通过模仿人脑，深度学习提供了一种快速识别、分类和组织数据的方法，并以令人难以置信的准确度做出预测。

深度学习是一种机器学习，已迅速崛起，成为许多现代人工智能应用的基石。麻省理工学院副教授兼麻省理工学院专业教育课程“设计高效深度学习”的首席讲师 Vivienne Sze 指出：“相对于以前的方法，深度学习在广泛的 AI 任务上显着提高了准确性，有时甚至超过了人类的准确性。”系统。 “在过去的几年里，这使得人工智能在更广泛的应用中得到了实际使用和广泛部署。”
快速图像识别和分类、语音识别、自主语言翻译和内容推荐（如搜索引擎和电子商务网站提供的内容）只是深度学习众多强大应用中的一小部分。

深度学习使用连续层中的神经网络以迭代方式从数据中学习。 “当你试图从非结构化数据中学习模式时，深度学习特别有用，”IT 研究公司 Techstrong Research 的董事总经理 Dan Kirsch 说。 “虽然深度学习与传统的神经网络非常相似，但它会有更多的隐藏层，”他补充道。 “问题越复杂，模型中的隐藏层就越多。”

深度学习的能力和准确性源于其从原始感官数据中提取高级特征的能力，对大量数据使用统计学习来获得输入空间的有效表示。 “这与早期使用专家设计的手工特征或规则的方法不同，”Sze 说。 “换句话说，深度学习可以直接从数据中学习给定任务的相关特征或表示（例如识别车轮属于汽车），而无需专家明确定义这些特征。”

工作用的数据

深度学习可应用于广泛的 AI 应用程序，包括用于识别模式、趋势和做出预测的数据分析，以及与智能手机和物联网 (IoT) 设备等设备的传感和接口。 Sze 指出，该技术还可以应用于自动机器人、自动驾驶汽车以及科学探索和发现研究，例如蛋白质折叠和天文学。
任何可以访问大型数据集并希望使用这些数据来帮助人类或系统做出更好决策的组织都可以并且在一定程度上已经在利用深度学习。 “早期采用者包括金融服务行业，以及媒体、娱乐和通信公司，”IT 咨询公司埃森哲联邦服务公司的董事总经理兼应用情报主管 Michael Scruggs 说。 “我们的公共部门客户，包括联邦机构，越来越多地利用深度学习来提高公民参与度、减少欺诈和提高公共安全，”他说。

技术和工程服务公司 Sogeti 的洞察和数据主管 Christopher Leary 观察到，深度学习的非凡之处在于该技术在日常生活中的流行程度。 “每次我们使用虚拟助手、使用面部识别解锁智能手机或接收个性化营销和促销时，我们都在与深度学习模型进行交互。”

应对行业挑战

Kirsch 说，每个行业都有可以通过深度学习应用解决的挑战。 “这一切都取决于你所拥有的挑战和数据的类型。”

技术研究和咨询公司 ISG 旗下的 ISG 自动化部门的主管 Wayne Butterfield 建议，希望将深度学习应用于特定任务的企业应该以雄厚的财力、愿意尝试和一些常识来处理这项技术。他指出，计划基于深度学习的项目的 IT 领导者应该首先问自己，最终结果是否会“比现成的产品或服务更好、更快或更便宜”。

深度学习已经被广泛的组织轻松访问。事实上，几乎任何可以将普通笔记本电脑连接到主要云服务提供商的组织都可以使用该技术。 “获得并知道要解决什么问题，或者拥有解决问题的技能，是挑战所在，”巴特菲尔德警告说。 “对于大多数 [组织] 而言，利用已经在其产品中使用深度学习的解决方案可能是利用深度学习的最安全、最简单和最便宜的方式，尤其是在其商业可行性的这个相对早期阶段。 ”

Butterfield 告诫 IT 领导者不要试图将深度学习技术本身推销给业务同事。 “你应该向深度学习正在解决的商业问题推销解决方案，”他说。 “这取决于深度学习专家，以确保他们卖的不是蛇油，而是应对常见业务挑战的解决方案。”

本文：https://cio.ceo/how-deep-learning-can-help-your-enterprise