IBM林咏华:AI技术基础薄弱的企业,应该怎么做才能享受AI红利?|亚博网站提现速度的

本文摘要:3到4方向视频的简单目标检测(单个模型)。

亚博网站提现速度的

3到4方向视频的简单目标检测(单个模型)。如果平摊在每个视频上,就要提出1000~2000美元的硬件费用。与目前4K相机的费用相比,费用相差近10倍。

如果我们再考虑动作检测、光流计算、三维深度自学或更简单的算法,这个成本的转换将更加不可拒绝。因此,当人工智能向前发展时,我们需要更好的研究和创造力来解决整个问题系统的优化问题,这意味着不能停留在单一功能或精度水平上。对于AI领域技术基础脆弱的企业,如何享受AI给予的红利?(威廉莎士比亚,Northern Exposure(美国电视),为什么今天企业都争先恐后地转向AI领域?他们沦落为IBM、Google这样的AI公司,期待每年在AAAI或NIPS上放几篇文章?答案当然不是。企业是想转移到AI领域,还是期待在自己的业务领域获得新的增长点,借助AI的力量创造新的产品,获得更多的市场份额。

期待通过AI将几个产品提高一个水平,以更慢的速度击败市场上的竞争对手。因此,对于想要利用AI技术的企业来说,两件事是最重要的。

第一,准确掌握AI技术在自己工作领域的位置,即未来产品的战略思维。只有企业最了解自己的工作领域、发展机会和企业现状,所以无论如何,其他公司都不能代替你的思考。

(威廉莎士比亚,温斯顿,成功)第二,时间到市场,时间非常宝贵。在当前信息平缓的时代,市场机会的长距离跑步就是时间的长距离跑步。要想享受人工智能给各行各业企业带来的红利,需要花更多的时间思考和规划上面提到的第一个问题(产品战略),第二个问题(Time-to Market)需要知道如何利用外力。

今天,在时间长跑过程中,企业面临的第二个挑战是人才和数据的问题。如何“利用外力”的企业也经常犹豫不决。

如果人才像传统的企业服务销售模式一样解决问题人才问题,对一些行业就不会是权宜之计了。在很多行业,他们的数据具有非常秘密的性质,所以不能把这些数据都交给第三方公司进行数据培训和分析。另外,企业生产环境所指向的数据类型也不会随着零售业中货架上的商品类别、生产线上的产品工厂转换等时间而变化。

因此,即使企业委托第三方公司进行机器学习模式,生产环境中的所有变化是否都要依赖第三方公司进行调整?(威廉莎士比亚,Northern Exposure(美国电视连续剧),成功)因此,在引进AI技术的过程中,企业往往在“人才培养时间太长”和“触摸产品”之间犹豫不决。数据是人才问题后另一个后遗症企业的问题是数据的问题。在过去的几年里,深度自学的顺利是以大量的网络开源数据为基础的。但是这些数据都是互联网的数据,与企业期待解决问题的问题(例如特定疾病的医疗影像、产品质量的影像等)是不必要的。

因此,如果需要使用AI技术来分配自己的业务领域,企业必须直接规划业务方案的数据集,没有专业领域科学知识的人必须显示数据集。因此,数据规划过程本身就接近时间和人力。

此外,企业通常不会面临严重的数据不足问题,尤其是非常引人注目的数据类型。例如,在医疗视频中,有多种症状的数据往往比身体健康的人的数据更重要。生产生产中存在各种缺陷问题的数据要比质量长的产品数据更突出。

在汽车驾驶员中,各种险恶的天气道路状态的数据比长时间的天气和照明能得到更多的数据。约翰肯尼迪,北方执行(美国电视),但是这个数据往往是小概率的数据。那么,如何对这个数量很少但最重要的数据展开机器学习呢?不解决问题,AI确实不能作为工业界的场景。

认识到这个问题的重要性,IBM研究院通过对小数据(Small Dataset)的一系列研究,转移到自学、加强数据等课题上进行研究开发。这些技术也适用于IBM的Watson和企业AI研发平台(PowerAI),需要帮助企业解决问题数据问题。未来几年可以大规模进入市场的AI是什么?哪些需要更长时间研究和验证?因为业界的你追赶我,AI好像是在高速跑道上发展的。

短期定义为1~2年,中长期为3~5年。新的AI技术能否大规模进入市场?要看这个市场对这项技术的失误疏忽是低是低。例如,这项技术能被接受80%的准确度吗,还是要有95%,甚至99%的准确度?(大卫亚设,Northern Exposure(美国电视),)2015年,一家玩具企业忘记发行了被选为“2015年最佳玩具”的CogniToys(可以和孩子对话的绿色恐龙)。

但是当时CogniToys的对话能力比今天国内多家公司销售的智能扬声器差得多。但是CogniToys只是玩具产品,所以不需要很高的准确度。和孩子的对话一句话也没有太大关系。因此,2015年,即使机器对话技术尚未成熟,也无法阻止CogniToys在亚马逊畅销。

但是,在一定程度上,对话技术如果被用作缜密的医疗行业、银行财经行业,就应该有更长的技术成熟期。(大卫亚设,Northern Exposure(美国电视剧))另一个例子是,今天只能做到90%的准确度的技术。如果期待在未来1~2年内普遍使用,就要在适用场景中展开折衷。

折衷的手法可以多种多样。例如,重新加入人为判断。

我们可以在top1的准确度太高的情况下得到对top5的识别结果,使用户能够在top5上再次区分。(威廉莎士比亚,Northern Exposure(美国电视),准确度名言)通过这种手法,一些AI技术可以延缓在一些领域的使用。当然,可用于这种折衷手法的应用领域不一定是工业控制领域。

需要实时控制的系统领域,无人驾驶、自动控制等也要有几乎不准确的拒绝。这个对低准确度几乎强硬拒绝的应用程序必须经过更长的研究和验证。

亚博网站提现速度的

(威廉莎士比亚,泰姆派斯特,莎士比亚)同样的技术,同样的产业领域,放到其他地区也不会有时间的先后问题。例如,利用AI技术进行无人驾驶,目前多家企业正在重新选拔特定现场工程车辆、校园摆渡车等。因为道路状态比较单一和简单。

(威廉莎士比亚,Northern Exposure(美国电视),)我们最近去印度看了印度的汽车产业,辅助司机的研发也刚刚开始。最重要的原因是,该地区的道路情况比美国和中国复杂得多。因此,无人驾驶可能需要三到五年才能在印度着陆。

原创文章,发布许可禁令。下面,我们来听一下关于刊登的注意事项。

本文关键词:亚博网页版登陆,亚博网站提现速度的

本文来源:亚博网页版登陆-www.eyemaxcentral.com

相关文章