深度学习目前有哪些成熟应用？

深度学习并非新技术，拥有很久的历史

深度学习最早由Hinton等人于2006年提出，深度学习的本质就是人工神经网络，人工神经网络就是通过模拟生物神经网，而使得机器能够具备学习能力，从而具备智能。

深度学习从概念提出到现在，也已经有12年了，而在深度学习概念被提出之前，人工神经网络也早就提出来了。

1956年约翰.麦卡锡提出人工智能概念。

而在人工智能概念被提出之前，1943年，神经网络作为一个计算模型的理论最初由科学家Warren McCulloch和Walter Pitts在他们的论文里提出。

之后不断就有科学家加入到人工神经网络的研究中，而真正意义上的人工神经网络诞生于1957年，由康奈尔大学教授Frank Rosenblatt提出“感知器”的概念，并通过算法定义出了世界上第一个神经网络。

所以说，深度学习实际上拥有很久的历史了，早已超越了半个世纪，并非是新生事物，但实际应用却已经有了，而且在某些领域已经非常成熟了。

人脸识别可以说是当前深度学习最为成熟的应用

图像识别可以说是深度学习或者说机器学习领域最青睐的应用方向，无论是深度学习，还是其他机器学习方法(如VM即向量机)，都非常喜欢用图像识别来进行研究，究其原因，可能是因为图像这种东西更为容易获取吧。

正是因为如此，ImageNet大赛应运而生，ImageNet通过建立强大的图片库，来邀请各大人工智能研究者前来检验其算法的效果。

正因为如此，吸引了大量的科研人员投入到图像识别领域，促进了这一领域的蓬勃发展，也导致今天人工智能领域，人脸识别几乎是最为成熟的应用。

其他深度学习应用离我们还有多远？

虽然说人脸识别通过深度学习，应用的很成功(比人眼识别还更精准)，但其他领域的应用，却不一定应用的有这么好，或者说效果还未超越人类。

1）无人驾驶

无人驾驶技术涉及的方面非常多，可以说是一门综合性的人工智能技术，深度学习只是其中之一，当前无人驾驶技术，要突破的还很多，最大的障碍恐怕是人类对于无人驾驶安全性的信任可能需要较长的时间，个人估计需要5-10年才能真正看到无人驾驶汽车在路上跑。

2）语音识别

语音识别目前发展的很好，基本连各地方言都可以非常精准的识别了，属于成熟应用。

3）自然语言处理

自然语音这一块还有很长的路要走，机器对于自然语音的理解目前还存在很多未突破的地方。

4）机器人

虽然现在越来越多的机器人已经出现了，但大部分机器人仍然还处于玩偶阶段，真正的智能化还有很长很长的路要走，可能也需要10-15年才能取得大的突破。

越来越少的公众号还在坚持原创

“闻西说科技”就是其中之一