简介:
当AI在著名的AlphaGo游戏中击败人类时,深度学习(DL)一战成名,深度学习训练和学习方法已被广泛认可为“人性化”的机器。 企业AI平台中的许多高级自动化功能是由机器学习(ML)和深度学习技术的快速增长而引起的。 深度学习的下一步是什么?
2019年的深度学习深入探讨了DL在AI的许多方面(无论是NLP还是计算机视觉应用程序)“无处不在”。 逐步地,启用了AI和DL的自动化系统,工具和解决方案正在渗透并接管所有业务部门-从营销到客户体验,从虚拟现实到自然语言处理(NLP)-到处都有数字化影响。
深度学习的端到端加密引发了公众对个人数据绝对隐私的需求的争议。这种消费者需求与Facebook当前的AI研究工作产生直接冲突。 Facebook的AI研究人员需要“大量收集”个人数据来训练学习算法。
Facebook意识到端到端加密的乌托邦概念确实是一个在研究世界中从大量个人数据中寻求答案的神话。为了将来的努力,研究人员现在正在认真考虑针对单个设备上的“数据”训练算法,而不是大量收集个人数据。在这种情况下,Facebook工程师将直接在用户手机上安装内容审核算法,以绕过违反数据隐私的行为。
在一个有争议的帖子中,该KD Nugget帖子的作者预测深度学习可能不是AI的未来。根据作者的说法,其背后的原因是,将来许多DL方法不仅会变得不合法,而且将变得完全非法。该帖子还暗示,未来的移动应用很可能没有DL。
启用DL的解决方案的另一个严重局限性在于,学习算法仍无法提供选择的详细原因,这可能会激起用户盲目接受AI工具提供的决策。
《深度学习的未来预测》表明,在未来5至10年中,DL将通过每个软件开发平台实现民主化。 DL工具将成为开发人员工具包的标准组成部分。 纳入标准DL库的可重用DL组件将具有其先前模型的训练特征,以加快学习速度。 随着深度学习工具的自动化持续发展,该技术存在一种固有的风险,即技术会变得如此复杂,以至于普通开发人员会发现自己完全无知。