很多人错误地认为人工智能只属于少数精英——少数月预算比大多数人一生收入还高的硅谷计算机科学天才，他们产出着深奥的学术论文。这种看法大错特错。深度学习（一种强大的人工智能类型）能够，而且正在被世界各地背景各异的人们使用。这里分享的故事就可以让你略窥一斑：一位试图识别山羊乳房感染的加拿大奶农，一位寻求实验室更高效率的肯尼亚微生物学家，一位在澳大利亚推广太阳能应用的前会计师，一位73岁开始第二职业的人，一位难民的儿子从事网络安全工作，以及一位使用基因组学改进癌症治疗的研究员。希望这能启发你将深度学习应用于你自己的问题！
为肯尼亚微生物学家构建工具
Benson Nyabuti Mainye 在他的祖国肯尼亚接受了微生物学家培训。他注意到实验室科学家可能需要花费长达5小时通过显微镜研究载玻片来尝试识别其中的细胞类型，他想要一个更快的替代方案。Benson 创建了一个免疫细胞分类器，用于区分血涂片图像中的各种免疫细胞（嗜酸性粒细胞、嗜碱性粒细胞、单核细胞和淋巴细胞）。今年秋天，他前往旧金山亲自参加 fast.ai 课程 的部分内容，地点在 USF 数据研究所（新一期课程下个月开课），在那里，另一位 fast.ai 同学 Charlie Harrington 帮助他部署了这个免疫细胞分类器。由于疟疾是肯尼亚十大死因之一，Benson 目前正与同为肯尼亚人及 fast.ai 校友的 Gerald Muriuki 合作开发一个分类器，用于区分不同类型的蚊子，以分离携带疟原虫（导致疟疾的寄生虫）的特定类型。
奶山羊养殖
Cory Spencer 是温哥华岛上一位田园牧歌式的奶山羊养殖户，他和妻子共同经营着 The Happy Goat Cheese Company。当他的一只山羊患上乳腺炎（一种乳房感染）时，Cory 直到山羊已经遭受永久性损伤后才发现。据估计，乳腺炎每年给奶制品行业造成数十亿美元的损失。通过结合一个能检测热量的特殊相机（感染区域温度更高）和深度学习，Cory 开发了一种工具，能够更早（在亚临床水平）识别感染，且成本仅为现有方法的十分之一。下一步：Cory 目前正在构建一个3D模型，实时跟踪乳房的特定部位，目标是创建一个自动挤奶机器人，正如 Cory 所说，“养牛的人已经有了先进的机器人技术，但养山羊的人总是被忽视。”
癌症基因组学领域的最新成果
Alena Harley 在 Human Longevity Institute 担任机器学习主管，她正致力于利用基因信息改进癌症治疗。在 fast.ai 课程学习期间，她在识别转移性癌症的起源方面取得了最新成果，这对于治疗至关重要。她目前正致力于精确识别体细胞变异（可能导致癌症的基因突变），将之前缓慢的手动过程自动化。
从会计师到从事太阳能领域的深度学习实践者
Sarada Lee 曾是一名会计师，她想转行，于是开始在澳大利亚珀斯的自家客厅组织机器学习聚会，以此作为学习该主题的方式。Sarada 客厅的这个非正式小组现在已发展成为 珀斯机器学习聚会，拥有超过1400名成员，每月举办6场活动。Sarada 前往旧金山，在 USF 数据研究所 亲自参加了 面向程序员的实用深度学习 和 面向程序员的前沿深度学习 课程，并在回到珀斯后分享了她所学到的知识。Sarada 最近赢得了一个为期5周的黑客马拉松，主题是利用航拍图像进行太阳能电池板识别和安装尺寸预测，使用了 U-nets。因此，她和她的团队已获得初步资格，可向一家大型公用事业公司提供数据科学服务，该公司正在英国大小的区域推广太阳能电池板，拥有超过150万用户。他们正在研究的其他应用包括电网容量规划、预测逆向能量流和安全影响，以及监测太阳能的快速普及。
Sarada 和珀斯机器学习聚会正继续他们的深度学习推广工作。上个月，由 Lauren Amos 领导的一个团队在 Fringe World 艺术节上创建了一个互动创意展览，旨在让深度学习更易于普通大众理解。这是一个全面的团队合作成果，展览包括
- 基于风格迁移的艺术面板设计
- GRU/RNN 生成的诗歌
- 实现 BERT 生成诗歌或短篇书籍
- 应用语音转文本和文本转语音 API 与生成诗歌的机器人互动
艺术节参与者可以欣赏机器生成的诗歌的优雅书法，阅读机器生成的书籍章节，甚至可以请机器人根据一个简短的起始句生成诗歌。为期两周的艺术节期间，共生成了超过4000首诗歌！
73岁从事前沿医学研究
73岁的Dennis Graham 正在使用深度学习，通过脑磁图（MEG）诊断帕金森病，这是 UCH-Anschutz 神经病学研究中心项目的一部分。Dennis 对帕金森病非常熟悉，因为他的妻子在过去25年里一直受此病困扰。MEG 的优点是便宜、易得且无创，但先前的技术在评估 MEG 数据时分析不够准确。两年多来，团队一直苦苦挣扎，无法使用传统技术获得令人满意的结果，直到 Dennis 转而使用深度学习，应用他在 fast.ai 课程中学到的技术和代码。事实证明，传统的预处理过程去除了神经网络分类器可以有效且轻松利用的重要数据。通过深度学习，Dennis 现在在这个问题上取得了更高的准确率。尽管取得了成功，但一切并非易事，Dennis 在开始他的第二职业时不得不克服科技行业的年龄歧视。
从事网络安全的大学第一代学生
Harold Nguyen 的父母在越南战争期间作为难民抵达美国。Harold 是第一代越南裔美国人，也是家里第一个上大学的人。他非常热爱大学，后来攻读了粒子物理学博士学位，现在从事网络安全工作。作为 Proofpoint 公司数字风险工作的一部分，Harold 正在使用深度学习保护品牌免受社交媒体上不良行为者的侵害。基于他在 fast.ai 的工作，他创建了一个高精度模型，该模型已于上月在他公司投入生产。在课程早期，Harold 创建了一个音频模型来区分 本·阿弗莱克 (Ben Affleck)、埃隆·马斯克 (Elon Musk) 和 乔·罗根 (Joe Rogan) 的声音。
你将用深度学习解决什么问题？
你是否在自己的领域面临一个可以用深度学习解决的问题？你不必是数学天才，也不必上过最顶尖的学校才能成为一名深度学习实践者。fast.ai 课程（提供面授或在线）的唯一先决条件是一年的编程经验，然而它教授你达到最新成果所需的实践技术。
我为 fast.ai 学生和校友们取得的成就感到非常自豪。正如我在我的 TEDx 演讲中所分享的，我认为自己是一名不太可能成为人工智能研究员的人，我的目标是帮助尽可能多的“不太可能”的人进入这个领域。
延伸阅读
你可能对阅读 fast.ai 学生和校友在这些帖子中分享的其他精彩项目感兴趣