本文翻译自Oliver Cameron的DeepLearning-Is-Revolutionary。本文中涉及到一些语音播放等推荐直接阅读原文听取。本文从属于笔者的程序猿的数据科学与机器学习实战手册，推荐阅读有趣的机器学习：从多项拟合到深度学习、数据科学与机器学习概论

现在已经有很多人作了关于DeepLearning以及其如何重要的讲座，我非常同意他们的看法。工作在DeepLearning这个领域是让我觉得最接近魔法师的事，我觉得未来三年内很多软件的重要部分都会由深度学习推动前行。不过，现在好像DeepLearning还非主流，因此我想分享些优秀的开发者的一些贡献。

图片增强

如果你手里只有一大堆低分辨率的图片，DeepLearning可以帮你预测高分辨率的图片会是什么样子，然后自动地帮你添加遗失的细节。

文本转换为语音

DeepLearning能够构建一个文本转语音的系统，基本上合成出来的语音效果和真人没啥区别。可以参考wavenet-generative-model-raw-audio这篇文章。

音乐合成

DeepLearning能够帮你合成传统的音乐，效果跟真人合成的相比也是分辨不出来。

绘画风格替换

DeepLearning能够帮你给选定的图片替换风格样式。

字体生成

图片填充

DeepLearning能够自动帮你补全图片中遗失的部分。

机器人

DeepLearning能够辅助进行机器人训练，让它像个人类一样走路

图片摘要

Sketch

自动驾驶