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。
对于你的二次元小伙伴一样有用的奥:
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:
或者训练地像人类一样去抓取东西
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。