朋友圈聊天会话都有新料！

在自动驾驶汽车中使用深度学习可以帮助克服各种挑战，例如了解行人的行为，找到最短的路线以及对人和物体进行准确检测。

根据一份报告，2018年约有80%的道路交通事故是由于人为错误造成的。因此，将自动驾驶汽车纳入主流的主要目标之一是消除对人类驾驶员的需求并减少道路致死率。使用自动驾驶汽车进行的实验无疑表明在一定程度上减少了道路伤亡人数。

但是，仍然有很多人经常看到有关自动驾驶汽车事故的新闻，例如Uber自动驾驶汽车事故在美国亚利桑那州撞死了一名行人。发生事故的原因据说是自动驾驶汽车无法准确检测和识别行人。为了很大程度地减少此类事故，需要对自动驾驶车辆进行大量的训练，以准确检测其路线中是否存在人员和任何其他物体，这就是深度学习的介入。自动驾驶汽车的深度学习可以帮助他们有效地分类和检测道路和周围环境中的人或物体。

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。例如，假设有两个人写数字九(9)，但是他们两个人都以不同的方式写数字(一个人写9，其他人写一个nine，底部没有清晰的曲线)。除非掌握了所有可能的写数字九的方法，否则深度学习网络以外的AI算法将很难检测到，尽管形状不同，但两个数字都代表九。借助深度神经网络进行的深度学习可以轻松地将两个数字都识别为9。深度学习准确地对不同对象进行分类的能力可以解决自动驾驶汽车面临的一些主要挑战。

自动驾驶汽车深度学习如何应对某些挑战

机器学习算法在训练自动驾驶汽车时面临特征提取的问题。特征提取要求程序员告诉算法他们应该寻找什么来做出决策。因此，机器学习算法的决策能力在很大程度上取决于程序员的洞察力。深度学习的功能有所不同，消除了特征提取的问题，从而使深度学习神经网络的检测和决策更加准确。深度学习可以提高检测道路上障碍物的准确性和更好的决策能力，可以帮助应对自动驾驶汽车面临的许多挑战。
 

农场和工厂面临自动化

•到2025年，客户将成为世界上最先接触到20%以上的产品和农产品的群体。

目前，许多人在产品和农产品到达最终目的地之前就接触到了，但是自动化工厂和农场很快将完成大部分工作，包括种植、采摘、包装和运输。新技术正在使大多数流程实现自动化，而这种自动化能力将改变生产企业的运营方式以及它们考虑业务模式的角度。

新冠疫情再次起到了助推的作用，驱使整个行业寻找新的和改进的方法，将食品和产品送到消费者面前。此外，随着技术不断发展，提供更好的自动化工厂（也许是不压碎葡萄的工厂）有一天会成为一种竞争优势。

CIO成为首席运营官（COO）

•到2024年，25%的传统大企业CIO将对数字化企业的运营结果负责，实际上成为“代理COO”。

很大比例的最终用户企业并没有COO，COO是数字化企业加速发展过程中的一个重要角色。这个人了解企业业务和生态系统以及如何实施技术以获得更大的影响。

新冠疫情表明了CIO如何可以为整个组织推动数字化进程，以及从业务层面关注数字化而不是一味关注IT的CIO如何扮演好COO这个角色。

作为“代理COO”，CIO将在整个组织内担当重任，开始缩小技术能做什么、企业能做什么以及企业想要做什么之间的差距。他们缩小这些差距后，就能创造业务价值，并在企业内有所选择地获得可组合性。

记录工作对话推动变革

•到2025年，75%的工作对话将加以记录和分析，以便发现附加的组织价值或风险。

从智能音箱到虚拟会议再到消息传递平台，每一项技术现在都记录对话。隐私是一种幻想。企业组织需要开始考虑如何收集这些数据、如何分析数据以及如何利用数据以改善员工体验。

比如说，也许可以衡量并竭力改善员工的整体满意度。然而，所有这些数据收集都存在着风险。设立一个伦理道德委员会，确保负责任地使用数据，确保尊重人们的隐私，并确保提供选择退出选项。

独立客户服务专家增加

•到2025年，客户将花钱请独立客户服务专家解决其75%的客户服务问题。

每个人都尝过糟糕的客户服务带来的沮丧感，许多人转向外部帮助（谷歌、YouTube和Facebook）来处理棘手的情况。实际上，Gartner预测到2021年，对传统支持渠道感到沮丧后寻求外部帮助的客户会增加15%。

好消息是，这意味着企业组织将在某些客户服务方面降低成本。坏消息是，更多地寻求外部帮助消除了一个重要的公司/消费者接触点。

最好的外部帮助要花钱，这意味着花钱获得更快速的解决办法。组织应力求搭建专家网络以帮助客户，但也应花时间了解使用第三方专家的法律后果。

（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!