小欣：这节课，罗恒老师会为我们讲解深度学习已经取代了哪些领域的专家。

罗恒：刚才讲到了开始的时候，神经网络的最初的形态感知器需要专家来设计特征，然后把特征交给神经网络，神经网络才决定如何来进行分类。那么随着深度学习的发展，其实已经取代了很多的专家。大家可能没有很意识到，我这里就讲几个方面：

首先就是机器视觉方面的一些专家。在深度学习出现以前，可能大量的机器视觉的研究人员他们想方设法都是在设计各种各样的特征，然后利用这些特征再去完成一个复杂的机器视觉的任务。如何去设计合理的特征往往需要非常多的经验，甚至需要天赋在里面，而即使是设计好了很好的特征当应用到一个新的场景的时候，往往需要做很多新的设计才能够在新的场景下做得比较好。

那么在深度学习出现之后，如果现在大家再去看一看新的机器视觉文章，像这些设计特征的文章数目已经变得非常的少了，而大量的都是使用神经网络、使用深度学习方法从数据中学习特征。那么这其实就降低了机器视觉使用的门槛，也实际上取代了这部分人的工作。

另外一个例子，就是广告推荐系统。之前的这些系统也是依赖很多专家来设计各种各样的特征，甚至一个好的广告推荐系统完全取决于特征工程做得如何。但是随着深度学习的出现大量的公司现在有个趋势，就是使用神经网络、利用用户的点击数据就能得到非常好的结果，远远超出了通过搞特征工程加上一些线性模型的结果。

所以我想说的是，深度学习的出现甚至人工智能的出现，可能并不是如大家所想象的那样，先去取代那些简单的重复性的劳动，而很有可能一开始就是要取代那些专家。比如说有很多的医疗图像分析公司出现。这些公司收集了大量的数据，这些数据里就体现着很多不同的领域医生的知识、体现着大量不同病情的表现，通过深度学习方法这些公司都在努力从这些数据中学习知识。目前他们已经取得了一些成功，未来很可能在医疗图像分析领域机器会做得比人更好。这些机器不知疲倦、不会犯错，自然会取代一部分人的工作。

小欣：下节课，罗恒老师会为我们讲解应用深度学习的门槛是否在降低。

【版权归钛媒体所有，未经许可不得转载】