聚焦2016：關于語音識別、圖像識別及大數據

　　深度學習

　　沒有基礎的技術實力，語音和圖像是好玩不起來的，而高級和低級的門檻就在深度學習的研究上。國內雖然起步較晚，好歹在去年趕上了這波風潮，包括圖像識別和語音識別在內，還有自動駕駛、無人機、環境還原、機器人等項目，前段時間很火的谷歌AlphaGo在圍棋領域擊敗了歐洲二段冠軍，也是歸功于深度學習的算法支持?？梢哉f跟用戶有交互行為的產品，都開始進行深度學習AI的研究了。通過神經網絡的訓練學習，語音識別變得更聰明， 實現快速精準的識別動作以外，還能對下一句的語境情緒進行預測，模擬真人對話。另外，語音識別大量運用在翻譯市場，爭取未來十年內在專業翻譯領域完全替代人類。圖像識別過去大多是建庫識別，深度學習釋放了圖像識別的識別領域，把識別對象的年齡變化記憶下來，實現動態、多角度、不同光照變化下的識別。

　　應用領域

　　安防市場是要求語音和圖像識別技術雙高的行業之一，未來將不局限在解鎖開門等基礎功能，運用圖像識別技術，實現對象動作識別，根據威脅等級進行危險性判斷，提前發出警報或報警。語音識別的運用領域將超高端化發展，近年來語音識別速度屢創新高，在翻譯市場、智能硬件助手、AI輔助，行車幫助等等方面實現價值。而娛樂領域的玩法變得多元化，像最近大熱的faceu，運用了臉部識別跟蹤技術，讓普通的自拍可以DIY。還有video++視頻開放平臺，可以對視頻中的明星、衣服同款進行識別搜索，打開了視頻到電商的入口。乘著去年SaaS的風口，國內外陸續出現了語音識別、圖像識別的技術開放平臺，從專業到普通領域，語音識別和圖像識別將在2016年做到技術全覆蓋。

　　大數據

　　數據收集是一個從被動到主動的過程，語音識別從接受指令變成了對指令使用頻率的分析，進而形成用戶的習慣圖表。圖像識別亦然，針對用戶的識別頻率，分析出用戶的興趣畫像，這將給予廣告主帶來精準廣告推送的商機?！　?/p>