神經網絡：現實世界中的應用

神經網絡在傳統計算機表現不佳的領域有廣泛的應用。 例如，對於問題陳述，您希望系統學習、調整和更改結果，而不是編程輸出，與您輸入的數據同步。 每當我們談論處理嘈雜或不完整的數據時，神經網絡也能找到嚴格的應用。 老實說，那裡的大多數數據確實很嘈雜。
神經網絡具有類似大腦的學習和適應能力，構成了整個基礎，並在人工智能以及機器學習算法中得到了應用。 在我們了解神經網絡如何為人工智能提供動力之前，讓我們先談談人工智能到底是什麼。
在盡可能長的時間裡，“智能”這個詞只與人腦相關聯。 但就在這時，發生了一些事情！ 科學家們通過遵循我們大腦使用的方法找到了一種訓練計算機的方法。 因此出現了人工智能，它本質上可以定義為源自機器的智能。 更簡單地說，機器學習只是為機器提供“思考”、“學習”和“適應”的能力。
說了這麼多，做了這麼多，必須了解人工智能的具體用例是什麼，以及神經網絡如何幫助實現這一目標。 讓我們深入研究神經網絡在各個領域的應用——從社交媒體和在線購物，到個人理財，最後到手機上的智能助手。
你應該記住，這個列表絕不是詳盡的，因為神經網絡的應用很廣泛。 基本上，任何讓機器學習的東西都是部署一種或另一種類型的神經網絡。

社交媒體

圍繞社交媒體的不斷增長的數據洪流為這些平台的創建者提供了涉足他們擁有的無限數據的獨特機會。 難怪你每兩週就會看到一個新功能。 公平地說，如果沒有神經網絡來挽救這一天，所有這一切就像一個遙遠的夢想。
自然語言理解初學者指南

神經網絡及其學習算法在社交媒體領域得到了廣泛的應用。 讓我們看看如何：

Facebook

只要您將任何照片上傳到 Facebook，該服務就會自動突出顯示面孔並提示朋友進行標記。 它如何立即識別照片中的哪些朋友？
答案很簡單——人工智能。 在一段重點介紹 Facebook 人工智能研究的視頻中，他們討論了神經網絡在為其面部識別軟件提供動力方面的應用。 Facebook 在這一領域進行了大量投資，不僅在組織內部，而且還通過收購Face.com （2012 年以 6000 萬美元收購）、 Masquerade （2016 年收購金額未披露）等面部識別初創公司，和Faciometrics （於 2016 年以未披露的金額收購）。

2016 年 6 月，Facebook 宣布了一項新的人工智能計劃，該計劃使用各種深度神經網絡，例如DeepText——一種人工智能引擎，每秒可以理解數千條帖子的文本內容，準確度接近人類。

Instagram

Instagram 於 2012 年被 Facebook 收購，它通過使用循環神經網絡的連接來使用深度學習來識別表情符號的上下文含義——它一直在穩步取代俚語（例如，笑的表情符號可以取代“rofl” ）。
通過算法識別表情符號背後的情緒，Instagram 創建並自動建議表情符號和與表情符號相關的主題標籤。 這似乎是人工智能的一個次要應用，但能夠在更大範圍內解釋和分析這種表情符號到文本的翻譯，為進一步分析人們如何使用 Instagram 奠定了基礎。

Pinterest

Pinterest 使用計算機視覺——神經網絡的另一種應用，我們教計算機像人類一樣“看”，以便自動識別圖像中的對象（或他們稱之為“大頭針”），然後推薦視覺上相似的大頭針。 Pinterest神經網絡的其他應用包括垃圾郵件預防、搜索和發現、廣告性能和貨幣化以及電子郵件營銷。
自然語言生成：你需要知道的最重要的事情

網上購物

您是否發現自己處於準備購買某些東西的情況，但由於一些超級棒的建議，您最終購買的東西比計劃的要多得多？
是的，這要怪神經網絡。 通過利用神經網絡及其學習，電子商務巨頭正在創建比你自己更了解你的人工智能係統。 讓我們看看如何：

搜索

您的亞馬遜搜索（“耳機”、“披薩石”、“筆記本電腦充電器”等）會返回與您的搜索相關的最相關產品的列表，而不會浪費太多時間。 在對其產品搜索技術的描述中，亞馬遜表示其算法會自動學習以組合多個相關功能。 它使用過去的模式並適應對相關客戶重要的內容。
是什麼讓算法“學習”？ 你猜對了——神經網絡！

建議

亞馬遜使用其“查看此商品的客戶還查看了”、“購買此商品的客戶也購買了”以及通過您的主頁、商品頁面底部和電子郵件的精選推薦來向您顯示推薦。 亞馬遜利用人工神經網絡來訓練其算法來學習用戶的模式和行為。 這反過來又有助於亞馬遜提供更好的定制推薦。

銀行/個人理財

通過手機檢查存款

大多數大型銀行通過提供通過智能手機應用程序存入支票的能力，消除了客戶親自向銀行交付支票的需要。 為這些應用程序提供動力的技術使用神經網絡來破譯支票上的筆跡並將其轉換為文本。 從本質上講，神經網絡發現自己處於任何需要手寫/語音/圖像識別的應用程序的核心。

預防詐騙

金融機構如何確定欺詐交易？ 大多數時候，每天的交易量太大而無法手動查看。 為了幫助解決這個問題，人工智能被用來創建系統，通過培訓學習哪些類型的交易是欺詐性的（說學習，說神經網絡！）。
FICO——創建用於確定信用度的信用評級的公司，利用神經網絡為其人工智能提供動力，以預測欺詐交易。 影響人工神經網絡最終輸出的因素包括交易的頻率和規模以及所涉及的零售商類型。
密切關注下一件大事：機器學習

為您的手機供電

語音轉文字

當今智能手機上更常見的功能之一是語音到文本的轉換。 只需按下一個按鈕或說出一個特定的短語（例如“Ok Google”），您就可以開始對著手機說話，而您的手機會將音頻轉換為文本。 谷歌在循環連接中使用人工神經網絡來支持語音搜索。 微軟還聲稱已經開發了一種語音識別系統——使用神經網絡，它可以比人類更準確地轉錄對話。

智能個人助理

隨著語音轉文本技術變得足夠準確，可以依賴於基本對話，它正在變成新一代個人助理的控制界面。 最初，有更簡單的電話助手——Siri 和 Google Now（現在由更複雜的谷歌助手取代），它們可以執行互聯網搜索、設置提醒並與您的日曆集成。 亞馬遜通過發布互補的硬件和軟件組件——Alexa 和 Echo（後來的 Dot）擴展了這種模式。

數據科學、機器學習和大數據之間有什麼區別？

總結…
當談到神經網絡在日常生活中的應用時，我們只是觸及了皮毛。 特定行業和領域通過利用神經網絡與人工智能有特定的交互，這遠遠超出了本文所討論的範圍。 例如，國際象棋玩家經常使用國際象棋引擎來分析他們的遊戲、改進自己並練習新的戰術——不用說，所討論的國際象棋引擎部署了神經網絡來完成學習。

從世界頂級大學在線學習 ML 課程。 獲得碩士、Executive PGP 或高級證書課程以加快您的職業生涯。
您是否還有其他我們可能錯過的有趣的神經網絡現實用例？ 把它放在下面的評論中！