神经网络：现实世界中的应用

神经网络在传统计算机表现不佳的领域有广泛的应用。 例如，对于问题陈述，您希望系统学习、调整和更改结果，而不是编程输出，与您输入的数据同步。 每当我们谈论处理嘈杂或不完整的数据时，神经网络也能找到严格的应用。 老实说，那里的大多数数据确实很嘈杂。
神经网络具有类似大脑的学习和适应能力，构成了整个基础，并在人工智能以及机器学习算法中得到了应用。 在我们了解神经网络如何为人工智能提供动力之前，让我们先谈谈人工智能到底是什么。
在尽可能长的时间里，“智能”这个词只与人脑相关联。 但就在这时，发生了一些事情！ 科学家们通过遵循我们大脑使用的方法找到了一种训练计算机的方法。 因此出现了人工智能，它本质上可以定义为源自机器的智能。 更简单地说，机器学习只是为机器提供“思考”、“学习”和“适应”的能力。
说了这么多，做了这么多，必须了解人工智能的具体用例是什么，以及神经网络如何帮助实现这一目标。 让我们深入研究神经网络在各个领域的应用——从社交媒体和在线购物，到个人理财，最后到手机上的智能助手。
你应该记住，这个列表绝不是详尽的，因为神经网络的应用很广泛。 基本上，任何让机器学习的东西都是部署一种或另一种类型的神经网络。

社交媒体

围绕社交媒体的不断增长的数据洪流为这些平台的创建者提供了涉足他们拥有的无限数据的独特机会。 难怪你每两周就会看到一个新功能。 公平地说，如果没有神经网络来挽救这一天，所有这一切就像一个遥远的梦想。
自然语言理解初学者指南

神经网络及其学习算法在社交媒体领域得到了广泛的应用。 让我们看看如何：

Facebook

只要您将任何照片上传到 Facebook，该服务就会自动突出显示面孔并提示朋友进行标记。 它如何立即识别照片中的哪些朋友？
答案很简单——人工智能。 在一段重点介绍 Facebook 人工智能研究的视频中，他们讨论了神经网络在为其面部识别软件提供动力方面的应用。 Facebook 在这一领域进行了大量投资，不仅在组织内部，而且还通过收购Face.com （2012 年以 6000 万美元收购）、 Masquerade （2016 年收购金额未披露）等面部识别初创公司，和Faciometrics （于 2016 年以未披露的金额收购）。

2016 年 6 月，Facebook 宣布了一项新的人工智能计划，该计划使用各种深度神经网络，例如DeepText——一种人工智能引擎，每秒可以理解数千条帖子的文本内容，准确度接近人类。

Instagram

Instagram 于 2012 年被 Facebook 收购，它通过使用循环神经网络的连接来使用深度学习来识别表情符号的上下文含义——它一直在稳步取代俚语（例如，笑的表情符号可以取代“rofl” ）。
通过算法识别表情符号背后的情绪，Instagram 创建并自动建议表情符号和与表情符号相关的主题标签。 这似乎是人工智能的一个次要应用，但能够在更大范围内解释和分析这种表情符号到文本的翻译，为进一步分析人们如何使用 Instagram 奠定了基础。

Pinterest

Pinterest 使用计算机视觉——神经网络的另一种应用，我们教计算机像人类一样“看”，以便自动识别图像中的对象（或他们称之为“大头针”），然后推荐视觉上相似的大头针。 Pinterest神经网络的其他应用包括垃圾邮件预防、搜索和发现、广告性能和货币化以及电子邮件营销。
自然语言生成：你需要知道的最重要的事情

网上购物

您是否发现自己处于准备购买某些东西的情况，但由于一些超级棒的建议，您最终购买的东西比计划的要多得多？
是的，这要怪神经网络。 通过利用神经网络及其学习，电子商务巨头正在创建比你自己更了解你的人工智能系统。 让我们看看如何：

搜索

您的亚马逊搜索（“耳机”、“披萨石”、“笔记本电脑充电器”等）会返回与您的搜索相关的最相关产品的列表，而不会浪费太多时间。 在对其产品搜索技术的描述中，亚马逊表示其算法会自动学习以组合多个相关功能。 它使用过去的模式并适应对相关客户重要的内容。
是什么让算法“学习”？ 你猜对了——神经网络！

建议

亚马逊使用其“查看此商品的客户还查看了”、“购买此商品的客户也购买了”以及通过您的主页、商品页面底部和电子邮件的精选推荐来向您显示推荐。 亚马逊利用人工神经网络来训练其算法来学习用户的模式和行为。 这反过来又有助于亚马逊提供更好的定制推荐。

银行/个人理财

通过手机检查存款

大多数大型银行通过提供通过智能手机应用程序存入支票的能力，消除了客户亲自向银行交付支票的需要。 为这些应用程序提供动力的技术使用神经网络来破译支票上的笔迹并将其转换为文本。 从本质上讲，神经网络发现自己处于任何需要手写/语音/图像识别的应用程序的核心。

预防诈骗

金融机构如何确定欺诈交易？ 大多数时候，每天的交易量太大而无法手动查看。 为了帮助解决这个问题，人工智能被用来创建系统，通过培训学习哪些类型的交易是欺诈性的（说学习，说神经网络！）。
FICO——创建用于确定信用度的信用评级的公司，利用神经网络为其人工智能提供动力，以预测欺诈交易。 影响人工神经网络最终输出的因素包括交易的频率和规模以及所涉及的零售商类型。
密切关注下一件大事：机器学习

为您的手机供电

语音转文字

当今智能手机上更常见的功能之一是语音到文本的转换。 只需按下一个按钮或说出一个特定的短语（例如“Ok Google”），您就可以开始对着手机说话，而您的手机会将音频转换为文本。 谷歌在循环连接中使用人工神经网络来支持语音搜索。 微软还声称已经开发了一种语音识别系统——使用神经网络，它可以比人类更准确地转录对话。

智能个人助理

随着语音转文本技术变得足够准确，可以依赖于基本对话，它正在变成新一代个人助理的控制界面。 最初，有更简单的电话助手——Siri 和 Google Now（现在由更复杂的谷歌助手取代），它们可以执行互联网搜索、设置提醒并与您的日历集成。 亚马逊通过发布互补的硬件和软件组件——Alexa 和 Echo（后来的 Dot）扩展了这种模式。

数据科学、机器学习和大数据之间有什么区别？

总结…
当谈到神经网络在日常生活中的应用时，我们只是触及了皮毛。 特定行业和领域通过利用神经网络与人工智能有特定的交互，这远远超出了本文所讨论的范围。 例如，国际象棋玩家经常使用国际象棋引擎来分析他们的游戏、改进自己并练习新的战术——不用说，所讨论的国际象棋引擎部署了神经网络来完成学习。

从世界顶级大学在线学习 ML 课程。 获得硕士、Executive PGP 或高级证书课程以加快您的职业生涯。
您是否还有其他我们可能错过的有趣的神经网络现实用例？ 把它放在下面的评论中！