gydtep

深度学习是机器学习的一个子集，它使用人工神经网络来模仿人脑的复杂功能。深度学习可以在没有任何人工干预的情况下更准确地对对象进行分类。

gydtep

尽管自动驾驶汽车有很多好处，但仅凭深度学习就无法使自动驾驶汽车成为高级智能的交通工具，因为阻碍自动驾驶汽车走向主流发展的障碍很多。借助深度学习，检测对象的准确性确实会提高，但要付出大量数据的代价。基于数据表示的深度学习功能。

gydtep

可以使用基于矢量的导航功能来训练深度学习神经网络，以找到从点A到点B的最短路径。通过将动物大脑使用的相同网格线模式嵌入第一层，深度学习可以计算距离和到达目的地的方向。具有基于矢量的导航和深度学习功能的自动驾驶汽车还可以检测到任何新近可用的快捷方式的存在，以减少出行时间。

gydtep

尽管自动驾驶汽车有很多好处，但仅凭深度学习就无法使自动驾驶汽车成为高级智能的交通工具，因为阻碍自动驾驶汽车走向主流发展的障碍很多。借助深度学习，检测对象的准确性确实会提高，但要付出大量数据的代价。基于数据表示的深度学习功能。数据在神经网络的不同层上表示，然后根据数据模式导出输出。由于深度学习的完整功能是基于数据的，因此与其他AI算法相比，训练神经网络需要更多数据，因此很难创建用于训练它们的数据集。而且，收集训练神经网络所需的数据也非常耗时。

gydtep

使用深度学习神经网络的另一个挑战是它们的黑匣子问题。如果程序做出了决定，则程序员可以撤消该决定，以找出程序做出该决定的原因。但是，深度学习不是可追溯的系统，而是在隐藏层中处理数据。开发人员只能找到输入到神经网络的数据及其输出。但是，他们无法找出隐藏层中进行了哪些处理来做出决定。因此，很难知道深度学习网络失败的原因，因为没有人可以追溯到发生失败的地方。

gydtep

有时，深度学习网络甚至无法实现其本来打算完成的任务。神经网络很难像在不同的视频帧中一样在小图像变换中进行概括。例如，根据一项研究，深卷积网络将狒狒或猫鼬标记为相同的北极熊，具体取决于背景的微小变化。

gydtep

科幻小说和流行文化通常对人工智能(AI)技术有着大胆的预测和描述。电影、电视和书籍总是强调人类的工作有朝一日可能会被人工智能所取代。这样的描述并没有鼓励人工智能技术的积极发展，也并不准确。事实上，人工智能技术在流行文化中的普及使公众对人工智能技术的应用和功能的看法变得有些偏颇。

gydtep

尽管对于幻想转换成现实可能漠不关心，但越来越多的消费者群体将会赞赏智能家居技术的成功应用，并密切关注自动驾驶汽车的发展。因此这需要充分进行宣传和推广，并呼吁人工智能开发商能够提供更多的实用解决方案。不仅如此，开发人员还需要清楚地考虑消费者的需求，即使在流程的开始阶段。

gydtep

值得注意的是，很多人仍然不了解人工智能，也不知道人工智能无处不在。其实消费者每天都在与人工智能交互，他们没有意识到预订交通工具、选择电视剧或手机技术都在采用人工智能技术。这是需要改变的现状。

gydtep

每一个发布版本必须对应一个唯一的发布 ID,一旦发布就不可修改，任何的变动都应该产生一个新的发布版本。另外，发布管理工具需要能方便的回退至较旧的发布版本。