在澳大利亚的西海岸，阿曼达·霍奇森正在向印度洋海域投放无人机，科学家们希望借此方式来对珀斯附近海域现存儒艮或海牛数量进行统计，以防止这些濒危海洋哺乳动物的灭绝。

　　不过麻烦的是，霍奇森和她的团队没有时间来筛查所有的航拍照片。毕竟靠肉眼从大约45000张照片中发现儒艮绝非易事，她的解决之道把这项工作交给深度神经网络来完成。

传说中的美人鱼——儒艮

　　神经网络作为一种机器学习模型，它不仅可以识别你发布到Facebook上各种照片的人物面孔，也能让你更加轻松地访问你的Android手机。

　　神经网络算法通过扫描分析大量的数据，在类似于人脑的神经元网络中建模，通过不断地让模型对输入数据进行机器训练，从而得到符合逻辑的运算输出。

　　现在，默多克大学海洋生物学家霍奇森正在使用这一技术，在数万张开放水域的无人机航拍照片中寻找儒艮。目前，由谷歌开发的开源深度学习系统TensorFlow是这一技术得以推广的重要平台。

　　正如霍奇森所说，从航拍照片中对儒艮的识别需要很高的精度，因为这些动物通常在水面以下进食，从空中看下去，就如同一团白色的水光或水面上的眩光。但现在，基于神经网络的识别技术可以把分布在海湾地区的儒艮识别精度提高到80%。

　　目前，虽然基于神经网络的深度学习技术依旧处于发展初期，但这并不能掩盖其过去一年在世界范围内带来的轰动和影响。其中，意义最为深远的莫过于去年的那场轰动世界的“人机大战”，人工智能AlphaGo并最终以大比分4:1战胜韩国棋手李世石。

　　继这场世纪博弈之后，谷歌、Facebook、微软和亚马逊这些互联网科技巨头们通过开源平台和云计算服务将这一人类科技的结晶迅速传播到世界各地。

新翻译

　　在过去几年中，Google Photos等应用通过神经网络技术对其图像识别功能进行了改善，并将Google Now和Microsoft Cortana等智能机器助理的语音识别精度提升到了一个新的高度。今年，他们实现了机器翻译质量的巨大跨越，可以自动将语音从一种语言翻译成另一种语言。

　　今年 9 月，Google推出了一项名为Google神经网络翻译的新服务，据谷歌方面称，这种新算法在进行某些语言之间翻译时，可以把误差率降低55％到85％。

　　Google通过为他们提供大量现有的翻译集合来训练这些神经网络。其中既包括旧版谷歌翻译中品质较差的翻译数据，也包括人类专家的翻译结果，并以这种高质量翻译数据居多。

　　对于深度学习算法而言，克服数据缺陷的能力是它最大的优势之一：只要给予足够的数据，即使数据有些缺陷，它也可以被训练出远超低水平的翻译水准。

　　作为Google服务部门的首席工程师，麦克舒斯特尔坦言，他们的创作远非完美，但它仍然是一个突破。

　　由于该服务完全基于深度学习，因此Google可以更轻松地继续开展相关的改进服务——它可以集中精力把系统作为一个整体去改进，atv，而不是像老式机器翻译服务那样只是去玩弄一些小部件。

　　与此同时，微软也正在朝着同一个方向发展。最近，微软翻译也发布了新版本，这个新系统几乎完全运行在神经网络上，可以实现九种不同语言之间的即时对话。

　　兼任该公司AI和科研小组负责人的微软副总裁哈里·舒姆说：“这意味着微软的机器翻译水平可能会更快地提高。”

新对话

　　2016年，深度学习技术开始向聊天机器人（ChatBots）领域进军。这其中最引人注目的便是Google 在今年秋天发布的Google Allo，它基于一种名为“Smart Reply”(智能回复)的谷歌早期技术，可以自动为您分析您收到的文本和照片，并立即建议应该如何答复对方。