4.3.5 深度学习主要应用领域
近几年，深度学习的兴起主要是有以下几个领域通过深度学习帮助计算机解决了以前无法解决的问题。
（1）计算机视觉：计算机视觉是使用软件来理解图像和视频内容的科学，这是深度学习取得巨大进展的领域之一。比如在医学中，深度学习图像处理算法可以检测癌症，并帮助诊断其他疾病。近几年，深度学习也是我们每天使用的许多应用程序中的基础。例如，Apple的Face ID使用深度学习实现人脸解锁；Google Photos使用深度学习来搜索各种功能，如搜索对象和场景以及校正图像；Facebook使用深度学习自动标记您上传的照片中的人物；支付宝推出了人脸支付等；深度学习还可以帮助社交媒体公司自动识别和阻止可疑内容，如暴力和裸露内容。最后，深度学习在自动驾驶汽车领域中有关理解周围环境方面发挥着非常重要的作用。
（2）语音和语音识别：当您向Amazon Echo智能扬声器或Google智能助理发出命令时，深度学习算法会将您的语音转换为文本命令。一些在线应用程序使用深度学习来转录音频和视频文件。谷歌最近发布了一款设备上实施Gboard语音转录智能手机应用程序，该应用程序使用了深度学习。国内的百度语音助手也随处可见。
（3）自然语言处理（NLP）和生成（NLG）：提取非结构化文本含义，一直是传统软件的痛点。用计算机规则定义书面语言的所有不同细微差别和隐藏含义几乎是不可能的。但是在大型文本上训练的神经网络可以准确地执行许多NLP任务。智能扬声器使用深度学习NLP来理解命令的各种细微差别，如以不同的方式询问智能扬声器天气或方向。深度学习在生成有意义的文本方面也非常有效，也称为自然语言生成。Gmail的智能回复和智能撰写使用深度学习来帮助电子邮件的相关回复和完成句子的建议。OpenAI开发的文本生成模型创建了长篇连贯文本。