技术:
GPU/CPU 传感器 基础元器件 网络通信 显示 交互技术 电源管理 材料 操作系统 APP 云技术 大数据 人工智能 制造 其它
应用:
可穿戴设备 智能家居 VR/AR 机器人 无人机 手机数码 汽车 平衡车/自行车 医疗健康 运动设备 美颜塑身 早教/玩具 安防监控 智能照明 其它
当前位置:

OFweek智能硬件网

人工智能

正文

人工智能美梦成真 还需克服这些瓶颈

导读: 那些报道新闻的记者,其实从来没有亲自去介入到一个神经网络的训练过程当中,而新闻源头的初创公司以及营销团队也有自己的盘算:都是想扩大自己的名声,获取到资本和人才的关注,哪怕它们压根没有解决一个现实中存在着的问题。

人工智能现在已经火的不能再火了。各种新闻机构都在不断地放出猛料,有的说现在 IBM 的 Waston 人工智能已经能够彻底取代劳动者了;还有的说现在的算法在医疗领域已经能够打败医生了。每一天,都有新的人工智能初创公司出现,每一家都声称自己在利用机器学习,彻底颠覆你个人的生活,商业性质的活动。

还有一些大家平日里司空见惯的产品,比如榨汁机,无线路由器,一夜之间也都换上了全新的广告语:「我们都是由人工智能技术所支持的!」智能桌子不仅能知道你平日里工作时所需要的合适高度,甚至还能帮你点午餐!

但事实是什么呢?那些报道新闻的记者,其实从来没有亲自去介入到一个神经网络的训练过程当中,而新闻源头的初创公司以及营销团队也有自己的盘算:都是想扩大自己的名声,获取到资本和人才的关注,哪怕它们压根没有解决一个现实中存在着的问题。

也正是在这样的喧嚣气氛中,难怪在人工智能领域会出现那么多一知半解,其实大家都搞不清楚什么是 AI 能做的,什么是 AI 无法办到的。

深度学习确实是一个让人心驰神往的技术,这无可辩驳。

其实,神经网络这个概念自上个世纪 60 年代就已经出现了,只是因为最近在大数据、计算机性能上面出现的飞跃,使得它真正变得有用起来,由此也衍生出来一门叫做「深度学习」的专业,旨在将复杂的神经网络架构应用在数据建模上,最终带来前所未有的准确性。

现在的技术开发成果也确实让人印象深刻。计算机现在可以辨识图片和视频里的东西都是什么,可以将语音转化成为文字,其效率已经超过了人力范畴。Google 也将 Google Translate 服务中添加了神经网络,现在的机器学习在翻译水平上已经逐步逼近人工翻译。

现实中的一些应用也让人大开眼界,就比如说计算机可以预测农田作物产量,其准确性比美国农业部还高;机器还能更加精准的诊断癌症,其准确度也比从医多年的老医师还要高。

DARPA(美国国防部高级研究计划局)的一名负责人 John Lauchbury 形容如今人工智能领域内存在着三股浪潮:

1. 知识库,或者是类似于 IBM 所开发的「深蓝」和 Waston 专家系统。

2. 数据学习,其中包括了机器学习和深度学习。

3. 情境适应,其中涉及通过利用少量数据,在现实生活中中构建出一个可靠的,解释型的模型,正如人类能完成的程度一样

就第二波浪潮而言,目前深度学习算法的研究工作进展的不错,用 Launchbury 的话来说就是因为「流形假设」的出现。(见下图)

但是深度学习也是存在着一些棘手问题的

在最近在湾区召开的一次人工智能大会上,Google 的人工智能研究人员 Francois Chollet 强调了深度学习的重要性,它比一般的数据统计和机器学习方法都要更高级,是一款非常强大的模式辨别工具。但是,不可否认它是存在着严重局限性的,至少目前来说是这样。

1  2  3  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,除OFweek官方账号外,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: