电费1650～2650万美元。最新数据显示该节能比例可能高
其
达40%
他交通领域Fra bibliotek领路况导航，最优路线规划
军事领域
域
美国军方早已用深度学习网络技术针对海
量文本的数据分析和图像中的目标识别
医疗领域 DNA分析、癌症预测
智能制造领域 机器人手臂精准抓取
五、华宇成果
法袍识别
基于分类 人工将图片画出来法官所在区域，然后对 该区域进行区域图片分类 基于目标 定位+分类，自动定位，识别更准确
多
媒
体
领
域
ImageNet比赛物体识别项目Top-5 Error进步情况
人脸识别任务Top-1 Accuracy进步情况
图像处理
例如Prisma软件，通过深度学习将艺术家 的画风映射到照片上，从而使写实的照片 瞬间成为某个艺术画派的画作
语音识别
针对音素（Phoneme）识别，2009年深 度学习的错误率为23.0%；而在单词识别 上，2011年深度学习的错误率仅宣称错误率 降低到了3%以下甚至更低
司
--被告犯罪档案被告的
法
访谈
领
入监决策、管理囚犯、
域
规划惩治的决策支持
再犯风险评估
就业、住房和药物滥用 等领域单独评估
量刑司法实践
四、当前主要应用
风险评估技术工具：
缓刑和假释部门 确定违法者的最佳监督和处罚方式
Northpointe公司 COMPAS软件：
21类静态信息，例如：
司
此人在假释期间多少次
二、神经网络是什么—定义及基本技术理论
生
人
物
工
神
神
经
经
网
网
络
络
神经兴奋信号/无信号
1/0
二、神经网络是什么—定义及基本技术理论
Output：输出
x：输入
w：权重
感
-b：阈值
知 器
z：输出
∑（输入*权重）《===》阈值
二、神经网络是什么—定义及基本技术理论
以周末滑雪活动为例 影响因素： 天气—好/不好 （1/0） 同伴—有/没有 （ 1/0 ）
自然语言理解
随着Word2Vec的适时出现，词语获得了 更稠密的向量表示方法，其相关性也更容 易计算，使得深度学习具备了重要的输入 手段，极大地推动了相关的深度学习应用
四、当前主要应用
风险评估技术工具：
缓刑和假释部门 确定违法者的最佳监督和处罚方式
Northpointe公司 COMPAS软件：
数据来源
THANKS
北法市场部 李悦
2017.12.28
六、对于可能存在的争议的几点思考
规划判断的准确性
变化的因素、权重、阈值
矫正的后发性
矫正不及时，矫正代价大 .
个体事件和群体事件的联系性
概率计算，群体倾向和差异性特例
神经网络的不透明性导致的程序正义性争议 （Campas案例）
隐藏的决策过程 风险商业机密与公开披露风险的矛盾； 不可控因素的歧视风险； 风险评估对量刑效用的控制；
法
被羁押？5+
领
此人在试用期间有多少
域
次新的收费/逮捕？4
此人以前被逮捕（仅限 刑事拘留）了几次？当 时成年还是未成年？12
量刑司法实践
四、当前主要应用
AlphaGo
Google DeepMind的深度学习网络
电力管理
谷歌用操控计算机服务器和相关设备（例如冷却系统）来管
理部分数据中心，可降低15%的能耗，每年为Google节省
泛化技术
深
空间矩阵变换运算
度
卷积积分
求导
反向传播算法
学 习
梯度下降算法
……
《神经网络浅讲： 从神经元到深度学习》
算法基本理念 为参数随机赋值=》预测训练数据=》求预测值与实际训练数据的差方（loss函数）=》求loss函数最小值
三、发展历程 起与落：计算机技术、计算能力水平
四、当前主要应用 图像识别
（ 数传 据统 样机 本器 量学 小习 ）
机器学习 技术
优化理论
统计
基础
基础支撑理论：优化和统计
技术层面：机器学习 数据样本量大的领域（主）：深度学习 基础建模方法—神经网络 神经网络技术≈深度学习技术 数据样本量小的领域（次）：传统机器学习（医疗—手术案例）
应用层面：互有交叠 模式识别：早期自动化领域概念，相当于机器学习中的分类、 聚类，逐步被人工智能概念包容替代 数据挖掘：解决生产、金融、互联网等领域高维数据的建模与 规律发现，辅助人类决策的“洞察(insight)”方法论 人工智能：目标在于让机器解决听、看、理解、思考等人类智 能行为问题
天气X1 主导因素
w1
次要因素 同伴X2
w2
综合考虑 将各因素的影响总和与 滑雪意愿的强烈程度进 行比较
价格—贵/不贵（ 1/0 ）
∑（输入*权重）-阈值
感
价格X3 次要因素
w2
∑（X*W）+ b
知
器
去（1） 不去（0）
二、神经网络是什么—定义及基本技术理论
单层神经网络
双层神经网络
多层神经网络
神 经 网 络
模型实质：在感知器的基础上，多输入、输出交互+多层感知器结构
研究神经网络：识别事件关联因素—模型的输入输出关系 计算/设置更准确的权重和阈值，使预测结果愈加准确
二、神经网络是什么—定义及基本技术理论
深度学习：通过多种算法，利用大量的训练数据（输入输出组合数据） ，不断矫正参数， 使神经网络模型的输出更准确更符合实际，实现准确预测甚至决策
手写体识别
基于目标检测 构建手写体模型 手写体检测识别
红章指纹移除
基于目标检测 检测红章、指纹区域 通过颜色模型进行抹除
电子卷宗自动归目
OCR、机器学习、文本识别等技术 对电子卷宗文件自动识别分类 标记材料内容和类型
图像分析
识别分类 80余种证件、票据以及一些有明显特征的 图像类材料 图像优化 去黑边、纠偏、空白页检查、图像清晰度 检查、dpi检查等接口服务
深度学习和神经网络 三两事
北法市场部 李悦
1 相关概念关系 2 神经网络是什么 3 发展历程 4 当前主要应用 5 华宇成果 6 争议的几点思考
一、人工智能、机器学习、深度学习、神经网络等概念的关系
人人工工智智能能
数数据据挖挖掘掘
模式识别
应用
以“神经网络”为基础建 模方法的深度学习 （数据样本量大）