原作者：Alex Hickey

译者：宋榕

概要：人工智能（AI）、机器学习和深度学习的早期应用有望在短期和长期内分别取得的创造性和生产性效益。因此多数服务提供商正在逐步加大在深度学习上的投资。

据Gartner咨询公司报道，截至2019年，深度学习将会在需求预测、诈骗预测和故障预测中发挥关键作用。该项技术是根据数据的中间表示形式利用机器学习来实现的。

该应用将焦点从图像、文本和语音处理分析转向预测分析需要商业以及基础设施上的大力支持以及天赋异禀的数据科学家的帮助。大约80%的数据科学家认为机明年各种各样的机器学习将会成为他们开发工具的一部分。

尽管深度学习和机器学习提供了极好的数据处理能力，但Gartner公司仍持谨慎态度，认为科技难以替代人力。数据科学家需要采用深度学习应用来判断推荐的结论是否符合伦理道德。高德纳公司研发部副总裁亚历山大·林登（Alexander Linden）在一次声明中说道，“对机器学习而言，人类面对的困难很容易解决；而机器学习遇到的问题人类则可以轻松应对。”

 

人工智能（AI）、机器学习和深度学习的早期应用有望在短期和长期内分别取得的创造性和生产性效益。因此多数服务提供商正在逐步加大在深度学习上的投资。

英特尔公司（Intel）去年年底收购了深度学习初创公司Nervana, 价值约4亿美元。此次收购是英特尔不断扩大其在AI投资组合的一部分，本周该公司对AI初创公司的投资高达10亿美元。今年春季，NVIDIA(英伟达) 扩大了深度学习的课程，将深度学习应用纳入机器人、金融服务、无人驾驶汽车和医疗保健等技术。IBM8月份推出PowerAI DDL技术可以减少分布式深度学习系统的训练时间。该项目的准确率高达95%，击败Facebook之前89%的记录。

对合格的人才需求：深度学习系统的需求或许会加剧业界已经面临的IT人才短缺的形势。公司需要加大能与深度学习和其他人工智能应用并肩共事的人力资源的投资。