在深度学习技术和人工智能越来越普及的今天，每个人都或多或少需要了解一些深度学习的知识。深度学习技术真的几乎可以辅助解决任何问题。深度学习技术不仅被广泛用于我所在的计算机视觉研究领域，更是被其它基础学科研究和生活的方方面面。

智能驾驶

目前深度学习被广泛用在智能驾驶技术里，来自MIT的著名的X教授Jianxiong Xiao致力于开发出只需要50美元就可以买到的智能驾驶技术，其创立的AutoX公司目前收到了大量的风投，其核心技术就是深度学习。我可以很认真的告诉你们，Xiao教授是一个大帅哥，拿到无数大奖，是MIT科技评论选出的全球10个35岁以下的发明者之一。以下是他的脸书头像和背景，他作报告的时候基本是全场爆满。想了解他更多？你们可以访问他的个人主页http://www.jianxiongxiao.com/。

我绝对不告诉你我放这张照片是为了炫耀。恩，不告诉你们。（跑）

除了这个公司以外，Google，百度，特斯拉，苹果，丰田，Uber等等科技巨头都在研发无人驾驶汽车。目前处于领先地位的无人驾驶技术公司是以色列的Mobileye，目前已经被收购。

在智能驾驶里，传统的方案是采用各种传感器去测量距离，路况，速度等等。整个系统非常庞大，而且造价昂贵。有很高的消费门槛。现在的方案是用“摄像头+算法”替代“传感器”。摄像头是非常廉价的，算法一旦写好，只需要不断升级就可以了，本身是可以无限复制的，还不像传感器那样占空间（默默替程序员们心疼3秒钟，写出来的代码非常实用却不占任何空间）。

此外，摄像头拍照片之后，会上传到云平台，然后云平台会自动分析出车辆所在的位置，从而提供最优的驾驶路线。

当然，摄像头里的芯片可嵌入的算法功能还有很多，比如在雨天的时候，芯片的去雨算法可以去掉照片里的雨迹。如果摄像头拍到的照片比较模糊，我们可以用去模糊的算法把图像变的更加清晰。现有算法还可以辅助汽车计算拍摄到的物体与汽车之间的距离，从而代替距离传感器。这些算法都是可以用深度学习去做的。

当然，这些技术都还处于发展中，并不是非常完善。我们不妨把这些不足看成是机会，感兴趣的小伙伴未来可以投身于这个行业当中。

应用物理

因为导师的项目需要，我开始和应用物理系、生物系合作，这真是让我开眼界了。就在我写这篇文章的几个小时之前，清华大学的科研人员发现深度学习和量子物理重要关联[1]，相关工作发表在Nature系列的著名期刊《Nature Commun        ications》上。

在上月月底，Nature杂志在线发表了一篇文章[2]，天体物理学家用深度学习研究星系对光的重力作用。此外，生物学家已经把深度学习技术用于改进荣获14年化学“诺贝尔奖”的超分辨率荧光显微技术（目前该文章还没发表，我在香港大学医学院听报告得知）。

我目前也在学习深度学习技术，期待解决一些计算机视觉领域的重要问题。

深度学习的不足

深度学习目前唯一的不足就是需要大量数据。这也意味着我们必须在进入智能时代之前先经历一段时间的数据时代。而目前并不是所有领域，所有问题都有那么充分的数据。如何产生比较好的数据，如何储存这些数据，如何用现有技术分析这些数据，如何开发出新的方法解决现有问题等等，都是未来值得研究和探讨的问题。

PS:

刚才和办公室同事探讨了很久，发现研究软件技术的人，研究无线通信技术的人也开始关注人工智能和深度学习。希望未来能有更多的内容分享给大家。

参考文献：

[1] Gao, Xun, and Lu-Ming Duan. Efficient representation of quantum many-body states with deep neural networks. Nature Communications 8, Article number: 662 (2017). doi:10.1038/s41467-017-00705-2

[2] Yashar D. Hezaveh, Laurence Perreault Levasseur, and Philip J. Marshall. Fast automated analysis of strong gravitational lenses with convolutional neural networks. Nature, 548, 555–557, 2017.

[3] Chen, B.-C. et al. Lattice Light Sheet Microscopy: Imaging Molecules to Embryos at High Spatiotemporal Resolution . Science, 346, 1257998/1-1257998/12 (2014).