是否存在通用的神經(jīng)網(wǎng)絡(luò)模型，可以處理圖像，語音以及NLP？對于目前的深度學(xué)習(xí)模型來說，盡管深度學(xué)習(xí)的一個目標(biāo)是設(shè)計(jì)能夠處理各種任務(wù)的算法，然而截至目前深度學(xué)習(xí)的應(yīng)用仍然需要一定程度的特化，還沒有通用的

是否存在通用的神經(jīng)網(wǎng)絡(luò)模型，可以處理圖像，語音以及NLP？

對于目前的深度學(xué)習(xí)模型來說，盡管深度學(xué)習(xí)的一個目標(biāo)是設(shè)計(jì)能夠處理各種任務(wù)的算法，然而截至目前深度學(xué)習(xí)的應(yīng)用仍然需要一定程度的特化，還沒有通用的神經(jīng)網(wǎng)絡(luò)處理模型。不過各個模型也在互相借鑒，彼此融合，共同提高，象有些創(chuàng)新能同時改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)，比如批標(biāo)準(zhǔn)化與注意力等。通用的模型還有待未來研究提出。

圖像和視頻處理，計(jì)算機(jī)視覺，目前最流行的是cnn，即卷積神經(jīng)網(wǎng)絡(luò)，及其變形和發(fā)展，cnn適合處理空間數(shù)據(jù)，在計(jì)算機(jī)視覺領(lǐng)域應(yīng)用廣泛。象陸續(xù)出現(xiàn)的ＡｌｅｘＮｅｔ，ＶＧＧＮｅｔ，ＧｏｏｇＬｅＮｅｔ，ＲｅｓＮｅｔ等都很有特色。以上幾種模型是圖像分類識別使用的。象圖像分割，目標(biāo)檢測等還有更多針對性模型提出和得到廣泛應(yīng)用。

語音處理，2012 年前，最先進(jìn)的語音識別系統(tǒng)是隱馬爾可夫模型(HMM) 和高斯混合模型(GMM) 的結(jié)合。目前最流行的是深度學(xué)習(xí)的RNN循環(huán)神經(jīng)網(wǎng)絡(luò)，及其發(fā)展長短時記憶網(wǎng)絡(luò)LSTM，以及GRU，雙向RNN，分層RNN等。

自然語言處理，除了傳統(tǒng)方法，目前深度學(xué)習(xí)用于自然語言處理的模型經(jīng)歷了基于CNN的模型，基于RNN的模型，基于Attention機(jī)制的模型，基于Transformer的模型等幾個發(fā)展階段。NLP有很多模型和方法，不同的任務(wù)場景有不同的模型和策略來解決某些問題。

智能醫(yī)療產(chǎn)業(yè)有哪些應(yīng)用典型案例？

運(yùn)用人工智能技術(shù)識別及分析醫(yī)療影像，幫助醫(yī)生定位病癥分析病情，輔助做出診斷。這是屬于目前較為典型的一個案例。

具體來說，人工分析的缺點(diǎn)很明顯，第一是不精確，只能憑借經(jīng)驗(yàn)去判斷，很容易誤判。第二是缺口大，放射科醫(yī)師數(shù)量增長遠(yuǎn)不及影像數(shù)據(jù)增長。

醫(yī)療影像行業(yè)的人工智能實(shí)現(xiàn)流程大致為：影像數(shù)據(jù)的預(yù)處理—>樣本清洗、打標(biāo)簽à模型搭建及訓(xùn)練調(diào)試à大規(guī)模數(shù)據(jù)的訓(xùn)練、驗(yàn)證得到深度學(xué)習(xí)網(wǎng)絡(luò)模型，以上流程為人工智能的線下訓(xùn)練過程，最終輸出為深度學(xué)習(xí)模型。接著就可以用用生成的模型進(jìn)行線上預(yù)測或輔助判斷。

浪潮提供醫(yī)療影像端到端人工智能解決方案，如下圖所示，實(shí)現(xiàn)如下三個功能。

（1） 樣本數(shù)據(jù)預(yù)處理。醫(yī)院各個檢驗(yàn)科如CT，BT，CR等，把醫(yī)療影像數(shù)據(jù)從終端設(shè)備通過萬兆/IB網(wǎng)絡(luò)，傳輸?shù)讲⑿写鎯χ校瑪?shù)據(jù)預(yù)處理CPU平臺（多個雙路CPU服務(wù)器NF5280M5組成的集群）從存儲中讀取數(shù)據(jù)，運(yùn)行邊緣檢測分割、區(qū)域增長分割、種子算法等程序，獲取目標(biāo)數(shù)據(jù)，然后打標(biāo)簽形成訓(xùn)練樣本庫，存放到并行存儲中。CPU程序的管理、調(diào)度、監(jiān)控將由統(tǒng)一管理平臺AIStation完成。

（2） 模型訓(xùn)練。模型訓(xùn)練GPU集群（配置單機(jī)8卡GPU服務(wù)器，如NF5288M5）將讀取訓(xùn)練樣本庫數(shù)據(jù)從并行存儲中，并加載CNN模型，運(yùn)行深度學(xué)習(xí)框架，如TensorFlow，Caffe，Mxnet等對初始模型進(jìn)行訓(xùn)練，經(jīng)過對大量數(shù)據(jù)樣本的學(xué)習(xí)訓(xùn)練生成最終模型。訓(xùn)練中涉及多個訓(xùn)練任務(wù)的提交，其資源管理、調(diào)度、監(jiān)控將由統(tǒng)一管理平臺AIStation完成。

（3） 模型應(yīng)用。在醫(yī)院醫(yī)生科室將部署醫(yī)生輔助診斷服務(wù)器P8000（臺式服務(wù)器，配置多塊P4或FPGA卡），訓(xùn)練好模型將被加載到P8000上。檢驗(yàn)科發(fā)送影像到P8000上，P8000進(jìn)行識別，快速實(shí)現(xiàn)智能化診斷。

小米10Pro人臉識別，為什么捂著臉戴著口罩也能解鎖？

第一，2D人臉?biāo)惴ㄊ切∶自趇PhoneX發(fā)布之前就推送了的，雖然是2D的安全性差一點(diǎn)，但是首次采用到手機(jī)解鎖上還是非常早的。

第二，人臉?biāo)惴ㄊ峭ㄟ^AI人工智能檢測面部結(jié)構(gòu)進(jìn)而進(jìn)行核對解鎖的，面部解鎖主要看人臉的四個點(diǎn)分別是兩只眼睛一個鼻子和一個嘴巴，而中心點(diǎn)是眼睛，其實(shí)大家應(yīng)該知道，閉著眼睛是無法解鎖手機(jī)的，也就是說當(dāng)你遮擋住面目除眼睛以外的其他部分時，通過手機(jī)AI算法深度學(xué)習(xí)分析以后也是可以識別出你來的。

第三，當(dāng)前面部識別3D相較于2D安全性高一些，因?yàn)?D人臉識別是平面識別，因此用有時候甚至用照片都可以解鎖手機(jī)，故而2D人臉識別只用于解鎖手機(jī)，而不會用于支付，3D人臉識別需要手機(jī)打出3D結(jié)構(gòu)光，進(jìn)而識別人臉的3D輪廓，這種輪廓可以說是獨(dú)一無二的，因此安全性非常高，但并不意味著絕對安全，有些相似度極高的同卵胞胎，也是可以互相解鎖手機(jī)的。