另外,根据上述三位嘉宾的访谈,人工智能需要突破的瓶颈还有这些:
最近人工智能由于深度学习、深度神经网络发展有很大的技术突破和提高,但是基本上还是统计学习的范畴,是从数据中总结规律。实际对于问题的理解和推理,深刻的分析还是有所欠缺的,技术还没有完全解决所有的问题。
从技术角度来说,你能够长时间积累知识,长时间理解知识,但它对长时间的记忆方面还是有欠缺的。
海量数据(比如商汤科技积累的是一亿个个体的人脸照片,超过 8 亿张人脸数据)规模之下,几乎没有任何的超算集群或者底层算法平台可以支撑这个规模的深度学习训练。
算法的整体安全度已经到很好的水平, 但是你不知道它在什么样场景下会不行 。因此,必须想办法打通数据的闭环,让数据回流,让算法不断的演进。
如何将场景结构化也是一个难题 。比如在医疗领域,医疗数据的结构化,就跟我们平时看到的人脸和车辆不一样,人脸和车辆的数据结构化,只要找二三百人把数据标出来就可以,但是医疗必须要老医生来标注这些数据,他标注出来的数据才是可以让机器去学习的,而老医生的资源太稀缺了。
同样,网上平台也在改变人们的生活方式,几年前兴起的外卖平台彻底已经改变了年轻人的饮食习惯,在未来,更多的模式或许会伴随消费升级诞生。
机器人爱好者7群:欢迎大家长按二维码识别、进群交流
自动割草机器人 | 火蜥蜴机器人 | 机器人黄貂鱼
骨骼机器人 | Starship:快递机器人 | 纹身机器人
牧羊机器人 | 蜘蛛机器人
生物黑客,半机械人崛起
日本“出汗”机器人
生物合成机器人 | 章鱼机器人 | BB-8机器人
Ghost Minitaur机器狗 | Sanbot S1机器人
Dexta的VR手套 | DeepMind Health
Woobo:孩子们的机器人朋友 |
日本的机器人恶犬+美国的人形机器人
可变身平衡车的行李箱
李彦宏演讲实录 | 李飞飞在斯坦福的演讲 | 霍金在剑桥的演讲
英伟达的人工智能布局
DeepMind 开发了拥有”工作记忆“的神经网络
美科学家开发出磁性墨水 设备损坏后能自我修复
DeepMind刚做的两件事所带来的AI创业启示
无数据不 AI,无人工不智能
Surface Studio 的故事 | 脑机接口 |
友情链接