计算机视觉CV和 NLP 领域日益融合

了解复杂的交通行为

驾驶是一个过程，涉及与其他驾驶员和行人的复杂互动。例如，如果骑自行车人打算转弯，那么他或她将做出手势示意，以通知附近的其他驾驶员。然后，驾驶员可以放慢其车辆的速度，从而允许骑自行车的人转弯。人类依赖于通用智能来进行这种社交互动。而且，通过深度学习，自动驾驶汽车现在很有可能与其他驾驶员和行人进行社交互动。深度学习神经网络可以帮助自动驾驶汽车检测其他驾驶员和行人给出的导航信号，并采取适当措施避免发生任何碰撞。

在极端天气条件下检测招牌

自动驾驶汽车面临的另一个主要挑战是极端天气条件。尽管这是任何技术都无法完全解决的环境挑战，但深度学习可以解决极端气候下的问题。例如，在降雪期间，道路上的招牌可能会被雪覆盖。而且，降雪后的一段时间内，招牌可能仅部分可见。使用其他AI算法，自动驾驶汽车将很难理解招牌上的半个标志。但是借助神经网络进行的深度学习可以从招牌上的部分可见标志创建完整标志的图像。神经网络将不完整的符号发送到神经层，然后将其传递给隐藏层，以确定完整的符号应该是什么。基于输出，神经网络可以根据招牌上的标志做出决策。

寻找最短的旅行路线

地球上的所有动物，包括人类在内，都可以在周围环境中导航并灵活地探索新区域。由于神经回路的空间行为，它们的导航成为可能。动物的大脑通过在规则的六边形网格中绘制周围环境来导航。这些六角形图案有助于导航，类似于地图中的网格线。神经模式支持基于矢量的导航的假设。基于矢量的导航使大脑可以计算到所需位置的距离和方向。

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。

深度学习本身还需要克服诸多挑战

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最高级最智能的交通工具，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。
 

社会之声指标很重要

•到2024年，30%的大型组织将使用社会之声（voice of society）这个新指标来处理社会问题，并评估对公司业绩带来的影响。

“社会之声”是社区中所有人的共同观点——倡导公正平等的代表权，并呼吁恪守道德价值观，从而竭力取得所有人都可以接受的结果。

组织必须考虑社会如何影响公司业绩，它们有责任减少或杜绝对种族和道德问题充耳不闻的做法，不然可能有损业绩。

情绪分析员、媒体指标数据以及社会贡献指标在2021年将很重要，而舆论指标如今与点击分析一样可靠。组织需要能够衡量人们所说的内容，并利用可结合的解决方案迅速做出反应。

在岗育儿吸引员工

•到2023年，大型组织会将办公场所改造成在岗照顾和教育孩子的设施，从而将员工保留率提高20%以上。

员工们对照顾孩子的需求仍没有得到满足，新冠疫情对现有的托儿中心数量的影响不可低估。Gartner预测到2021年初，20%的私立托儿中心会永久关闭，因而缺少有资质的托儿机构。这对职场女性的影响将尤其严重。

便利的在岗育儿可以提高员工保留率、敬业度和生产力。此外从长远来看，不必在育儿和工作之间进行选择可能会让更多的女性走上领导岗位。提供在岗育儿服务的组织会吸引更多的求职者。随着公司企业纷纷采用远程工作模式，这也是利用空置办公室场地的一种有效方法。

恶意内容大行其道

•到2024年，30%的大型组织会调查面向用户生成内容的内容审核服务，将此作为CEO的一项首要任务。

从社交媒体到零售商平台，任何在网上开展业务的组织都面临这一挑战：如何处理恶意内容。品牌广告商必须消除两极分化的内容，起码兼顾受众的各种观点。最终会出现内容审核方面的行业标准，但在此期间，CIO必须致力于内容审核服务、执行和报告。

（编辑：桂林站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!