女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

深度學習仍缺乏科學理論根基,會碰到發(fā)展壁壘

倩倩 ? 來源:lq ? 作者:DeepTech深科技 ? 2019-09-20 15:53 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

最近這兩天,一款 AI 換臉應用有點火爆,名叫 ZAO 逢臉造戲,最后被媒體扒出來,其實是陌陌旗下孵化公司的技術團隊做的,連該公司 CEO 都是陌陌高管成員。更深一步了解,這個項目由陌陌 CEO 唐巖主導,陌陌企業(yè)發(fā)展部的作品。

但是,大眾對于這款產品的爭議點,并不在產品體驗上的趣味因素上,更多的是關于數(shù)據(jù)隱私問題。

說起人工智能(AI)技術,一定離不開三大因素,必要的大數(shù)據(jù)信息、強大的算法技術,以及必要的算力支持,這些是人工智能技術發(fā)展的重要組成部分。其中,大數(shù)據(jù)是人工智能技術發(fā)展的基礎。

關于利用 AI 技術的數(shù)據(jù)隱私問題,是人們非常關注的重點話題之一。

AI 數(shù)據(jù)是一把雙刃劍

隨著互聯(lián)網(wǎng)時代的發(fā)展,AI 技術給人們的生活帶來便捷的同時,大眾的職業(yè)信息、購買偏好、日常出行、刷臉支付信息以及身份證信息等,都已經(jīng)以數(shù)據(jù)輸入的形式被這些機構“收入囊中”,并通過“殺熟”、“精準”等方式,以人工智能技術為核心的產品或營銷方式來騷擾你的正常生活,對公民隱私保護造成了嚴重威脅。

“實際上每個人都有自己關于隱私的底線,因此就很難有個通用的解決方案,這個問題很難解決。但是,堅持數(shù)據(jù)向善很重要。”哥倫比亞大學教授、美國計算機協(xié)會(ACM)會士周以真在接受 DeepTech 采訪時這樣表示。周以真一直以倡導計算思維而聞名,在數(shù)據(jù)科學方面頗有建樹,曾任微軟全球研究院資深副總裁,目前是哥倫比亞大學數(shù)據(jù)科學研究院(DSI)主任。哥大數(shù)據(jù)科學研究院和企業(yè)界有著廣泛合作,與不同領域的 25 家企業(yè)建立合作伙伴關系,其中也包括阿里、百度、滴滴。

圖|哥倫比亞大學教授周以真(來源:受訪者提供)

周以真認為,盡管數(shù)據(jù)驅動了 AI 技術的發(fā)展,但請用善良的方式使用數(shù)據(jù),這是極為重要的,畢竟,在 AI 技術的背后仍然是人類在做主導。

根據(jù)早前 DeepTech 的報道,至少有 26 位重量級 AI 研究人員,稱亞馬遜的圖像識別系統(tǒng) Amazon Rekognition 擁有高錯誤率、性別歧視、偏差等問題,要求亞馬遜停止向執(zhí)法部門出售該工具,包括 ACM A.M. 圖靈獎得主 Yoshua Bengio、加州理工學院教授 Anima Anandkumar 等。從學術圈的角度來看,在某些情況下,建造一個完全正確的數(shù)據(jù)模型是不可能的,專業(yè)人士對于 AI 技術的發(fā)展也有著更為全面的考量。

周以真在與 DeepTech 的訪談中,強調了“AI 的可信性”這一新的研究領域,“如果 AI 模型是用在無人駕駛技術上或用來診斷病人是否患有癌癥,那么當用戶明知 AI 模型可能會犯錯,可能會存在偏差,他們是不會相信這個模型的。因此,需要讓 AI 技術變得更加可信,就像過去幾十年人們在不斷證明計算機科學是可信的一樣。”

對此,深演智能創(chuàng)始人兼 CEO 黃曉南表示認同,這也是她選擇智能決策賽道的重要原因。據(jù)悉,深演智能是一家 AI 賦能決策的 to B 企業(yè),深耕 AI 營銷業(yè)務多年,并把決策智能技術應用在更多場景中,主要專注于營銷決策、公共決策、疫情預測等領域,幫助企業(yè)和機構的決策層作出更智能決策。而深演智能也計劃與哥大數(shù)據(jù)科學研究院針對企業(yè)決策層的數(shù)據(jù)科學能力培養(yǎng)等開展產學研培訓專題合作。

黃曉南告訴 DeepTech,與無人駕駛、醫(yī)療不同,AI 商業(yè)決策行業(yè)目前允許誤差,“今天的現(xiàn)實就是,數(shù)據(jù)是存在 Bias(偏見)的,沒有人能夠獲得百分之百的數(shù)據(jù)。我們在實踐當中也發(fā)現(xiàn)人工智能如果沒有人腦智能輔助,沒有具有行業(yè)經(jīng)驗的人配合,是不能轉換為行動的。”

根據(jù)本月初華為發(fā)布的《全球產業(yè)展望 2025》報告稱,到 2025 年,97% 的大企業(yè)將采用人工智能輔助工作;企業(yè)的數(shù)據(jù)利用率將達 86%,足可見未來人工智能和數(shù)據(jù)的重要性。

圖|企業(yè)的數(shù)據(jù)利用率將達 86%(來源:華為《全球產業(yè)展望 2025》報告)

對于人工智能技術的發(fā)展和數(shù)據(jù)決策重要性,周以真強調,其實人工智能和深度學習技術最早的應用是解決人很擅長的一些工作,比如語音識別、物體識別、人臉識別以及機器翻譯,這些都是人類天生就擅長的領域,所以目前來看,人工智能技術已經(jīng)有了一定的發(fā)展基礎。但是,建立一個能夠翻譯語言的機器,和建造一個能夠替人類做出決策的機器是完全不同的,其中存在很大差距。

此外,周以真坦言,盡管深度學習已經(jīng)得到了很多成功應用,但事實上,大眾并沒有對這項技術有很深的了解,比如深度學習的工作原理到底是什么,現(xiàn)在雖然已經(jīng)有了數(shù)不清的應用案例,但從科學的視角來看,這項技術仍然缺乏科學理論的根基,所以早晚將會碰到發(fā)展的壁壘。

當技術不斷發(fā)展和進步的時候,大眾也要意識到,創(chuàng)新技術并不是計劃出來的,而是厚積薄發(fā)的結果,這正是學術界發(fā)揮的作用所在,“因為我們首先要真正了解這項科技工作原理,然后才能知道如何翻越發(fā)展的壁壘,從而讓科技進一步發(fā)展。“周以真對 DeepTech 表示。

AI 創(chuàng)業(yè)進入下半場

谷歌的 AlphaGo(阿爾法狗)戰(zhàn)勝人類圍棋選手,一款 AI 變臉應用 Zao 引發(fā)全民熱議,這些都是 AI 技術被廣泛應用和接受的重要場景。

隨著時代的發(fā)展,打 AI 技術旗號的公司變得越來越多,前有亞馬遜全力開展云計算業(yè)務,后有百度 All in AI,對于人工智能技術的發(fā)展,大眾愈加關注,當資本進入寒冬,而 AI 創(chuàng)業(yè)也進入了下半場,一個洗牌的時代已經(jīng)來臨。

圖|專訪圖片,左:哥倫比亞大學教授周以真,右:深演智能創(chuàng)始人兼CEO黃曉南(來源:受訪者提供)

過去五年,DeepTech 接連報道了包括 AlphaGo、Nvidia、DeepMind 等公司的多項新技術,從芯片到語音交互,AI 公司靠著概念、愿景和人才,獲得了大批的用戶和追隨者,也享受著整個 VC 行業(yè)給出的大把融資和高估值發(fā)展。

但是現(xiàn)在,VC 都開始冷靜下來,重金集中押注頭部技術創(chuàng)新企業(yè),小公司無法獲得盈利回報,只能選擇結束創(chuàng)業(yè)。當被問及這種現(xiàn)象發(fā)生的原因時,周以真表示,“AI 領域投資熱情減退的原因,是因為很多人都想要馬上得到回報。”

那么,AI 技術是能快速產生回報的嗎?其實并不是。周以真認為,時間、精力、金錢,這些都是企業(yè)對于 AI 技術必須要投入的,足夠的耐心在這個領域變得十分的重要,“想要投身于人工智能行業(yè)有所作為的企業(yè)需要有足夠的耐心,如果追求短期回報,想要立刻取得成功的話就會很難。”周以真在專訪時表示。

例如,想要讓人工智能真正解決某一項特定問題、或者完成某個特定任務的時候,需要投入大量的人力才能建立這樣一種能夠幫助做出決策或是結果預測的模型出來。事實上,這個過程需要的工作量非常繁重,因為必須進行大量的數(shù)據(jù)收集,然后通過這些數(shù)據(jù)反復訓練算法,這樣才能讓算法的結果準確,而這可能會需要幾周的時間。

圍觀整個行業(yè),大眾對于 AI 技術的發(fā)展,仍保持樂觀情緒。在剛剛結束的世界人工智能大會上,馬云認為,AI 只是比人類聰明但不具備智慧,并且強調 AI 對人類不構成威脅,“很多人擔心人工智能,他們需要對自己有更多的自信。”

而在接受專訪時,MIT 人工智能實驗室主任 Daniela Rus 提到,AI 技術是中立的,最終的結果取決于控制技術的人,而不是整個技術。

當被認為 AI 正在快速影響人們生活的時候,其大數(shù)據(jù)帶來的“雙刃劍”,需要多方面來看待。事實上,大眾要熟知一點,數(shù)據(jù)決策并沒有問題,那些不良人濫用數(shù)據(jù),才是最可怕的。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 大數(shù)據(jù)

    關注

    64

    文章

    8960

    瀏覽量

    140217
  • 深度學習
    +關注

    關注

    73

    文章

    5561

    瀏覽量

    122794
  • ai技術
    +關注

    關注

    1

    文章

    1308

    瀏覽量

    25156
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    反激電源變壓器設計篇之基礎原理

    以工作中使用最多的反激電源來說,個人認為最重要的是變壓器和環(huán)路補償設計,而前者涉及的知識點又比較龐雜,包括晦澀難懂的磁學理論,變壓器設計的好壞更是直接決定了電源項目的成敗。 此文檔將詳細講解反激電源變壓器的基礎原理
    發(fā)表于 04-28 16:51

    軍事應用中深度學習的挑戰(zhàn)與機遇

    人工智能尤其是深度學習技術的最新進展,加速了不同應用領域的創(chuàng)新與發(fā)展深度學習技術的發(fā)展深刻影響
    的頭像 發(fā)表于 02-14 11:15 ?538次閱讀

    BP神經(jīng)網(wǎng)絡與深度學習的關系

    ),是一種多層前饋神經(jīng)網(wǎng)絡,它通過反向傳播算法進行訓練。BP神經(jīng)網(wǎng)絡由輸入層、一個或多個隱藏層和輸出層組成,通過逐層遞減的方式調整網(wǎng)絡權重,目的是最小化網(wǎng)絡的輸出誤差。 二、深度學習的定義與發(fā)展
    的頭像 發(fā)表于 02-12 15:15 ?860次閱讀

    超導現(xiàn)象的應用與影響 超導體在量子計算中的作用

    超導現(xiàn)象的應用與影響 超導現(xiàn)象作為物理學的一個重要分支,不僅在科學理論上有著深遠的影響,而且在實際應用中也展現(xiàn)出巨大的潛力。以下是超導現(xiàn)象的主要應用及影響: 磁懸浮列車 利用超導體的強磁場和邁斯納
    的頭像 發(fā)表于 12-12 09:16 ?1517次閱讀

    NPU在深度學習中的應用

    隨著人工智能技術的飛速發(fā)展深度學習作為其核心驅動力之一,已經(jīng)在眾多領域展現(xiàn)出了巨大的潛力和價值。NPU(Neural Processing Unit,神經(jīng)網(wǎng)絡處理單元)是專門為深度
    的頭像 發(fā)表于 11-14 15:17 ?1914次閱讀

    Pytorch深度學習訓練的方法

    掌握這 17 種方法,用最省力的方式,加速你的 Pytorch 深度學習訓練。
    的頭像 發(fā)表于 10-28 14:05 ?656次閱讀
    Pytorch<b class='flag-5'>深度</b><b class='flag-5'>學習</b>訓練的方法

    GPU深度學習應用案例

    GPU在深度學習中的應用廣泛且重要,以下是一些GPU深度學習應用案例: 一、圖像識別 圖像識別是深度學習
    的頭像 發(fā)表于 10-27 11:13 ?1365次閱讀

    激光雷達技術的基于深度學習的進步

    信息。這使得激光雷達在自動駕駛、無人機、機器人等領域具有廣泛的應用前景。 二、深度學習技術的發(fā)展 深度學習是機器
    的頭像 發(fā)表于 10-27 10:57 ?1068次閱讀

    具身智能在人工智能中的應用

    ,而是與身體和環(huán)境的互動密切相關。 1. 什么是具身智能? 具身智能是一種認知科學理論,它認為智能行為是通過身體與環(huán)境的互動而產生的。這一理論挑戰(zhàn)了傳統(tǒng)的AI研究,后者往往將智能視為脫離物理實體的抽象過程。具身智能的核
    的頭像 發(fā)表于 10-27 09:41 ?1303次閱讀

    AI大模型與深度學習的關系

    AI大模型與深度學習之間存在著密不可分的關系,它們互為促進,相輔相成。以下是對兩者關系的介紹: 一、深度學習是AI大模型的基礎 技術支撐 :深度
    的頭像 發(fā)表于 10-23 15:25 ?2889次閱讀

    《AI for Science:人工智能驅動科學創(chuàng)新》第二章AI for Science的技術支撐學習心得

    人工智能在科學研究中的核心技術,包括機器學習深度學習、神經(jīng)網(wǎng)絡等。這些技術構成了AI for Science的基石,使得AI能夠處理和分析復雜的數(shù)據(jù)集,從而發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式和規(guī)
    發(fā)表于 10-14 09:16

    《AI for Science:人工智能驅動科學創(chuàng)新》第一章人工智能驅動的科學創(chuàng)新學習心得

    人工智能:科學研究的加速器 第一章清晰地闡述了人工智能作為科學研究工具的強大功能。通過機器學習深度學習等先進技術,AI能夠處理和分析海量
    發(fā)表于 10-14 09:12

    FPGA做深度學習能走多遠?

    。FPGA的優(yōu)勢就是可編程可配置,邏輯資源多,功耗低,而且賽靈思等都在極力推廣。不知道用FPGA做深度學習未來怎樣發(fā)展,能走多遠,你怎么看。 A:FPGA 在
    發(fā)表于 09-27 20:53

    【避雷指南】自學AI人工智能常踩的4個大雷區(qū)

    1、數(shù)學基礎點學習人工智能時,有一種常見的誤解,認為一定要數(shù)學學的很好,才能進一步學人工智能。這種觀念并不正確。雖然數(shù)學是AI的基石,為算法和模型提供了理論基礎,但過分沉迷于數(shù)學理論可能
    的頭像 發(fā)表于 09-23 17:02 ?979次閱讀
    【避雷指南】自學AI人工智能常踩的4個大雷區(qū)

    NVIDIA推出全新深度學習框架fVDB

    在 SIGGRAPH 上推出的全新深度學習框架可用于打造自動駕駛汽車、氣候科學和智慧城市的 AI 就緒型虛擬表示。
    的頭像 發(fā)表于 08-01 14:31 ?1146次閱讀