在過去的五年或十年里，隨著深度學習的出現(xiàn)，我們對這個問題有了不同的方法。它更多的是數(shù)據(jù)驅(qū)動，而不是代碼或算法設計驅(qū)動。

深度學習的想法是，我們有一種算法，它是一種學習機器。因此，我們擁有這種通用的學習結(jié)構(gòu)，而不是在算法中規(guī)定步驟來解決特定問題。我們所做的是，我們展示了很多例子。這是一個戴著面具的人;這是一個沒有面具的人。這里有10,000個不同情況和方向的戴著口罩的人;這里有 10,000 人沒有戴口罩。

這些算法的非凡之處在于它們能夠?qū)W習。這有點像展示和講述之間的區(qū)別。如果您考慮教孩子系鞋帶。如果你試圖一步一步地描述這個過程，你永遠不會成功。不可能。所以沒有人這樣做。我們發(fā)現(xiàn)那行不通。如果你想教孩子如何系鞋帶或做一些類似的任務，你就是在示范。甚至可能更進一步，引導他們完成這些步驟;你握著他們的手給他們看：你把這個放在這個下面，把這個繞在這里。令人驚奇的是：孩子可以學習!

事實證明，這些深度學習算法在通過示例而不是通過詳細的處方來學習的能力方面同樣令人驚嘆。很難夸大這種范式轉(zhuǎn)變的重要性，它使我們能夠解決我們想要從圖像或視頻中提取信息的各種現(xiàn)實世界問題，而這些問題并不是像我們所在的生產(chǎn)線那樣控制良好、一致的環(huán)境在某些預定位置尋找一定數(shù)量的螺栓。

所以現(xiàn)在我們其實可以很好的解決街上走過的人戴不戴口罩這樣的問題?

我最近遇到的另一個非?？岬膽贸绦?，他們稱之為 Night Nurse。它來自一家名為 Kepler Vision 的荷蘭初創(chuàng)公司。它用于老年護理設施，例如，如果一位老年患者晚上從床上掉下來，系統(tǒng)所做的是，它使用安裝在天花板上的攝像頭，它不僅分析單個圖像幀，而且分析序列框架，以了解人的行為并能夠區(qū)分正常行為(例如有人起身去洗手間)和異?；蛭ｋU行為(例如人從床上掉下來)。因此，護士不必在晚上經(jīng)常檢查病人并可能打擾他們的睡眠，系統(tǒng)可以持續(xù)監(jiān)控并在病人有危險時立即提醒護士。

這是一種混亂的現(xiàn)實世界問題。我說“凌亂”是因為你如何用文字或數(shù)字術(shù)語來描述一個人比方說起床并移動到附近的椅子上并坐在那把椅子上與從床上掉下來之間的區(qū)別。當你看到它時你就知道它，但是用精確的方式用語言描述它是非常困難的。因此，這是深度學習的出現(xiàn)使我們能夠有效解決傳統(tǒng)手工算法技術(shù)無法解決的各種現(xiàn)實問題的一個例子。

這是過去五年左右發(fā)生的一個巨大變化，這種轉(zhuǎn)變是從 1960 年代計算機視覺方法的手工算法到幾年前的轉(zhuǎn)變?，F(xiàn)在，這種數(shù)據(jù)驅(qū)動的、基于機器學習的方法。這是發(fā)生變化并創(chuàng)造了很多機會和興奮的重大事件之一。

我認為當技術(shù)是新技術(shù)或變化迅速時，找出應用它的地方總是一個挑戰(zhàn)。它真正有意義的地方在哪里?真正能增值在哪里?就深度神經(jīng)網(wǎng)絡而言，有很多關于它的炒作和興奮。人們渴望使用它。但是很容易選擇錯誤的問題，選擇一個實際上沒有必要的問題，其中 DNN 是不必要的，經(jīng)典技術(shù)工作正常，所以你只是在浪費時間和金錢?；蛘哌x擇當前技術(shù)無法解決且無法解決的問題。

所以我認為真正歸結(jié)為，人們需要學習。他們需要學習深度神經(jīng)網(wǎng)絡;他們的能力;他們不能做什么;他們前進的軌跡是怎樣的，他們的演變是怎樣的;以及如何識別具有適當難度的適當問題。既不太容易(也可以用經(jīng)典技術(shù)解決，而且可能已經(jīng)解決)也不太難(仍然是一個研究問題，商業(yè)部署技術(shù)并不能真正解決這個問題)。

這不是我認為可以在文檔中總結(jié)的內(nèi)容。我認為這確實需要深入了解技術(shù)的當前狀態(tài)，然后查看您的應用程序領域。老年護理或家庭安全或制造或車輛交通優(yōu)化。無論您的應用領域是什么。一旦你了解了技術(shù)的狀態(tài)，然后將其映射到最佳問題，在那里它可以增加最大的價值并且實施起來也很實用。

所以這就是我認為意識教育如此重要的地方。電子行業(yè)各個領域的人都需要了解這項技術(shù)。不一定要掌握它的每一個細節(jié)，而是要了解它能做什么，能干什么。

做到這一點的另一個好方法是看看其他人在做什么。其他公司和產(chǎn)品開發(fā)商在哪些方面成功使用了該技術(shù)?然后將其映射到，如果他們能夠解決醫(yī)療保健方面的問題，我想我可以解決零售或教育方面的問題。