AlphaGo在短短幾個月實現(xiàn)性能的大幅提升，用五個月走完了IBM“深藍”4年的路，體現(xiàn)了當前人工智能系統(tǒng)學習速度之快。但谷歌并不打算制造出一個圍棋高手，AlphaGo開發(fā)者哈薩比斯表示，選擇圍棋只是其人工智能水平的測試，最終還是為了獲得在現(xiàn)實領(lǐng)域的應(yīng)用。

　　近年來，深度學習已經(jīng)在圖像識別、語音識別等領(lǐng)域獲得了一些應(yīng)用。目前深度學習技術(shù)應(yīng)用最多的還是視覺領(lǐng)域，即對圖像和視頻的分析。在圖像分析方面，比如人們熟悉的人臉識別、文字識別和大規(guī)模圖像分類等，深度學習大幅提升了復(fù)雜任務(wù)分類的準確率，使得圖像識別、語音識別以及語義理解準確率大幅提升。谷歌在深度學習領(lǐng)域已經(jīng)一馬當先，公司在多次公開場合討論過深度學習技術(shù)，比如深度學習是如何幫助Android手機提高語音識別準確率。

　　從產(chǎn)業(yè)鏈調(diào)研的情況來看，服務(wù)機器人、車載與電視助手、智能客服以及圖像處理等應(yīng)用已經(jīng)開始快速滲透，在語音識別等領(lǐng)域獲得了一些應(yīng)用，比如iPhone的語音助理Siri、百度的度秘、科大訊飛的“靈犀”、微軟的小冰等。

　　“目前深度學習更適合于圖像?！卑俣壬疃妊芯吭旱膶＜抑赋?，人臉一比一進行比對，機器很容易實現(xiàn)，但是要在千萬人臉中快速尋找出所拍攝的人臉圖像，并要快速了解拍攝對象的個人信息資料，則需要深度學習。

　　事實上，深度學習可以應(yīng)用于任何需要理解復(fù)雜模式、進行長期計劃并制定決策的領(lǐng)域。谷歌大腦團隊負責人杰夫-迪恩表示，谷歌機器智能已經(jīng)帶來了巨大的變化和越來越多的機遇，未來人工智能將為更高層次的云計算服務(wù)。

　　興業(yè)證券分析師也指出，未來在個人應(yīng)用領(lǐng)域可能帶來更好的語音識別操作系統(tǒng)、翻譯機、自動駕駛、機器人、社交網(wǎng)絡(luò)興趣推薦等。在行業(yè)應(yīng)用方面，深度學習更廣闊的應(yīng)用空間包括大數(shù)據(jù)分析、特征提取、預(yù)測預(yù)警、規(guī)劃、研發(fā)設(shè)計等。