哈佛大學的科學家使用深度學習來教授計算機執行粘彈性計算，這些是用於預測地震的計算。在他們的論文之前，這樣的計算是非常密集的，但是這種深度學習的應用程式將計算時間縮短了50,000％。在計算地震時，時間安排非常重要，而且這種改進對挽救生命至關重要。

13.腦癌檢測的神經網路

一組法國研究人員指出，在手術過程中發現侵入性腦癌細胞很困難，部分原因是受手術室照明的影響。他們發現，在手術過程中使用神經網路和拉曼光譜可以使他們更容易地檢測癌細胞，並減少手術後殘留的癌症。事實上，這件作品是過去幾周內眾多與各種癌症和篩查儀器進行高階影像識別和分類相匹配的作品之一。

14.金融中的神經網路

自過去四十年已開發國家和發展中國家成立以來，期貨市場取得了驚人的成功。這一成功歸功於期貨為市場參與者提供的巨大槓桿作用。本研究透過使用資本資產定價模型（CAPM）和持有成本關係分析了一種交易策略，該策略受益於這種槓桿效應。該團隊使用基於CAPM套期保值比率的期貨市場價格應用現貨市場價格制定的技術交易規則。用於分析十個市場（五個發達市場和五個新興市場）中每一個市場的二十隻股票的歷史每日價格。

15.能源市場價格預測

西班牙和葡萄牙的研究人員已將人工神經網路應用於能源電網，以預測價格和使用率波動。該地區的日常市場和日內市場在每天的會議中進行，在那裡進行次日銷售和電力購買交易，並在六個日常會議中考慮能源供應和需求，這些會議可能在固定每日可行性時間表之後的幾個小時內出現在每日會議之後。簡而言之，能夠根據消費和可用性模式做出充分的預測，從而獲得更高的效率和成本節省。