关于如何训练神经网络以超越人类阅读能力的两个例子

对于那些一直在努力阅读某人的笔​​迹 - 或者甚至是他们自己的笔迹 - 的人来说，这可能是有趣的：Captricity，一家位于奥克兰的数字自动化软件提供商，声称其人工智能在阅读笔迹方面可以超越人类。

该公司正在宣传其Captricity READ产品，其中包括金融，医疗保健和政府在内的各个行业的企业可以使用该系统将手写单词转换为决策就绪数据，而这只是通常时间的一小部分。Captricity补充说，其AI提供91%的准确性，可以帮助组织从手写表单实现直通式处理(STP)，将手动工作量降低80%。

Captricity READ由深度神经网络推动，该神经网络使用数千万个数据点进行准备 - 代表了阅读经验的“35个生命周期”，该公司声称 - 在过去五年中处理了10亿个文本转录任务。该公司还声称拥有世界上最好的手写培训数据集，这有助于企业部署Captricity READ直接获得结果。

“通过机器阅读超越人类是数字自动化的分水岭，”Captricity的创始人兼首席执行官Kuang Chen说。“由于阅读手写和图像质量差的准确性极低，企业一直在努力应对自动化技术。与之前的任何技术不同，Captricity READ是驱动企业级智能自动化的缺失环节。“

Captricity绝不是唯一一个探索这个问题的公司。HyperScience是一家总部位于纽约和索菲亚的公司，在使用机器学习自动化和简化办公室工作的更广泛背景下对此进行了研究。该公司正在培训神经网络来分析结构化数据的手写，例如需要填写的表格和非结构化数据。

“HyperExtract--该公司的手写转录和数据采集产品 - 结合了先进的深度学习和计算机视觉技术，可以获得比现有解决方案更准确的转录结果，”该公司解释说。“这使大型企业和政府机构能够取代管理大量昂贵的手动数据录入和重新加密操作的管理费用，同时更加关注其业务的核心活动。”