5个神经网络用例将帮助您更好地理解技术

每天，高度先进的人工神经网络(ANN)和深度学习算法都会扫描数百万个查询，并挖掘无穷无尽的大数据流。他们提供所需的知识，为许多软件公司已经在其产品中加入的许多不断发展的人工智能(AI)提供动力。机器学习是一种工具，通过这些工具，这些新生的基于计算机的合成智能处理所有他们所滋养的信息，就像五种感官帮助人类幼儿学习和体验世界一样。

最终，所有这些信息都足以帮助这些AI为我们提供问题的新答案，以及许多比人类思维可能设想的更聪明的解决方案。那么，今天在实践中如何有效地使用神经网络和机器学习的一些例子呢?我们来看一下。

自动驾驶汽车

有没有比自动驾驶汽车更能尖叫“未来”的东西?在过去的30年里，我们一直梦想有一个计算机朋克反乌托邦的世界，那些梦想着电动绵羊的机器人可以通过跳上无人驾驶车辆而逃离绑架者。好吧，也许这些车辆也能飞，但你明白了。

自动驾驶汽车不再仅仅是一个梦想。虽然它们中的大多数仍然只是原型，但它们现在肯定是现实。许多不同的公司已投入大量资金来推动这项技术的发展，其中包括目前支持15个政府赞助项目的英国交通部。

如果不通过机器学习，这些车辆还能学会如何开车?软件开发人员采用深度学习算法来为计算机视觉提供动力，了解有关其周围环境的所有细节，并做出类似人类的智能决策。多年来，人力驱动汽车配备了一系列摄像头和传感器，可记录从驾驶模式到道路障碍物，交通信号灯和道路标志等各种物品。现在，所有这些数据用于“教导”自主系统如何识别这些物体以及如何在真实道路上行驶时对外部刺激作出适当反应。(要了解更多信息，请查看自动驾驶中5个最令人惊叹的AI进展。)

网络效率

使用人工智能来优化网络效率并提高其安全性的想法可以追溯到80年代早期。然而，现代技术已经取得了巨大的飞跃，革命性的机器学习算法可以平凡地执行复杂的任务，例如预测故障和安排修复。

AI是非常有效的在那里他们最需要的分配网络资源，通过自主分析流量数据，并且他们拥有将自己与许多集成所需的敏捷性的物联网(IOT)连接到该设备的网络架构。毕竟，没有人能比其他机器更好地与机器交谈。我们可以听到人类已经回到食物链中了，不是吗?

网络安全

ANN还可用于保护组织免受多种类型的攻击，例如DDoS和恶意软件。恶意软件本身是一个巨大的问题，每天至少会生成325,000个新的恶意文件。然而，不超过10%的文件从迭代变为迭代，因此可以预测这些变化的基于算法的学习模型能够以惊人的准确度检测哪些文件是恶意软件。

AI在网络安全方面优于人类，因为它们可以自动化检测攻击所需的最复杂流程，并分析对违规行为做出反应的最佳方法。更一般地，神经网络可用于检测网络流量中的任何变化或异常，以识别潜在的恶意活动，例如暴力攻击，异常失败的登录和文件泄漏。

显然，黑客开始开发他们自己的自适应AI来欺骗安全软件并利用漏洞，在攻击者和防御者之间进行永无休止的军备竞赛。然而，所有这些实际上都有益于AI，它们每天在战场上部署时变得更聪明，更智能。(要了解AI如何在现实世界中打击，请参阅AI如何帮助打击。)

建设更美好的世界

反对技术的传统担忧之一是，机器最终将取代人类劳动力并使数百万人陷入贫困。然而，事实上，机器学习和神经网络实际上正在帮助许多政府建立一个更好，更公平，更公平的社会。虽然有些人可能会觉得令人不安的是，未来全国范围内的决策将由机器制定，但我们可能总是争辩说，许多人造的人毕竟不会那么聪明。机器的决定总是中立且不偏不倚，至少在天网开始制造之前。

在比利时，一个就业和职业机构制定了一个IBM软件驱动的解决方案，以减轻年轻工人的失业率。机器学习驱动模型能够分析过去的数据，以预测每个潜在候选人的失业持续时间，同时设计新的，智能的方法来指导政府有限的资源，以促进经济的真正需要。

在哥伦比亚，Instituto Colombiano de Bienestar Familiar是一家当地福利组织，提供慈善和服务，以保护贫困家庭和贫困儿童。他们的预算非常紧张，但他们设法为成千上万的营养不良儿童提供了500多万份膳食补充剂和口粮。怎么样?好吧，预测分析和微型目标定位软件提供了必要的优化程度，以帮助该组织到达哥伦比亚最贫穷和最偏远的地区。

但这并不是机器教人类如何用更少的钱做更多事情的唯一情况。在荷兰，环境保护机构DCMR Milieudienst Rijnmond采用了一种新的解决方案，配备了机器学习传感器，可以实时识别和评估环境危害。然后，深度学习算法可以识别关键风险并按紧急程度对其进行排序，将资源转移到最需要的地方并改善公共安全。

商业和广告

这可以用一个词来概括(好吧......三)：个性化的产品推荐。每当我们在Google或任何其他搜索引擎上搜索某些内容时，我们最终会看到大量关于这些内容的精确定位广告。软件怎么能理解我们的利益是什么以及如何诱使我们购买那些我们非常想要的极其便宜的商品呢?

深刻的学习再一次就是答案。这些高度反应的程序通过观察我们的行为来学习，例如当我们跳到第二页的搜索结果时，第一页上找不到满足我们需求的内容。机器可以以人类分析师无法达到的速度压缩有关客户习惯和偏好的人口统计数据，并可以使用它来优化定价，优惠，客户体验和盈利能力。任何人都应该感到惊讶的是，最大的AI和智能算法爱好者之一就是亚马逊本身。

然而，这家零售巨头正在使用先进的启发式技术以其他许多方式优化其服务。杰夫贝佐斯的成就如此成功的原因之一，实际上是其物流规划的惊人效率。沃尔玛和本田等其他巨头以及许多中小型企业和工厂通过在订单管理，库存管理，库存控制和仓储方面实施机器学习，大大提高了效率。AI非常擅长检测装配线内外的质量问题，例如通过识别保修登记卡的自由文本字段中的模式。

我们生活在这样一个时代，许多最新的数字技术正在帮助许多懒惰的人放弃学习，交流和与现实生活互动的能力。具有讽刺意味的是，这些相同的技术正在帮助人工智能发展并以极快的速度向前发展。

就像年轻而有前途的孩子每天渴望学习新事物一样，我们的机器现在仍在“上学”。我们只能期待能够建立和完善自己的学习方法并达到大学阶段的那一天，但与此同时，他们已经取得的目标仍然令人惊叹。