深度学习应用在哪些领域让你觉得 「我去，这也能行！」？
深度学习被用在很多奇特的点上面，比如有的结合NLP去创作诗词文章；有的用来识别图片的物体、风格、甚至让DNN自己创作；有的用来看猫；有的用来下棋……那么，各位读过哪些DL的博文论文，或者遇到过哪些有关DL的应用，让你觉得不可思议呢？
按时间排序
今天突然看到MIT这个图像识别，感觉还蛮nice的，链接
，看了slides
第五个 学会看见（Learning to See） Antonio Torralba （MIT）convNets 成绩显著，也是当前许多识别任务所采用的所先进技术。但是，其表现为什么会如此出色？该网络习得的内部表征本质是什么？在这次授课中，我会向大家表明，这一内部表征是可以诠释的。特别是，物体探测器会出现在场景分配任务中。接下来，我会表明，可将周围音频信号作为一种监督信号，用于学习视觉表征。我们做到这一点，是利用了这一事实——视觉和听觉经常会告知我们相似的结构，比如，看到一个物体的同时也会听到其声响。我们训练一个 conNet 从视频帧中预测周围音频，我们也表明，通过这一过程，模型学会了视觉表征，它传达出了有关目标及场景的重要信息。当看到 Can we predict material properties from sound? （slides最后部分），你可能觉得然并暖，但我承认第一次看到的时候，我还是震惊了（严肃脸～ ）
用RNN做的宋词生成器贴两句：细陇雨声摇荡, 伤心自趁春风絮,月明天府与其间，清夜暗香风飞叶，漠漠金云穿翠卷。我看到最爆炸的一句是：钱色生生都相爱。这真的是机器生成的吗。。。句句之间上下文相关性不大，但是每一句还是有那么点味道的。模型和语料分享到github了，感兴趣的可以玩玩。都是玄学！
当然是用来约炮...... veggies/tinderbox
可以写诗，下面几首诗，大家来猜猜，哪些是机器写的，哪些是人写的? 千秋明月照幽窗，一夜西风满院凉。山寺钟鸣惊宿鸟，水边芳草自生香。一枕相思夜未休，春山秋雨惹离愁。凭栏望断江南月，花落无声水自流。春到江南草更青，胭脂粉黛玉为屏。无端一夜西窗雨，吹落梨花满地庭。百万兵戈战阵前，楚歌声里起狼烟。旌旗蔽日烽连塞，鼓角惊城血染关。一夜秋风扫叶开，云边雁阵向南来。清霜渐染梧桐树，满地黄花坡上栽。梨花落尽柳絮飞，雨打芭蕉入翠微。夜静更深人不寐，江头月下泪沾衣。雨打芭蕉滴泪痕，残灯孤影对黄昏。夜来无寐听窗外，数声鸡鸣过晓村。孤舟一叶泊江头，雁去无声送客愁。莫道春来芳草绿，人间万里尽风流。客梦初醒惊夜雨，西窗帘外月如钩。梧桐落叶知秋意，一任相思到白头。秋深更觉少人行，雁去无声月满庭。兄弟别离肠断处，江南烟雨总关情。明月当窗照夜空，桂花香透小楼东。金风玉露三更后，雪落梅梢一点红。琴静云水清，
夕阳照天明。
一曲相思调，
肠断心不宁。楼头一夜风，
烟雨锁朦胧。
江上千帆过，
枝头黄叶红。7.27更新是的，所有诗都是机器写的。8.30更新现在已经有Demo啦，想体验的朋友，请在手机百度上用语音搜索说：为你写诗即可开始体验。然后可以说一句话，例如明月当空照，就可以根据你这句话写诗。后面按顺序手动输入1-4个关键词，用空格隔开，也可以生成诗。
确切的说，还没有。
CNN可以实现情感分析，分类，图片文字识别，语音识别，协同翻译等
最近了解到一个工作是用神经网络估计蛋白质的结构
利用神经网络自动玩超级马里奥－ 视频：－ 代码：－paper：
利用深度学习来检测高压电网的绝缘子破损情况，想不到吧？！文章链接：
谷歌Magenta通过神经学习网络创作歌曲
前面回答者介绍了Neural Art,，利用学习到的特征使其他的图片带上梵高画上的风格，推而广之，其实类似的将多种Style融合在一起形成新内容的Generative Model最近好像很多，打算研究一下Image Synthesis不同风格的图像合成和Neural Art相似，比如这一篇文章：Combining Markov Random Fields and Convolutional Neural Networks for
Image Synthesis将老爷车的风格融入现代汽车中，设计出的新款型，非常有意思将老爷车的风格融入现代汽车中，设计出的新款型，非常有意思建筑风格的的合成也是如此，尽管看上去有点别扭建筑风格的的合成也是如此，尽管看上去有点别扭Deep Dream让机器做梦！人类的做梦时，大脑中会产生随机的噪声信号，而进入梦中的随机信号可看成是一种建构、整合的过程，大脑唤醒记忆中的表象来与脑干激活所产生的信息资料相匹配，试图理解这种随机的信号。Google的工作，去年就发表出来了，给定一幅图像（这里以一副天空的图像和一副太空的图像为例），极大化某一神经元的激活度。对于low-level的feature，也就是浅层神经元，生成的图像会最大化相应滤波器的激活度，抑制其他滤波器的激活度，重新生成的图片如下：激活high-level的神经元，图像上就现实出了很多high-level的feature了激活high-level的神经元，图像上就现实出了很多high-level的feature了看上去有点鬼畜。。看上去有点鬼畜。。这里有一个在线的网站可以玩玩 2月底的时候，谷歌在美国对生成这些抽象画办了一个画展，这些画还卖到了差不多10万美金，去资助一下这些年轻的艺术家们，让他们进行创作。音效合成Visually Indicated Sounds项目主页在这里：大意就是根据视频内发生的敲打、摩擦等动作，合成出对应的声音，比如用木棍蹭水泥地的时候就播放出呲呲声视频预测Deep Predictive Coding Networks for Video
Prediction and Unsupervised Learning 用视频中前面几帧的信息来预测后面几帧，效果还挺好的，这也就可以理解我们打乒乓球的时候，明明不能计算出球的落点却能准确击球的机理了这里能扩展的工作就很多了，貌似也有一个工作是做光流预测的这里能扩展的工作就很多了，貌似也有一个工作是做光流预测的Image restoration/inpainting参见CVPR2016的这篇文章：Context Encoders: Feature Learning by Inpainting直接把图片中的一块挖掉，用其余部分的信息来恢复破损的区域还有ICML2016这篇也做了类似的工作:Pixel Recurrent Neural Networks 更多关于Generative Model可以参看Generative Adversarial Nets对抗式的训练方法，这种网络训练了两个Model，一个生成式model，一个判别式model，联合优化，生成时model尽量学习到能表达和训练集同分布的样例，判别式model尽量去区分真实的训练样例和生成式model表达出的样例，二者对抗式的优化，最后可以使得生成式model能生成和训练结合同分布的样例，从而使得网络可以预测分布中未见的样本以及OpenAI最新的工作，从图片集中生成图片
Pointer Networks () NIPS15的论文，通过改进RNN用来解决一些传统cs问题，比如凸包，三角剖分，甚至是TSP，最神奇的地方在于这玩意效果竟然还不错，甚至比一些近似算法效果好。OI/ACM党出身的我表示三观都被毁了……Synthesizing Dynamic Textures and Sounds by
Spatial-Temporal Generative ConvNet ()，似乎是投NIPS16的，来自Ying Nian Wu和SongChun Zhu组，用CNN来合成视频纹理以及声音，效果炸裂。也许哪一天做Graphics的那帮人就可以退休回家吃饭了也说不准233。Neural Programmer-Interpreters ()， ICLR16的best paper, 用LSTM来实现task-specific的自动化编程。这个应用ICLR15就有，不过这篇文章效果比之前的做法好不少：）Learning to learn by gradient descent
by gradient descent ( ) DeepMind的神奇工作，光看名字就很神奇了不是么=,=.用LSTM学出来optimization algorithm……DL从此可以bootstrap了……也许几十年以后人类会思考，究竟是Optimization先出来还是DL算法先出来呢，古称：优化生深度，深度生优化问题。
waifu2x利用深度学习放大动漫图片
--更新--7.13最近看到用tensorflow让神经网络自动创造音乐的项目，试了一下，挺有趣的，放在博客里了，大家感兴趣的可以试一下：）原文：看到过一个利用深度学习改变图片的艺术风格的Github:来自微博:我想的很简单，是不是可以利用深度学习来给照片加滤镜=_=
大家好像都很感兴趣的样子阿，有成果了(& 1%)发github.-----------------------------------------------------------------------------------------------------------前段时间和同学吹逼，谈到了DL可以做的图像增强。然后突发奇想，这个东西是不是可以用来做AV去码。
使用双向LSTM神经网络 + 注意力机制，根据炉石卡片的说明，生成代码。虽然效果还达不到直接能用的程度，但这个idea本身也算是很奇崛了。
已有帐号？
无法登录？
社交帐号登录一些市民发现后纷纷拍照发朋友圈质疑桥梁的质量。
女儿在17年前，被逼嫁给当地人，生活很艰苦。
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
　　人工智能学家
　　作者：RAFAEL LOURENCO 翻译：王益军
　　原文链接：dataconomy 审校：心
　　机器学习在反欺诈运用上很流行，许多分析家，学者，商人，和技术媒体在与电子商务欺骗中运用程序和技术的优势。Forrester在其2015年的欺骗报告中指出，针对那些预算小的公司，机器学习是一项划算的方法去阻止欺骗的发生，同时能保证快速决定的机制。对于机器学习能减少欺骗毋庸置疑，但如果依赖这个节约员工成本，从长期来看就不划算了。
　　这是因为如果单单只是机器学习将会毫无价值，它还需依赖人类的付出与眼光创造一个能产生最好结果的全面的解决方案。
　　过度依赖自动屏蔽会导致更多错误的拒绝
　　运算程序确定潜在欺骗行为非常迅速，但是由于消费者的不同行为，像是出国旅行的同时网购，有些交易会错误标记为拒绝，这造成的损失非常巨大。根据MasterCard和Javelin的研究 美国商户在错误拒绝上的损失要大于确定的欺骗的损失，分别为1180亿和900亿美金。
　　这还为算上因为错误拒绝导致客户关系断绝的损失。MasterCard和Javelin发现32%的接到错误拒绝的消费者将不在商家购物，考虑到对未来购买的损失和相比较保证现有客户而更高成本的吸引客户而言，这看起来对商户的影响非常巨大。
　　保护商家免于损失商业机会问题解决的办法是将机器学习运算程序和人类分析的相关数据结合起来。Jungwoo教授指出人类仍然可以在证书欺骗和跟踪拒绝的交易中发挥作用，这样的人类干涉会在短期内较少错误拒绝交易的数量，当分析家将那些交易结果输入设定的数据里面时，会使自动化的工具更加智能。
　　机器需要学习的因行业和商户而不同
　　最为有效的运算程序会考虑在商户和区域市场中发现的特定欺骗类型，还有在那些领域中发生的变化。例如，PYMNTS Global Fraud 发现数字商品面临着很高的僵尸网络诈骗，而友善欺诈在奢侈品中是一个难题。
　　更具体地说，在同一行业的不同商户可能受制于不同混合的企图诈骗和运算程序必须学习检测的特定欺骗方式。在某个特定领域有着丰富经验的分析家或是有着与特定客户长期关系的人会有需要增加和提高运算欺骗过滤程序的细节信息。
　　除了历史经验，人类分析是最好的保护工具，对抗新类型的企图诈骗，这些诈骗可能在大规模攻击之前进行小规模试验。这些战场上的观察者能发出警报和保证新的数据成为运算程序数据的一部分。
　　机器还不能完成的
　　运算程序作为一项技术工具，使得现在电子商务近可能地相对安全，但是在对抗针对性的欺骗中不能单独为战。人类分析家可在未来带来的优势包括创造难题的解决方法，深度的客户知识和行业欺骗的分布，创造出一种能力与在指定交易中的消费者直接沟通，只要人类深入保护电子商务商户免于欺骗领域，决定权将必定属于人类和他们的智能技术。
　　欢迎成为AIE实验室合作伙伴
　　AIE 实验室（AIE Lab)是在科学院大数据与知识管理重点实验室等科研机构以及诸多专家支持下，由”人工智能学家“筹备建立的独立前沿科技研究机构。AIE实验室重点研究互联网，人工智能，脑科学，虚拟现实，机器人，移动互联网等领域的未来发展趋势和重大科学问题，发现符合互联网进化趋势的创新技术和创新企业。
　　AIE实验室专家群拥有300多位国内顶级科技专家，风险投资家，媒体意见领袖和科技企业家，包括吕本富，石勇，王飞跃，方兴东，吴甘沙，徐小平，郭昕，罗振宇，胡延平，张泉灵等各领域专家。拥有和参与专业微信群超过50个，包含各领域专业人士2万多人。
　　AIE实验室的科技媒体人工智能学家拥有近7万高质量读者群，包括著名科技企业高层领导，著名风险投资人，科学家，科技媒体主编记者等，在今日头条，网易，腾讯，知乎，百度，搜狐等主流媒体拥有专栏，读者阅读量超过2000万。
　　AIE实验室充分调动专家和媒体资源，为合作伙伴提供支持包括：
　　1.帮助合作伙伴与AIE实验室近300名顶级专家和10万多名不同领域专业人群进行对接，用科学众包的方式帮助科技创新企业解决前沿科技，商业模式，战略发展等方面的难题。
　　2.通过研讨会，在线教育等方式帮助合作伙伴对企业和行业发展进行研讨，听取专家专业人士对企业未来发展的意见和看法。
加入AIE实验室合作伙伴，请点击左下角“阅读原文”填写信息
　　人工智能学家 Aitists
人工智能学家是权威的前沿科技媒体和研究机构，2016年2月成立人工智能与互联网进化实验室（AIE Lab)，重点研究互联网，人工智能，脑科学，虚拟现实，机器人，移动互联网等领域的未来发展趋势和重大科学问题。
　　长按上方二维码关注微信号 Aitists
　　投稿邮箱：
欢迎举报抄袭、转载、暴力色情及含有欺诈和虚假信息的不良文章。
请先登录再操作
请先登录再操作
微信扫一扫分享至朋友圈
搜狐公众平台官方账号
生活时尚&搭配博主 /生活时尚自媒体 /时尚类书籍作者
搜狐网教育频道官方账号
全球最大华文占星网站-专业研究星座命理及测算服务机构
人工智能学家
主演：黄晓明/陈乔恩/乔任梁/谢君豪/吕佳容/戚迹
主演：陈晓/陈妍希/张馨予/杨明娜/毛晓彤/孙耀琦
主演：陈键锋/李依晓/张迪/郑亦桐/张明明/何彦霓
主演：尚格?云顿/乔?弗拉尼甘/Bianca Bree
主演：艾斯?库珀/ 查宁?塔图姆/ 乔纳?希尔
baby14岁写真曝光
李冰冰向成龙撒娇争宠
李湘遭闺蜜曝光旧爱
美女模特教老板走秀
曝搬砖男神奇葩择偶观
柳岩被迫成赚钱工具
大屁小P虐心恋
匆匆那年大结局
乔杉遭粉丝骚扰
男闺蜜的尴尬初夜
客服热线：86-10-
客服邮箱：IndustryNews
有目标的机器学习太麻烦？图灵学习只靠观察就能学习了
&　　英国谢菲尔德大学的研究人员近日在《群集智能》(Swarm Intelligence)期刊上发表了他们的研究成果，现在机器无需人类的指引，只通过观察就能学习自然或人工系统的工作原理。这可能会极大地推动机器预测人类行为等技术的发展。
　　文章中的实验从著名的图灵测试中汲取了灵感，即让受试者和分处两个房间的机器和人对话，如果受试者区分不出谁是机器谁是人，就可以判断机器通过了测试，具备和人类相当的智能。
　　谢菲尔德大学自动化控制及系统工程系的 Roderich Gross 博士表示：&我们的研究使用了图灵测试来揭示一个给定系统的工作原理。我们先放置一群处于监督下的，为了能找到它们运动的规律，我们又放置了另一群处于监督下的学习机器人。我们记录了所有这些机器人的运动，然后把运动数据给受试者看。&
　　&但和图灵测试不同，我们的受试者不是人，而是能够自主学习的计算机程序。它们的任务就是区分这两群机器人。如果它们正确地区分出两群机器人的运动数据，就会得分。反之，那群模仿第一群机器人运动的&学习者&就会得分。&
　　Roderich Gross 博士将这一方法称为&图灵学习&，其优势是人类无需再告诉机器应该寻找什么。
　　&举个例子，比如你想要机器人像毕加索一样绘画，传统的机器学习算法会按照机器人画作和毕加索画作的相似程度来打分。但这必须有人先告诉算法，应该考虑哪些因素才算得上相似。图灵学习不需要这样的先期知识。如果受试者认为机器人画作是原作，机器人就会得分。图灵学习可以同时学习如何判断和绘画。&
　　Roderich Gross 博士相信，图灵学习会推动科学技术的发展。他说道：&科学家们可以用它来发现自然或人工系统中的规律，尤其是无法通过相似度指标来轻松归类的行为。&
　　&比如电脑游戏就可以通过图灵学习来媲美现实，游戏角色可以观察并习得人类玩家的性格特征。它们不会简单地复制观察到的行为，而是会揭示是什么让人类玩家与众不同。&
　　这一发现还可以用于打造侦测变态行为的算法，对牲畜健康监控和机器、汽车、飞机的预防性维修也会很有用。图灵学习还可以用于安全，比如测谎或在线身份验证。
　　截至目前，Roderich Gross 博士和他的团队只在群集机器人上测试了图灵学习，他们计划下一步用它来揭示动物集群如鱼群或蜂群的运作原理。这可以让人们更好地理解，哪些因素影响了这些动物的行为，并最终应用于保护这些动物的政策制定上。
声明：凡资讯来源注明为其他媒体来源的信息，均为转载自其他媒体，并不代表本网站赞同其观点，也不代表本网站对其真实性负责。您若对该文章内容有任何疑问或质疑，请立即与中国机器人网(www.)联系，本网站将迅速给您回应并做处理。
电话：021-7
相关阅读 ：
106343人看过
33251人看过
29533人看过
28815人看过
25579人看过
23643人看过
18317人看过
16965人看过
全部评论（）
　　9月26日，哈尔滨工业大学机器人研究所所长、国家863计划智能机器人主题专家组组长赵杰博...
　　钰信哥导读：习近平和卡梅伦在酒吧小酌吃炸鱼薯条、开启中英全面战略伙伴关系的黄金时代...