nlp里面的深度学习技术（深度学习概述NLPvs）

nlp里面的深度学习技术（深度学习概述NLPvs）自然语言处理 – NLP本文在以下部分列出了人工智能领域当前最热门的技术以及正在研究这些热门技术的公司。看了这些创新之后，准备好大吃一惊吧。如果你想对这些技术作进一步的探索，你可以从这里开始。以下为译文：当今，人工智能已经不仅仅是一个技术术语了。这项技术在过去十年的时间内几乎将其影响扩展到了所有行业。现在，每家公司都希望在其系统中实现这一尖端技术，以降低成本、节省时间，并通过自动化使整个工作流程更加高效。最初的人工智能和深度学习算法比较简单，就像我们所知的简单感知器模型和单层神经网络一样。随着时间的推移和更加专注的研究，我们已经拥有了具有多层结构的复杂神经网络。一些公司在他们的软件和服务中使用了LSTMs、GANs、变分自编码器等算法。

作者 | Manish Kuwar

译者 | 苏本如，责编 | 郭芮

头图 | CSDN 下载自视觉中国

出品 | CSDN（ID：CSDNnews）

以下为译文：

当今，人工智能已经不仅仅是一个技术术语了。这项技术在过去十年的时间内几乎将其影响扩展到了所有行业。现在，每家公司都希望在其系统中实现这一尖端技术，以降低成本、节省时间，并通过自动化使整个工作流程更加高效。

最初的人工智能和深度学习算法比较简单，就像我们所知的简单感知器模型和单层神经网络一样。随着时间的推移和更加专注的研究，我们已经拥有了具有多层结构的复杂神经网络。一些公司在他们的软件和服务中使用了LSTMs、GANs、变分自编码器等算法。

本文在以下部分列出了人工智能领域当前最热门的技术以及正在研究这些热门技术的公司。看了这些创新之后，准备好大吃一惊吧。如果你想对这些技术作进一步的探索，你可以从这里开始。

自然语言处理 – NLP

自然语言处理（Natural Language Processing - NLP）是人工智能研究的热点之一。NLP处理语言（文本数据）并执行诸如翻译、音译、语义分析、聊天机器人开发、文本拟态、文本转语音等任务。在当前的场景中，NLP对组织非常重要，因为它通过自动化过程和减少人工干预而提升了客户支持。

除此之外，NLP技术也被用于基于对从社交媒体平台挖掘的文本进行语义分析而开发营销策略。然而NLP的难点在于，大多数NLP算法都是基于复杂的深层神经网络，如RNNs、LSTMs和GRUs。为了让自己有一个基本的印象，你可以把它们看作是我们先前提到的基于数据输入（即记忆）的传统神经网络。

Dialogflow和Moveworks是基于NLP技术的两家领先公司。让我们简单地看一下这两家公司的情况。

Dialogflow

Dialogflow公司是谷歌的一家子公司，它专注于NLP技术的最新研究以及与之相关的模块、API和平台的开发。你可以将Dialogflow公司提供的服务集成到Amazon Alexa、Siri、Cortana，当然还有Google Home中。Dialogflow的服务使用长短期记忆神经网络（LSTM）和递归神经网络（RUN）来执行与文本和语言相关的任务。Dialogflow以其聊天机器人（chatbot）服务而闻名。

除此之外，像Dominos、Mercedes、Giorgio Armani这样的公司正在借助Dialogflow服务在其系统中嵌入聊天机器人和文本到语音服务。你可以轻松阅读Dialogflow的服务文档，并在几分钟内在你的网站/移动应用程序上准备好自己的聊天机器人。

Moveworks

Moveworks是一家总部位于加州山景城（加州Mountain View）的价值2亿美元的公司。它是由Bhavesh Shah、Jiang Chen、Vaibhav Nivargi和Varun Singh联合创建的。每一个聊天机器人和NLP产品都是基于递归神经网络（RNN）或其后继技术。Moveworks服务也不例外，它的服务的核心也是基于其自定义的递归神经网络和基于相关数据训练的LSTM网络。

Moveworks为企业提供客户支持自动化和NLP解决方案。它曾服务于Nutanix、Autodesk和Western Digital等巨头。如果你想减少IT支持并使其自动化以节省成本，那么强烈建议你考虑Moveworks。

卷积神经网络 - CNNs

卷积神经网络（CNNs）是应用最广泛的深度学习算法。CNN算法本来是对传统神经网络的一个小小的改进，它进而发展成为人工智能领域的一个革命性概念。今天，CNNs技术已经被广泛地应用于目标检测、人脸识别、计算机视觉和预测技术。

卷积神经网络涉及到深层神经网络中层的堆叠，并在其中对输入图像进行填充、卷积、缩放等操作。CNNs最棒的部分是将图像转换成数组（几乎类似于一维矩阵），然后再进行数学运算，最终得到所需的输出。要实现CNN，你只需要大量的数据和一台计算机来训练你的人工智能模型。下面是几家专注于计算机视觉和CNNs技术研究的公司。

Matterport

当Matterport公司的研发团队发表了一篇关于Mask RCNN的论文时，它引起了人们的注意。这家总部位于加州Sunnyvale的公司，是计算机视觉产品的赞助人之一。此外，他们还开发了一种高效的计算机视觉目标检测算法（Mask-RCNN），它是Fast RCNN和Faster RCNN的后继算法。Mask-RCNN使用边界框坐标和masking技术来识别已训练模型中的对象。除了目标检测之外，Matterport的Mask RCNN技术还被用于视频呼叫应用程序中来更改背景。

今天，Matterport已经将增强现实技术与深度学习结合起来，并发明了现代最好的三维相机之一。Matterport生产的三维相机，可以用来可视化房屋结构，提供虚拟参观，并显示一个令人愉快的平面图。

Neurala

这家位于波士顿的机器学习和软件开发公司迎合了寻求过程自动化和计算机视觉解决方案的组织的需要。Neurala模型已经被用在了全球超过5 000万台设备上。CB Insights已将Neurala评为“100家最有前途的人工智能公司”。多亏了它的那些拥有博士学位的创始人，他们让Neurala的人工智能软件在包括智能手机在内的各种轻型设备上运行。这些软件在各种设备上提供服务，包括个人电脑、智能手机、无人机、机器人和智能设备。

这些是可能可以帮助你建立基于人工智能系统的最可靠和最好的公司。在盲目信任互联网上的任何公司之前，强烈建议你先查看这些公司，它们可能可以帮助你降低成本，并为你提供最先进的服务。

原文：https://hackernoon.com/a-deep-learning-overview-nlp-vs-cnn-8gcj3222

☞AI 终极问题：我们的大脑是一台超级计算机吗？

☞屏保壁纸引发血案，三星手机瞬间变砖

☞可怕！CPU 竟成了黑客的帮凶！

☞如何用NLP辅助投资分析？三大海外机构落地案例详解

☞这 10 个云计算错误，会让你的业务一蹶不振！

☞好扑科技结合区块链行业发展趋势，重磅推出“好扑区块链合伙人”计划