的成功让人工智能的“深度学习”概念敏捷遍及，而首先打破“机器学习”、过渡到“深度学习”的节点便发生在图画辨认范畴。依据安全证券的《通讯职业人工智能图画辨认专题陈述》，图画辨认分为生物辨认、物体与场景辨认和视频辨认。据预算，到

　　在各式的场景运用中，当下以人脸辨认最为遍及，而且机器现已高于人类的辨认才干。在三周前的《最强大脑》中，百度首席科学家吴恩达带着小度机器人和人类选手比拼，在人脸辨认项目以3：2制胜。可是，在联想和知识了解的才干上，图画辨认远未能和人类比肩，相关公司正在活跃切入笔直职业运用中。

　　图画辨认背面的技能便是新的机器学习方法，即深度学习。详细来说，在数据的根底上，核算机主动生成特征量，而非人为设置特征量，然后核算机依据这些特征量来进行分类。“比较2012年时的技能，这些年图画辨认再次日新月异，”数相科技CEO邓立邦告知21世纪经济报导记者，“从技能视点来说，入门简单，从0做到40、60分相对门槛较低，要提高到90分就需求深沉的模型。”

　　图画辨认技能的敏捷落地有多方面原因，一方面，许多大企业现已开源了根本东西，邓立邦谈道：“就人脸辨认来说，有许多学术组织现已做了适当长期的研讨，发了许多论文，论文也现已接入到实践的运用中。可是人脸之外，例如心情仍旧是比较难的论题。”另一方面，产业链的更新迭代也为图画技能打下根底。安全证券的陈述中说到，高性能的AI核算芯片、深度学习算法都是推进图画辨认开展的要素。其间，AI底层架构从CPU+GPU到FPGA，再到人工智能专用芯片，运转体现不断改写，现在英伟达的DGX-1芯片在程序运转速度上比旧版GPU加快解决计划快12倍。

　　图普科技方面也告知记者，近年来，得益于核算机速度的提高、大规模集群技能的鼓起、GPU的运用以及很多优化算法的呈现，耗时数月的练习进程可缩短为数天乃至数小时，深度学习才逐步可用于工业化。

　　虽然还未到达真实的人工智能，但日渐老练的图画辨认技能已开端探究各类职业的运用。此前图普科技CEO李明强就告知记者，现在重要的是将人工智能切入到详细职业中，在笔直职业中获取和办理大数据。

　　据悉，在美容整形职业，图画辨认技能现已得到运用。美智荟体系根据人工智能人脸辨认算法，主动在线生成个人求美计划，现已推行到多个美容整形组织供客户运用，这比较于传统需求线下进行面咨等杂乱过程才干构成一套求美计划，省去了医美组织的不少人力物力，也大大提高了潜在求美者的主动性。