图像识别翻译app推荐（图像翻译技术）
原标题：机器翻译、图像识别、无所不能的深度学习将如何影响我们的生活？
在过去的四年里，读者无疑注意到了各种日常技术在质量上的巨大突破。最明显的是我们智能手机上的语音识别能力比以前好得多。
事实上，我们越来越多地通过语音与计算机进行交互，无论是亚马逊的Alexa、苹果的Siri、微软的Cortana 还是谷歌的许多语音响应功能。百度表示，过去18 个月里，百度语音界面的用户使用量增加了两倍多。
机器翻译和其他形式的语言处理也变得越来越有吸引力，谷歌、微软、Facebook 和百度每个月都会发布新功能。谷歌翻译现在支持32种语言对的句子语音翻译，以及103种语言的文本翻译，包括宿务语、伊博语和祖鲁语。谷歌的收件箱邮件应用程序还为许多传入的电子邮件提供了三个现成的回复。
图像识别也取得了长足的进步。谷歌、微软、Facebook 和百度都拥有允许您在不识别标签的情况下搜索或排序照片的技术。例如，您可以要求提供所有与狗、雪甚至抽象事物（例如财产）相关的照片。这些公司正在开发原型，可以在很短的时间内生成长句子的照片描述。
想象一下收集狗的照片，应用程序必须识别吉娃娃和德国牧羊犬等品种，识别小狗何时倒置或有些模糊，并确定它是在照片的左侧还是右侧。还可以识别各种天气条件下的小狗，例如雾天、雪天、晴天和阴天。同时，它需要排除狼和猫，因为它们与狗有一些相似之处。
图像识别技术的进步不仅仅局限于炫酷的社交应用程序。医疗保健初创公司声称，他们很快就能使用计算机比放射科医生更快、更准确地读取X 射线、MRI 和CT 图像；他们还将能够更早、更无创地诊断癌症，并加速救生药物的开发。更好的图像识别技术对于改进机器人、无人机和自动驾驶汽车至关重要。福特、特斯拉、优步、百度和谷歌都已经在路上测试自动驾驶汽车的原型。
然而，大多数人并不知道所有这些突破本质上都是相同的突破。它们都是通过一种叫做深度学习的人工智能（AI）技术来实现的，但很多科学家仍然喜欢用它原来的学术名称来称呼它：深度神经网络。
神经网络最引人注目的一点是，没有人对计算机进行编程来执行上述任何技术功能。事实上，没有人能做到这一点。相反，程序员向计算机引入学习算法，向其提供大量数据（无数照片或大量语音样本），然后对其进行训练，使其了解如何自行识别物体、单词或句子。
简单来说，这种计算机具有自我学习的能力。本质上，您拥有软件并自己编写软件。领先的图形处理公司英伟达首席执行官黄仁勋指出。该公司五年前开始大力投资深度学习技术。
神经网络并不是一个新概念。这个概念可以追溯到20 世纪50 年代，而许多重要的算法突破发生在20 世纪80 年代和90 年代。与那时不同，今天的计算机科学家终于可以利用强大的计算能力和大量的数据（分散在互联网上的图像、视频、音频和文本文件），这两者对于神经网络的良好运行至关重要。风险投资公司Andreessen Horowitz合伙人Frank Chen指出，这是深度学习的寒武纪大爆发。
掀起震撼
这一巨大的发展刺激了许多活动。根据市场研究公司CB Insights 的数据，人工智能初创公司上季度筹集了超过10 亿美元的股权融资，创历史新高。 CB Insights指出，2016年第二季度，此类初创企业共进行了121轮融资，远高于2011年同期的21轮。2011年至2016年，此类初创企业融资总额超过75亿美元，其中超过60亿美元来自2014年以后。（9月底，AI领域五家领先者——亚马逊、Facebook、谷歌、IBM和微软——联合成立AI非营利合作社组织促进公众对人工智能的理解并开展道德和最佳实践研究。）
2012年，谷歌只有两个深度学习项目。但现在，据公司发言人透露，此类项目的数量已超过1000个，涵盖了谷歌所有主要产品，包括搜索、Android、Gmail、翻译、地图、YouTube和自助服务。驾驶汽车。 IBM 的Watson 系统出现在2011 年问答节上
当前的“危险！”战胜两位人类冠军使用了人工智能技术，但没有使用深度学习。但现在，Watson 首席技术官Rob High 表示，Watson 的30 种组件服务几乎全部都通过深度学习技术得到了增强。
五年前还不了解深度学习的风险投资者现在对不具备该技术的初创公司持谨慎态度。陈弗兰克表示，我们正处于一个必须开发先进软件应用的时代。他说，很快人们就会问你：你的自然语音处理版本是什么？我如何与您的应用程序对话？因为我不想操作那些菜单。
一些公司已经将深度学习融入到他们的日常运营中。