深度神经网络——

可辨别照片造假

“深度造假”通常是指对有关照片和视频进行篡改，使人们在辨别其真实性时变得愈发困难。

近日，瑞典的研究人员在不影响图像质量的情况下，利用深度神经网络，将精心制作的“数字水印”直接引入图像，使人们能轻松识别经过处理的照片和视频。与以前使用的水印技术不同，这些基于深度神经网络的“数字水印”，不仅可以揭示照片修改的时间，还可以揭示它们的特征，从而使检测图片真实性概率直接提高到90%以上。

瑞典皇家理工学院计算机科学与工程系教授纳西尔梅蒙说，传统的水印识别是相当脆弱的，当需要进一步查看图像真实性时，水印可能就会破裂。相比之下，以深度神经网络为基础研发的“数字水印”，能大幅提高认证图像的完整性和真实性。

深度神经网络——

让无人机稳着陆

众所周知，无人机的平稳着陆是相当困难的。无人机在下降过程中，随着离地面越来越近而相对应产生的乱流越来越大，导致不易着陆。这就是为什么无人机的降落安全性往往是设计时最棘手部分的原因。

前不久，来自德国的人工智能专家与控制专家基于深度神经网络，开发了一个名为“神经着陆器”的控制系统。该系统可跟踪无人机的位置和速度，并相应地修改其着陆轨迹和旋翼速度，帮助无人机平稳着陆。

研究人员称，他们对新系统进行了两种类型的试验：垂直着陆和弧形降落。实验中，新系统将垂直误差率降低100%，横向漂移率降低90%，实现了真正的快速安全着陆，而不是像未经修改的传统飞行控制器那样，被卡在离地面10到15厘米的地方。

深度神经网络——

精细检测新药物

全世界每年约有100万人因药物不良反应而死亡。尽管绝大多数医生都是按正确处方开这些药物，但处方里超过90%的药品不良反应很少见到报告，尤其是在预测特定药物的不常见副作用方面。

为了解决这一问题，有关研究人员开发了一种新的深度神经网络模型。该模型通过机器学习和统计的方法，可识别746种现有药物的不良反应和预测232种新药的不良反应。据研究报告称，利用这些新信息，医生可更好地评估用药风险，为病人开出风险最低的药物。

研究人员还介绍，新的深度神经网络模型除了帮助医生拯救生命之外，还能让制药公司在新药开发阶段就获得被研发药物的不良反应情况，有效助其降低上市风险。