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

在這篇文章中，我分享了Roger Chen和我在2018年10月倫敦人工智能會議上發(fā)表的主題演講中的幻燈片和筆記。我們概述了自動化技術(shù)的現(xiàn)狀：我們試圖聚焦于關(guān)鍵組件模塊的現(xiàn)狀，并描述了這些工具在不久的將來會向什么方向自我進化。

為了評估機器學習和人工智能的受接納狀況，我們最近進行了一項調(diào)查，收集了超過11,000名受訪者的答案。?正如我在之前的帖子中指出的，我們了解到，許多公司仍處于部署機器學習算法的早期階段：

公司認為“缺乏數(shù)據(jù)”和“缺乏技術(shù)人才”是阻礙接納機器學習的主要因素。?在許多情況下，“缺乏數(shù)據(jù)”實際上就是事實情況：公司尚未收集和存儲他們訓練機器學習模型所需要的數(shù)據(jù)。?“技能差距”是真實存在的、長期的問題。?開發(fā)者們已經(jīng)注意到需求的增長。?在我們自己的在線學習平臺中，我們看到人工智能主題內(nèi)容使用量大幅增長，其中，與深度學習有關(guān)的內(nèi)容消費增長了77％：

我們也看到，對PyTorch和強化學習等新工具和問題的興趣在強勁增長。?在強化學習的場景下，?類似Ray等新工具已經(jīng)促使公司研究多步?jīng)Q策問題的替代解決方案，其中的模型如果用監(jiān)督學習來構(gòu)建可能會很難。

決策者還在投資人工智能和自動化技術(shù)。?最近對?84個國家近4,000名IT領(lǐng)導者進行的調(diào)查發(fā)現(xiàn)，越來越多的公司開始投資人工智能和自動化技術(shù)：

• 投資水平取決于公司。?已經(jīng)認為自己是數(shù)字化領(lǐng)導者的公司，傾向于呈現(xiàn)出更高比例的人工智能和自動化投資。
• 位置也很重要。?鑒于中國競爭激烈的商業(yè)環(huán)境，那里的公司也傾向于以更高的利率進行投資。?這與李開復(fù)在今年9月在舊金山召開的人工智能會議上對中國人工智能的最新概述是一致的。

數(shù)據(jù)的增長以及計算和模型的改進推動了人工智能技術(shù)的進步。?讓我們簡要分析一下其中的每一個元素。

深度學習模型

深度學習的興起始于2011/2012年，此時語音識別和計算機視覺領(lǐng)域產(chǎn)生了突破精度記錄的模型。?當我在2013年開始深入學習時，社區(qū)規(guī)模小而緊湊。?最佳實踐在幾個小組之間流傳，很多知識都是以“口頭”的形式分享的。今天，社區(qū)規(guī)模要大得多。

通過以下方面的穩(wěn)步改進，使得研究取得了進展：（1）數(shù)據(jù)集，（2）硬件和軟件工具，以及（3）通過arXiv等會議和網(wǎng)站的分享、開放的文化。?新手和非專家在機器學習領(lǐng)域也從易于使用的開源庫中獲益。

這些開源機器學習庫提供了公平競爭的場地，并使非專業(yè)開發(fā)人員能夠構(gòu)建有趣的應(yīng)用程序。?事實上，在2017年，我們在AI會議上展示了幾位才華橫溢的青少年（Kavya Kopparapu和Abu Qader）。?他們都是自學成才，并且都能夠通過引入深度學習，構(gòu)建有潛力的高影響力的原型產(chǎn)品。

公司已經(jīng)注意到并希望將機器學習和人工智能構(gòu)建到他們的系統(tǒng)和產(chǎn)品中。?2015年，LinkedIn開展了一項研究，發(fā)現(xiàn)美國擁有數(shù)據(jù)科學技能的人才。?今天不再是這樣了：

• 美國主要城市地區(qū)的需求非常高。
• 人工智能和機器學習等尖端技能可能會在未來傳播到其他行業(yè)和地區(qū)。

數(shù)據(jù)

因此，僅僅擁有厲害的模型是不夠的。?至少就目前而言，我們依賴的許多模型 – 包括深度學習和強化學習 – 都迫切地需要數(shù)據(jù)。?由于它們有能力擴展到服務(wù)許多用戶，?最大的國家中最大的公司比我們其他人有優(yōu)勢?。?特別是中國，被稱為“數(shù)據(jù)方面的沙特阿拉伯”。由于人工智能研究依賴于獲取大量數(shù)據(jù)集，我們已經(jīng)看到更多來自美國和中國大公司的尖端研究。NIPS曾經(jīng)是一個沉寂已久的學術(shù)會議。?現(xiàn)在它的門票在幾分鐘內(nèi)售罄，而且我們看到更多來自美國和中國大公司的論文。

好消息是，有一些新工具可以幫助其他人獲得更多數(shù)據(jù)。?用于生成標記數(shù)據(jù)集的服務(wù)越來越多地使用AI技術(shù)。?那些依賴人類標注的人開始使用機器學習工具進行擴展，用來幫助人類工作者，提高標注的準確性，并使訓練數(shù)據(jù)成本更加經(jīng)濟實惠。?在某些領(lǐng)域，GAN和仿真平臺等新工具能夠提供可用于訓練機器學習模型的十分真實的合成數(shù)據(jù)。

除了數(shù)據(jù)生成以外，另一個重要方向是數(shù)據(jù)共享。?還有一些新的創(chuàng)業(yè)公司正在構(gòu)建開源工具來改善數(shù)據(jù)流動性。?這些初創(chuàng)公司正在使用加密，區(qū)塊鏈和安全通信等工具來構(gòu)建數(shù)據(jù)網(wǎng)絡(luò)，使組織機構(gòu)之間能夠安全地共享數(shù)據(jù)。

計算

機器學習研究人員不斷探索新算法。?對于深度學習而言，這通常意味著嘗試新的神經(jīng)網(wǎng)絡(luò)架構(gòu)，改進參數(shù)或探索新的優(yōu)化技術(shù)。正如圖靈獎獲得者大衛(wèi)帕特森所描述的那樣，“訓練的胃口是無限的！”

實驗可能需要很長時間才能完成：數(shù)小時，數(shù)天甚至數(shù)周，這就是一個重大挑戰(zhàn)。?計算也會花費很多資金。?這意味著研究人員不能隨便進行如此漫長而復(fù)雜的實驗，即使他們有耐心等待他們完成也不行。

我們對人工智能和深度學習產(chǎn)生了新的興趣，已經(jīng)來到了第七個年頭。?在這個階段，公司知道他們所涉及的計算形態(tài)，并且他們開始看到足夠的需求來證明構(gòu)建專用硬件以加速這些計算是存在合理性的。?硬件公司，包括我們的合作伙伴英特爾，繼續(xù)發(fā)布用于AI的硬件產(chǎn)品套件（包括計算，內(nèi)存，主機帶寬和I / O帶寬）。?需求如此之大，以至于其他公司 – 包括那些以處理器聞名的公司 – 開始加入競爭。

更多幫助正在趕來。?我們看到許多新公司致力于專業(yè)硬件。?您擁有數(shù)據(jù)中心的硬件，通常會使用大型數(shù)據(jù)集來訓練大型模型。?我們也正進入一個數(shù)十億端設(shè)備將要執(zhí)行推理任務(wù)的時代，這些任務(wù)包括圖像識別等。?這些端設(shè)備的硬件需要節(jié)能，且價格合理。

許多硬件初創(chuàng)公司都瞄準中國和美國的深度學習。舊金山灣區(qū)尤其是經(jīng)驗豐富的硬件工程師和企業(yè)家的溫床，其中許多人正在從事與AI相關(guān)的創(chuàng)業(yè)公司。?如下所示，許多硬件初創(chuàng)公司都瞄準端設(shè)備：

結(jié)尾的思考

我們主要在傳統(tǒng)績效指標的背景下談?wù)摂?shù)據(jù)，模型和計算：即優(yōu)化機器學習甚至業(yè)務(wù)指標。?現(xiàn)實情況是，還有許多其他需要考慮的因素。?例如，在某些領(lǐng)域（包括健康和金融），系統(tǒng)需要可以解釋性。?其他方面包括公平、隱私、安全，以及，可靠性和安全性也是重要的考慮因素，使得機器學習和人工智能算法得到更廣泛的部署。這是公司真正關(guān)注的問題。?在最近的一項調(diào)查中，我們發(fā)現(xiàn)數(shù)據(jù)科學家和數(shù)據(jù)工程師對這些問題有很強的認知和關(guān)注。

考慮可靠性和安全性。?雖然我們今天可以開始構(gòu)建計算機視覺應(yīng)用程序，但我們需要記住它們可能很脆弱。?在某些領(lǐng)域，我們需要了解安全隱患，并且需要優(yōu)先考慮可靠性，而不是自動化提供的效率提升。?Mobileye的創(chuàng)始人描述得最好：?自動駕駛汽車競賽的主要參數(shù)不是誰將擁有第一輛上路的汽車。

開發(fā)安全、可解釋、公平和安全的人工智能應(yīng)用將分階段進行。?在現(xiàn)有任務(wù)和工作流程的自動化方面，您無需采取“要么全盤接納，要么全盤否定”的態(tài)度。?其中許多技術(shù)已經(jīng)可以用于工作流的基本自動化和部分自動化。

相關(guān)內(nèi)容：

• 梅雷迪思·惠特克（Meredith Whittaker）談到“是什么塑造了正在塑造我們世界的人工智能？”
• “企業(yè)中的下一代AI助手”
• “如何考慮人工智能和機器學習技術(shù)及其在自動化中的作用”
• “機器學習對于軟件開發(fā)意味著什么”
• 李開復(fù)談“中國：AI超級大國”
• 大衛(wèi)帕特森談“計算機體系結(jié)構(gòu)的新黃金時代”