这些技术对于发展下一代计算和交互范例至关重要 ， 个人或公共设备需要在不损害隐私的情况下学习并帮助训练（算法）模型 。 联邦的无人监督学习方法 ， 可以创造出越来越智能的系统 。 这些系统的交互更加直观 ， 更像是一个社交实体 ， 而不是一台机器 。 只有对我们的技术进行深刻变革 ， 才有可能广泛而公平地拥有这些智能系统 ， 让它们支持神经计算 。
趋势4：机器学习在科学、健康和可持续发展方面的影响越来越大
近年来 ， 我们看到机器学习在物理、生物等基础科学科的影响越来越大 ， 在可再生能源和医学等领域也有许多令人兴奋的应用 。 计算机视觉模型对个人和全球问题都有所功效 。 它们可以帮助医生进行工作 ， 扩大我们对神经生理学的理解 ， 还可以提供更好的天气预报 ， 加快救灾工作 。 其他类型的机器学习模型能发现减少碳排放和提高替代能源产量的方法 ， 在应对气候变化方面至关重要 。 这样的模型甚至可以作为艺术家的创作工具！随着机器学习变得更加强健（鲁棒）和完善 ， 它在的应用潜力继续扩大 ， 有助于解决我们面临的一些最具挑战性的问题 。
计算机视觉提供新的洞察力：
在过去的十年里 ， 计算机视觉的进步使计算机能够完成不同科学领域的各种任务 。 在神经科学中 ， 自动重建技术可以从脑组织薄片的高分辨率电子显微镜图像中重现脑组织的神经连接结构 。 前些年 ， 谷歌为研究果蝇、老鼠的大脑创造了这样的资源 ， 去年 ， 我们与哈佛大学的利希特曼实验室（Lichtman Lab）合作 ， 进行了第一次大规模的人类皮质突触连接研究 。 该研究跨越了所有皮层的多个细胞类型 。 这项工作的目标是帮助神经科学家研究令人惊叹的人类大脑 。 例如 ， 下图显示了成人大脑中约 860 亿个神经元中的 6 个 。

文章图片
图14/25

计算机视觉技术还提供了强大的工具来应对全球挑战 。 基于深度学习的天气预报方法用卫星和雷达图像作为输入 ， 结合其他大气数据 ， 产生比传统的基于物理的模型更准确的天气和降水预报 ， 预报时间长达 12 小时 。 它们还可以比传统方法更快地产生更新的预报 ， 这在极端天气时期可能是至关重要的 。


文章图片
图15/25

拥有准确的建筑足迹记录对于从人口估计和城市规划到人道主义响应和环境科学的一系列应用都是至关重要的 。 在世界上的许多地方 ， 包括非洲的大部分地区 ， 这一信息以前是无法获得的 ， 但新的研究表明 ， 将计算机视觉技术应用于卫星图像可以帮助识别大陆范围内的建筑边界 。 这一方法的结果已在开放建筑数据集中发布 ， 这是一种新的开放获取的数据资源 ， 其中包含 5.16 亿座覆盖非洲大陆大部分地区的建筑的位置和占地面积 。 我们还能够在与世界粮食计划署的合作中使用这一独特的数据集 ， 通过 ML 的应用提供自然灾害后的快速损失评估 。


文章图片
图16/25

在健康领域的应用：
除了推进基础科学 ， 人工智能还可以在更广泛的范围内为医学和人类健康做出贡献 。 在健康领域利用计算机科学并不是什么新鲜事 。 但机器学习打开了新的大门 ， 带来了新的机遇和挑战 。