是否存在通用的神經(jīng)網(wǎng)絡模型，可以處理圖像，語音以及NLP？對于目前的深度學習模型來說，盡管深度學習的一個目標是設計能夠處理各種任務的算法，然而截至目前深度學習的應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)絡模型，可以處理圖像，語音以及NLP？

對于目前的深度學習模型來說，盡管深度學習的一個目標是設計能夠處理各種任務的算法，然而截至目前深度學習的應用仍然需要一定程度的特化，還沒有通用的神經(jīng)網(wǎng)絡處理模型。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)新能同時改進卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡，比如批標準化與注意力等。通用的模型還有待未來研究提出。

圖像和視頻處理，計算機視覺，目前最流行的是cnn，即卷積神經(jīng)網(wǎng)絡，及其變形和發(fā)展，cnn適合處理空間數(shù)據(jù)，在計算機視覺領域應用廣泛。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，目標檢測等還有更多針對性模型提出和得到廣泛應用。

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

自然語言處理，除了傳統(tǒng)方法，目前深度學習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)有哪些應用典型案例？

運用人工智能技術識別及分析醫(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，人工分析的缺點很明顯，第一是不精確，只能憑借經(jīng)驗去判斷，很容易誤判。第二是缺口大，放射科醫(yī)師數(shù)量增長遠不及影像數(shù)據(jù)增長。

醫(yī)療影像行業(yè)的人工智能實現(xiàn)流程大致為：影像數(shù)據(jù)的預處理—>樣本清洗、打標簽à模型搭建及訓練調(diào)試à大規(guī)模數(shù)據(jù)的訓練、驗證得到深度學習網(wǎng)絡模型，以上流程為人工智能的線下訓練過程，最終輸出為深度學習模型。接著就可以用用生成的模型進行線上預測或輔助判斷。

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，實現(xiàn)如下三個功能。

（1） 樣本數(shù)據(jù)預處理。醫(yī)院各個檢驗科如CT，BT，CR等，把醫(yī)療影像數(shù)據(jù)從終端設備通過萬兆/IB網(wǎng)絡，傳輸?shù)讲⑿写鎯χ校瑪?shù)據(jù)預處理CPU平臺（多個雙路CPU服務器NF5280M5組成的集群）從存儲中讀取數(shù)據(jù)，運行邊緣檢測分割、區(qū)域增長分割、種子算法等程序，獲取目標數(shù)據(jù)，然后打標簽形成訓練樣本庫，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） 模型訓練。模型訓練GPU集群（配置單機8卡GPU服務器，如NF5288M5）將讀取訓練樣本庫數(shù)據(jù)從并行存儲中，并加載CNN模型，運行深度學習框架，如TensorFlow，Caffe，Mxnet等對初始模型進行訓練，經(jīng)過對大量數(shù)據(jù)樣本的學習訓練生成最終模型。訓練中涉及多個訓練任務的提交，其資源管理、調(diào)度、監(jiān)控將由統(tǒng)一管理平臺AIStation完成。

（3） 模型應用。在醫(yī)院醫(yī)生科室將部署醫(yī)生輔助診斷服務器P8000（臺式服務器，配置多塊P4或FPGA卡），訓練好模型將被加載到P8000上。檢驗科發(fā)送影像到P8000上，P8000進行識別，快速實現(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人臉算法是小米在iPhoneX發(fā)布之前就推送了的，雖然是2D的安全性差一點，但是首次采用到手機解鎖上還是非常早的。

第二，人臉算法是通過AI人工智能檢測面部結構進而進行核對解鎖的，面部解鎖主要看人臉的四個點分別是兩只眼睛一個鼻子和一個嘴巴，而中心點是眼睛，其實大家應該知道，閉著眼睛是無法解鎖手機的，也就是說當你遮擋住面目除眼睛以外的其他部分時，通過手機AI算法深度學習分析以后也是可以識別出你來的。

第三，當前面部識別3D相較于2D安全性高一些，因為2D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，故而2D人臉識別只用于解鎖手機，而不會用于支付，3D人臉識別需要手機打出3D結構光，進而識別人臉的3D輪廓，這種輪廓可以說是獨一無二的，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的。