深度学习和人工智能正在引领我们走向智能住宅

未来的智能住宅计划正在慢慢变得越来越可行。在这些计划中，住宅能够为住户完成所有家务，如将晚餐做好并放到厨房的餐桌上，同时具有各种便利设施。随着深度学习研究的发展，智能住宅正在离我们越来越近。

美国Baylor大学电气与计算机工程学院正在利用人工智能（AI）打造智能住宅，以实现科幻小说和电视节目中描绘的情形。电气与计算机工程副教授Liang Dong博士正在领导这项研究，研究得到了Baylor大学和英特尔公司的资助，美国国防部（DOD）也表现出了投资意愿。英特尔对Dong将深度学习用于AI的研究感兴趣，而DOD的兴趣在于将深度学习应用于实战。

借助于算法和数据，计算机能够将获得的结果与以前的许多其他研究进行比较。到目前为止，深度学习项目正在针对医疗图像分析的特定用途进行量身定制，如正电子发射断层扫描（PET）图像和医院计算机断层扫描（CT）图像。这将有助于更准确地监测癌症和其他疾病的发展。这项由Baylor大学研究与创新协作组织（BRIC）开展的研究基本上可以分为两个类别。

理论研究主要包括分布式深度学习和节能深度学习两个内容。分布式深度学习的主要目标是考察如何使用本地的多台计算机来计算主神经网络的不同部分。它能够解决在单个机器上训练深度神经网络需要大量时间的问题。节能深度学习则聚焦于为必要的连续项目提供持续能源的问题。

深度学习有许多可能的和实际的应用，如建设智能医院中的应用，或用于生产智能家居产品。在医院中使用深度学习的初衷是使用具有较小辐射和功率的X射线，然后将结果与过去采用其他X射线获得的结果进行比较。计算机会将单一的X射线与之前的数百个或数千计个结果进行比较，并指出哪些区域对一个健康的人体系统来说似乎是不常见的，或哪些区域看起来与他们正在确认的一种疾病相类似，而确认这种疾病的方式是将一个人的X射线图像与已经患有此病的其他人的图像进行比对。Dong已经与德克萨斯大学西南医学中心的一家医院展开合作，以测试这项研究是否有足够的有效性与合理性，以支持其他医院的医生对其进行实现。

还有一个智能家居项目—考察房子能否衡量一个人的整体健康状况。通过在整个房子中部署传感器，甚至通过监测房子的某个特定区域，如厨房等，传感器可以读取一个人的生物节律，并在出现疑似问题时发出警报。它会提醒房屋居住者出现了心率较低或心率下降的迹象—这些迹象可能在近期引发一些严重的健康问题。