91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

當(dāng)我在世界經(jīng)濟(jì)論壇上閱讀文章《這就是為什么中國(guó)在人工智能方面具有優(yōu)勢(shì)》時(shí)，讓我感到震驚的不是中國(guó)在人工智能方面是否有優(yōu)勢(shì)，真正令我震驚的是文中認(rèn)為人工智能發(fā)展所需要的五個(gè)基本構(gòu)建模塊：

• 海量數(shù)據(jù)
• 自動(dòng)數(shù)據(jù)標(biāo)注系統(tǒng)
• 頂尖科學(xué)家
• 定義清晰的行業(yè)需求
• 高效的計(jì)算能力

這讓我思考，這些因素對(duì)于建立一個(gè)堅(jiān)實(shí)的人工智能基礎(chǔ)至關(guān)重要嗎？這些領(lǐng)域做的好是否會(huì)給人工智能項(xiàng)目帶來(lái)優(yōu)勢(shì)？總體來(lái)說(shuō)我的答案是：有一點(diǎn)，但是具有誤導(dǎo)性。讓我來(lái)一個(gè)一個(gè)分析一下：

• 海量的數(shù)據(jù)。恕我直言，這是人工智能里分散注意力的東西。太多人相信“誰(shuí)有的數(shù)據(jù)最多誰(shuí)就贏”。數(shù)據(jù)絕對(duì)是有價(jià)值的，但數(shù)量本身不會(huì)帶來(lái)價(jià)值。數(shù)據(jù)量很大，可能是有通用的或冗余的數(shù)據(jù)。因此，海量的數(shù)據(jù)只有在區(qū)分對(duì)待使用后才有價(jià)值，確切地說(shuō)，你才可能從這些數(shù)據(jù)中獲得更好的結(jié)果。同時(shí)，定義大數(shù)據(jù)有三個(gè)V：多樣性（Variety）、速度（Velocity）和準(zhǔn)確性（Veracity）。多樣性和速度都不需要“海量”。至于準(zhǔn)確性，你懂得，“海量的”垃圾數(shù)據(jù)是沒(méi)有價(jià)值的。最后，我想補(bǔ)充一點(diǎn)。海量的數(shù)據(jù)可能會(huì)迅速導(dǎo)致暴政流行（即數(shù)據(jù)獲多的就會(huì)贏的那些例子）。但我們都有一些例子表明信息里的金塊才是關(guān)鍵，有時(shí)小數(shù)據(jù)就可以贏。底線：大數(shù)據(jù)是一個(gè)構(gòu)建基礎(chǔ)；但是“海量的數(shù)據(jù)”這個(gè)概念則是誤導(dǎo)。
• 自動(dòng)數(shù)據(jù)標(biāo)注系統(tǒng)。自動(dòng)化的標(biāo)注系統(tǒng)本身就是人工智能。如果我們把它作為一個(gè)構(gòu)建模塊，就會(huì)陷入無(wú)限循環(huán)的困境。底線：自動(dòng)數(shù)據(jù)標(biāo)注系統(tǒng)是子組件，而不是構(gòu)建模塊。
• 頂尖的科學(xué)家。首先，沒(méi)有科研，這一切就沒(méi)有可能，沒(méi)有！從HT到Bengio(s)、LeCun、Ng、Hinton等人（都是頂尖科學(xué)家）。世界經(jīng)濟(jì)論壇的文章呼吁科學(xué)家和工程師的組合，但是更多的是用一種瀑布式方法去和基于需求的比對(duì)。問(wèn)題必須是，你想要構(gòu)建什么？以及對(duì)你來(lái)說(shuō)，自己創(chuàng)建算法還是使用他人構(gòu)思或創(chuàng)造的算法？你需要為你的業(yè)務(wù)做出決定——是科學(xué)重要，還是落地實(shí)現(xiàn)更重要？這兩個(gè)是不同的模塊，兩者都很重要。而且，你可能對(duì)問(wèn)題的不同部分有不同的答案。底線：頂尖科學(xué)家和/或經(jīng)驗(yàn)豐富的工程師創(chuàng)建模塊，但不是模塊本身。
• 定義清晰的行業(yè)需求。需求是我們讓人工智能會(huì)失敗的地方。我最近作為行業(yè)里有影響力的人受邀參加英特爾的AI Day。技術(shù)議題相當(dāng)豐富。但商業(yè)議題——很棒——其實(shí)商業(yè)議題參與者門可羅雀。我們作為技術(shù)專家，對(duì)技術(shù)進(jìn)步感到興奮。但我們忘記了我們需要這些進(jìn)步的原因。我們沉醉于我們的技術(shù)。我會(huì)反對(duì)行業(yè)的需求，更傾向于業(yè)務(wù)需求。雖然業(yè)務(wù)需求會(huì)和行業(yè)需求有重疊，但關(guān)鍵是把人工智能專注在你的業(yè)務(wù)、你的客戶、你的運(yùn)營(yíng)上。底線：清晰定義的業(yè)務(wù)需求是構(gòu)建模塊; 清晰定義的行業(yè)需求是誤導(dǎo)。
• 高效的計(jì)算能力。盡管我甚至不確定我是否要點(diǎn)評(píng)這一條，但我還是要駁斥一下這一觀點(diǎn)，就這樣。高效的計(jì)算能力是地基或是我要在上面進(jìn)行建設(shè)的地方，而不是建筑物。這是常識(shí)的核心。為什么我認(rèn)為這是一個(gè)值得點(diǎn)評(píng)一下的問(wèn)題？是因?yàn)樗葎e的點(diǎn)更不好區(qū)分。或者可以這么看，對(duì)于大多數(shù)應(yīng)用而言，把它看成一個(gè)可以商品化的東西。底線：高效的計(jì)算能力是地基，而不是構(gòu)建模塊，因此這一點(diǎn)是誤導(dǎo)。

我提出以下三個(gè)人工智能開(kāi)發(fā)的關(guān)鍵組成部分，我稱之為雞蛋、雞和培根：

• 雞蛋。數(shù)據(jù)是雞蛋。我們還沒(méi)有看到一個(gè)客戶是沒(méi)有足夠的數(shù)據(jù)來(lái)開(kāi)始使用人工智能為自己或他們的客戶做得更好。通過(guò)客戶對(duì)數(shù)據(jù)想法，我們觀察到的兩個(gè)最大的挑戰(zhàn)是：

? 數(shù)據(jù)孤島。企業(yè)會(huì)圍繞著數(shù)據(jù)制定瘋狂和不切實(shí)際的規(guī)劃，但各個(gè)部門對(duì)于“他們自己”的數(shù)據(jù)卻像封建領(lǐng)主一樣行事。

? 非結(jié)構(gòu)化數(shù)據(jù)。Gartner估計(jì)，企業(yè)數(shù)據(jù)的80％是非結(jié)構(gòu)化的。根據(jù)我們的經(jīng)驗(yàn)，這些數(shù)據(jù)是尚未被開(kāi)發(fā)的資源，可以帶來(lái)價(jià)值。

你的重點(diǎn)不應(yīng)該放在數(shù)據(jù)量上，而應(yīng)該放在可被用來(lái)解決有明確定義的問(wèn)題的可用數(shù)據(jù)上。實(shí)際上，在測(cè)試時(shí)盡可能使用最少量的數(shù)據(jù)。這樣你和你的團(tuán)隊(duì)就有更好的機(jī)會(huì)在早期發(fā)現(xiàn)數(shù)據(jù)里的問(wèn)題和依賴關(guān)系。底線：專注于自己獨(dú)特的業(yè)務(wù)問(wèn)題的數(shù)據(jù)質(zhì)量，而不是數(shù)量。

• 雞。算法是雞。我經(jīng)常在TensorFlow Playground中展示算法和數(shù)據(jù)之間相互作用的可執(zhí)行的例子。根據(jù)自己的目標(biāo)和可用數(shù)據(jù)，你需要選擇不同的算法。根據(jù)可用的算法，你可能需要尋找不同的數(shù)據(jù)。因此，雞和雞蛋的悖論可供參考。底線：你不能把數(shù)據(jù)和算法分開(kāi)；它們互相依賴。
• 培根。什么是業(yè)務(wù)里的培根？那就是更好的業(yè)務(wù)成果。這必須是最先思考和最后交付的內(nèi)容。必須要根據(jù)需要的結(jié)果來(lái)定義項(xiàng)目，然后進(jìn)行測(cè)量以確保能達(dá)到結(jié)果。精煉結(jié)果，再重復(fù)進(jìn)行。我在新加坡的Strata + Hadoop World大會(huì)做了如何“雇傭”人工智能的演講。第一步就是撰寫職位描述——工作要求是什么？之后，需要根據(jù)你定義的需求來(lái)評(píng)估工作是否完成。底線：不要忘了培根！

這些構(gòu)建模塊高度相互依賴。類似于樂(lè)高積木，它們有許多不同的組合方式，但仍然需要被設(shè)計(jì)成可以契合起來(lái)。是的，你可以用“人工智能會(huì)給我們帶來(lái)更多培根”來(lái)結(jié)束你的爭(zhēng)論。

相關(guān)資源：

• 人工智能大會(huì)北京2018。
• O’Reilly商業(yè)人工智能視頻大全。