浅谈人工智能算法进展及AI的应用.docVIP

浅谈人工智能算法进展及AI的应用 　　摘 要：人工智能算法不断发展创新，学习层级也不断增加，在金融、医疗、电商零售、教育、语音识别等众多领域得到应用。 　　关键词：智能算法 　　近年人工智能算法在不断创新，取得一次次进步，由原来简单的逻辑回归算法、线性回归算法等简单数理统计算法发展为CNN等复杂的智能算法。随着算法的不断复杂化，其应用前景也越来越广，众多算法已经在语音识别、金融、医疗等领域应用。 　　1 算法最新进展 　　1.1 FSMN改善语音实时交互延时问题 　　双向RNN算法作为当前在语音识别系统广泛应用的主流算法，在语音信息处理工程中面临一个较大瓶颈：要成功利用未来信息，需要获得完整语音段，导致在语音实时交互过程中存在较长时延，不能及时满足语音实时交互需求。 　　前馈型序列记忆网络，由输入层、隐含层、记忆模块和输出层构成，较传统的深度神经网络算法不同之处在于在隐含层旁新增“记忆模块”。该“记忆模块”用于存储对判断当前语音有用的历史信息和未来信息。较传统的循环反馈的RNN，该记忆模块通过前馈反馈结构实现记忆功能。它的记忆模块其优势在于： 　　传统双向RNN算法对当前语音帧的判断需待语音输入结束后才能开始，而它对未来信息的记忆，仅需延迟有限时长即可实现记忆。而该算法在训练过程会出现指数衰减的梯度消失现象，而这将导致其对信息记忆量十分有限，而它基于前馈时序展开结构的记忆网络，在训练过程中梯度沿着记忆模块与隐含层的连接权重往回传给各个时刻即可解决简单RNN的梯度消失问题，达到长时记忆能力； 　　1.2 DFCNN让卷积神经网络“听得更多” 　　卷积神经网络算法当前广泛用于图像识别领域，但由于其所用卷积层数较少，导致“表达能力”受限，在其他应用领域运用较小，如语音识别领域。而它作为CNN的特殊形式，通过使用大量卷积层直接对整句语音信号建模，克服传统算法无法解读较长语言和表达能力有限的弱点，更好地表达语言的长时相关性。 　　它对语音识别的处理，首先通过每帧语音进行傅里叶变换，再将时间和频率作为图像的两个维度，然后通过一定数量的卷积层和池化层的组合，对整句语音进行建模，输出单元直接与最终的识?e结果相对，较目前RNN-CTC系统实现了15%的性能提升。 　　1.3 迁移学习扩宽深度学习算法应用边界 　　近年，国内外研究者在训练深度神经网络、学习输入到输出的精准映射上取得长足进步。但监督学习算法在某一领域或某一特定问题上建立起的模型是基于一定的时长和大量已标记数据的前提下实现的。当在缺乏大量标记数据的情况下，或者迁移到某一新领域情况下，监督学习的算法表现一般，要么无法得出可靠模型，要么需要较长时间和大量已标记数据来建模。 　　迁移学习目标在于将某一环境中学到的知识用来帮助新环境中的学习任务，即通过将原先学到的知识应用到新的环境里，而在新环境下仅需少量新的标记数据，建立起高效可靠的新模型，从而提升当前深度学习算法的泛化能力。迁移学习的众多优点，可推动监督学习算法在未来商业得到更为广泛的应用。 　　2 算法最新应用 　　2.1 智能算法在云计算领域应用 　　谷歌致力于更瘦、更绿的云计算数据平台。在14年，它通过安装智能温度和照明控制以及采用先进的冷却技术而非机械冷却器，最小化能量损失，使其数据中心的耗电量比全球数据中心平均水平低50%。对比自身，它现在的数据处理性能是5年前的3.5倍，而能耗保持原有水平。 　　通过18个月的模型研发与测试，Deep Mind联合谷歌云的研发团队成功为数据中心节省了40%的冷却能耗，其中一个试点已经达到了PUE的最低点，未来该技术可应用于提高发电转换效率、减少半导体生产的能量和用水量。 　　2.2 智能算法在电商零售领域应用 　　目前，国内零售业现约有40余家人工智能创业公司，针对电商领域实现的功能主要有客服、实时定价促销、搜索、销售预测等。 　　客服机器人是京东自主研发的人工智能系统，它通过自然语言处理、深度神经网络、用户画像等技术，能够完成全天候、无限量的用户服务，涵盖售前咨询、售后服务等电子商务的各个环节。它在部分品类的售前咨询满意度甚至超过了人工客服，16年全年节省成本超过亿元。它不仅是人工智能的前瞻应用，更是打破了传统客服固有模式。 　　2.3 智能算法在教育领域应用 　　人工智能在教育领域的应用同样值得关注，AI将改变在线教育的场景，使得在线教育在形式上更贴近不同用户的个性化需求。 　　智学网是科大讯飞面向学校日常作业、考试及学习评价需求推出的个性化教育系统化。系统基于科大讯飞全球领先的人工智能核心技术，能够实现教与学全场景动态数据的采集与分析，深度挖掘数据价值，帮助教育管理者高效决策、教师针对性教育、学生个性化学习，实现家校互联，帮助家长实时了