棋棋书网

深度学习：从“机器学东西”到“ai能干活”的底层逻辑（第4页）

- 自动驾驶的“眼睛”：现在很多汽车有“辅助驾驶”功能，比如自动跟车、车道保持、识别红绿灯——汽车的摄像头、雷达就是“眼睛”，深度学习则是“大脑”，实时识别“前面是车还是人”“红绿灯是红还是绿”“有没有压线”。

3. 上班期间：深度学习帮你“省时间”

- 邮件的“垃圾邮件过滤”：你打开邮箱，垃圾邮件自动进回收站，是因为深度学习分析邮件的标题、内容、发件人，判断“这是不是垃圾邮件”（比如含“中奖”“贷款”关键词的邮件，大概率被过滤）。

- 文档的“智能翻译”：你用微信或谷歌翻译，把英文文档翻译成中文，准确率越来越高——这是深度学习分析大量的双语对照数据，学会“英文单词对应中文意思，英文句子对应中文语法”。

- AI办公工具的“自动生成”：比如你用“讯飞星火”“文心一言”，输入“写一份产品推广方案的框架”，AI能立刻生成——这是深度学习学习了 millions 份办公文档，知道“推广方案该有目标、渠道、预算、时间节点”。

4. 中午吃饭：深度学习帮你“选好吃的”

- 外卖软件的“推荐菜品”：你打开美团、饿了么，首页推荐的都是你爱吃的（比如你常点川菜，就推火锅、烤鱼）——这是深度学习分析你的点餐记录、浏览记录，判断“你的口味偏好”，精准推荐。

- 餐厅的“智能点餐系统”：有的餐厅用AI点餐，你说“我想吃辣的、带肉的”，系统会推荐“水煮鱼、辣子鸡”——这是深度学习理解你的语音需求，匹配菜单数据。

5. 晚上回家：深度学习帮你“放松”

- 视频软件的“推荐剧集”：你打开抖音、快手、 Netflix，刷到的都是你喜欢的内容（比如你爱刷宠物视频，就推猫咪、狗狗的短视频）——这是深度学习分析你的观看时长、点赞、评论，算出“你对哪种内容感兴趣”。

- AI修图工具的“美化照片”：你用醒图、美图秀秀，一键“磨皮、瘦脸、调滤镜”，效果很自然——这是深度学习学习了大量的“原图和修图后图片”，知道“哪里该磨皮、哪里该瘦脸，才不显得假”。

这章没有结束，请点击下一页继续阅读！

- 智能家居的“智能控制”：你说“打开客厅灯、把空调调到26度”，智能家居能执行——这是深度学习识别你的语音指令，对应到具体的设备控制。

除了这些日常场景，深度学习还在“帮大忙”：比如医疗领域，它能分析CT影像，比医生更早发现肺癌的早期迹象；比如气象领域，它能分析卫星数据，更准确地预测台风、暴雨；比如农业领域，它能通过无人机航拍，判断庄稼的长势，哪里需要浇水、哪里有病虫害。

可以说，现在的深度学习，已经从“实验室里的技术”变成了“生活里的工具”，你可能没意识到，但它一直在帮你解决问题、节省时间。

五、深度学习不是“万能的”：它有三个“致命缺点”，至今没完全解决

虽然深度学习很厉害，但它不是“无所不能”，就像人有缺点一样，它也有三个绕不开的“硬伤”，这些问题也是现在AI领域的科学家们正在努力解决的。

1. 缺点一：“没数据就活不了”——数据是它的“粮食”，没粮食就饿肚子

深度学习最依赖的就是“数据”，没有足够多、足够好的数据，它就“学不会东西”。比如你想让机器学“识别一种 rare（稀有的）疾病的CT影像”，但这种疾病的患者很少，全世界只有100例，能拿到的CT影像只有200张——这么少的数据，机器根本学不到规律，判断准确率可能还不如普通医生。

而且它需要的“数据量”往往大得惊人：比如训练ChatGPT，用了几十TB的数据（1TB等于1000GB，相当于几十万部电影的容量）；训练一个自动驾驶模型，需要模拟几千万公里的路况数据。