深度學習（deep learning）距離實際應用還有多遠，會有大規模應用嗎？

01-06

主要解決了representation learning問題，可以無需挖空心思得到low ，mid，high level的特徵。結合現有的其他機器學習工具，在性能上還是有優勢的。不過，其他方式也可以學習到好的representation，而且速度性能更具優勢。個人角度，可以理解，可以干預的dl是所需要的。

機器學習領域有些學者對DL持保守態度，認為目前的DL與上世紀的人工神經網路研究相比，並沒有提出革命性的新成果，更多是由於計算能力和數據規模的提升帶來了原來人工神經網路所無法達到的效果。

從這個角度而言，我們也許不要對DL抱有過高期望，再過10年20年，DL也許只是人工智慧浪潮中的一波而已。我們也許可以對未來做更長遠的展望，著眼人工智慧和機器學習中最本質的挑戰和問題。

實際應用嘛，看face++用的多好啊，還有現在百度的實景翻譯，pixel labeling應該也是神經網路做的

主要瓶頸在於計算... 對於離線應用來說可能還差點勁，尤其是手持設備。不過沒關係，你可以做在硬體上啊，去年還看到一篇文章說把神經網路運算做在FPGA上，感覺蠻新奇的，個人感覺可能會有一定應用，比如人臉解鎖，語音解鎖，需要更高的準確度的時候。去年實習組內有個語音解鎖的產品，效果差的一塌糊塗，manager坐在實驗室沉思良久的樣子真是太TM搞笑了哈哈哈哈哈哈哈...

另外阿里的淘淘搜據師兄說也用DL。生活中有些東西已經不知不覺的和DL扯上關係了

說實話，感覺不了deep learning會給普通用戶帶來什麼變化，dl現在最高水平的視覺識別和語音識別，不足夠帶來用戶什麼新的產品體驗，可能就頂多有siri那種感覺，活了一把然後又覺得很多事情都做不來。

估計deep learning技術影響最深的會是搜索引擎業務，更加方便的信息搜索，一兩年內會有根據圖片內容搜圖片，或者根據文字搜索電影和視頻的功能，以及根據音樂搜索類似音樂的功能也不難。但我不覺得這是什麼革命性的東西。

醫療領域以後也會用dl，不過估計不如其他的數據技術那麼廣泛。

這一波深度學習浪潮持續了十年之久，帶熱了整個ai熱潮，投了估計有幾十個億美元進去了，估計2015到16年，這些投資急需兌現，如果dl這兩年沒能造出一堆有價值的應用，這一波浪潮又要爆了。

今天是NIPS最後一天，感覺DL的洗腦talk/poster很多，為什麼敢於洗腦，為什麼別人都恨不得把自己的innovative idea誇上天的時候敢說"We use minimum innovation to get maximum performance"，為什麼conclusion敢這麼寫

因為在speech recognition, machine translation, sentiment analysis, object detection, image classification, 包括剛剛出來的action recognition這些問題上都有一個leap。

至於離實際應用有多遠，facebook上面的搜索框都用了DL，這個小例子也應該算比較大的規模了。昨天晚上Baidu的酒會，陣容如下。。。

而Hinton和Yann LeCun在隔壁Facebook的酒會。。。總的來說，Deep learning，離實際應用很近，會有大規模應用。

deep leanring都已經開始應用了，你說沒用？所有大公司的機器翻譯引擎全換DL了，稍微有點實力的語音識別公司都換DL了，識圖功能基本上也都DL了，你說沒用？

今天給大家分享一篇文章

為什麼要在神經語言程式上發力，發力的重點和目標是什麼

其實深度學習在視覺識別、語音識別等方面已經有了很多的實際應用了；未來在自動駕駛領域中深度學習會有非常明顯的大規模應用。