汤晓鸥谈AI的明天:深度学习有三大核心要素,在中国创业要像百米赛跑

来源:i黑马
责任编辑:李平
字体:

骁龙系列是高通旗下的移动端处理器平台,比较骁龙625和骁龙820及821,我们可以从3个方面进行分析,结果供参考:01骁龙625骁龙625处理器于2016年2月11日,正式发布,定位中端市场。在性能方面,总的核心数为八核,核心架构为A53,单核最高频率为2.0GHz,芯片的工艺制程为14nm。图形处理器GPU为Adreno506。在支持技术上,配备双ISP,最高能够支持2400万像素摄像头并进行4K视频录制,还支持快速充电QuickCharge3.0技术。续航方面,骁龙625的14nm工艺制程,在发热和功耗控制上,比用28nm的骁龙652有十分巨大的优势;在网络制式上,骁龙625能支持Cat.

5月20日,以“科研·产业·融合”为主题的2017CCF青年精英大会在北京召开。本届大会由中国计算机学会主办,科技创新产业服务平台Xtecher协办。

邓婕是87红楼梦王熙凤的扮演者。当年87红楼梦播出以后,邓婕的王熙凤是受争议最小的!一直到现在都是一片赞扬和夸奖。如今邓婕已经是60岁了!617晚会现场,她从容大气淡定!这是邓婕的爱人张国立!当年邓婕嫁给张国立的时候,张国立还是一个无名小卒,邓婕在大红大紫之际下嫁给张国立!邓婕嫁给张国立之后,努力扶持张国立事业,张国立到北京什么东西都没有,想吃香烟一直都是邓婕买给他。张国立成功后,邓婕成了他背后的女人。默默支持他!617经常不在家的张国立,为了尽家属的责任跑来参加红楼梦60周年主持。邓婕这一生最可惜就是没有一个孩子!因为张国立奋斗事业经常不在家!把张默交给邓婕一人,为了给儿子张默完整母爱,张国

中国工程院院士赵沁平、香港中文大学教授汤晓鸥、百度创始七剑客之一雷鸣、清华大学教授郑纬民、IEEEFellow陈熙霖、中国人民大学教授杜小勇、中国计算机学会秘书长杜子德、中国人民大学信息学院院长文继荣、红杉资本合伙人周逵、高榕资本创始合伙人岳斌、寰景信息董事长陈拥权、CCFYOCSEF学术委员会学术秘书陈健等近五十位学术界、产业界、投资界大佬和数百位计算机领域的科研人才出席了此次活动。

其实我觉得每个人对女性的审判标准都是不同的,毕竟其实女孩的漂亮不单纯是从脸蛋去评论,也是从你的穿衣搭配的,性格方面的,够瘦,好看的身材比例。(纯粹个人观点,不喜欢勿喷哦)【1】江苏浙江省:大部分天生皮肤白、长的秀气、经商头脑都是不错!缺点:普遍都是给子矮一些,身材一般,市井味比较浓!【2】上海市优点:一方水土一方人,皮肤公认白、五官精致、懂的识大体!缺点:身材偏矮小、属于典型的管家婆,不爱做饭的类型。【3】江西省优点:皮肤好、水灵灵的、人精明!缺点:身材很一般、有攀比心里,人比较计较。【4】四川省优点:皮肤很好、鹅蛋脸、很水嫩、性格也满活泼!缺点:身材比较丰满、会打扮自己!不会乱花钱,性格开朗

本次CCF青年精英大会进行的“思想秀技术秀”上,共有22位青年学者、科技人才展示了前瞻性的思想观点以及最新的技术成果。最终,评委会选出了2位优秀青年赴CNCC(2017中国计算机大会,将于10月26-28日在福州举行)进行演讲。

女人最怕男人堕落,在外撒野,拈花惹草,寻花问柳。有的可能会认真是家暴,现在是女权社会,而且有法制圧束,自我抗争能力。真正怕的是堕落,堕落无救,失望还有救,男人一旦堕落,沉迷洒色,好赌懒惰,尽与不三不四的人来往,乃至落入歧途,苟延残喘,对家庭而不顾,神魂失散,吵家纳计,鸡飞狗跳不得安宁,家庭生活无着落,被人评头论足,让人看不起。亲朋好友只帮急,不帮穷,家小活受罪,女人忧心忡忡,进退两难,撕心裂肺,比活寡还更难受。嫁对人好绵绵,欢欣爽畅甜心田,嫁错人,活受罪,满肚辛酸苦难言。男人花心存情种,女人忧心忡忡,家田荒芜没人种,钱财拐外小三哄。女人在家活干渴,他在外边玩正火,回家黙黙不囗否,疲惫难堪床边躲

此外,大会还公布了“青竹奖”获奖名单,表彰推动科研进步的青年学者,鼓励产学研各方面创新人才。“青竹奖”由中国计算机学会牵头,联合Xtecher共同发起,经过评选委员会李开复、王恩东等17位委员的专业评审,最终评选出了6位获得“青竹奖”的最具潜力青年精英:码隆科技联合创始人兼CEO黄鼎隆、真格基金合伙人兼首席投资官李剑威、清华大学芯视界(北京)科技有限公司创始人兼董事长鲍捷、中国科学院计算技术研究所研究员张云泉、云从科技公司创始人周曦、物灵科技公司联合创始人兼CEO顾嘉唯。

在会议上,香港中文大学教授汤晓鸥做了主题为《人工智能的明天,中国去哪?》的特邀报告。汤晓鸥在演讲中,讲述了人工智能和深度学习的发展,并指出,深度学习的三大核心要素,就是算法设计、高性能的计算能力,以及大数据。

汤晓鸥表示:“无论人工智能怎么样发展,年轻人选择创业还是做研究,其实我们要做的就是三件事情:第一,我们需要花时间把基础打好。刚才赵沁平院士讲得很好,就是要坚持,真正花时间把人工智能的基础打好。第二,我们要创新,要做新的东西,不要老是跟在别人后面走。第三,我们要把‘漂在上面的东西’落地,最终实现产业化。”

以下根据汤晓鸥演讲实录整理:

今天我讲的题目是:《人工智能的明天,中国去哪儿?》我选了一个比较大的题目,希望能压住场。原来我想的题目比这个还大:人工智能的明天,地球去哪儿?后来发现“一带一路”会议刚刚开完,地球去哪儿的问题已经解决了,我还是回到我的小题目——中国去哪儿。

不管是中国人工智能接下来如何发展,还是年轻人如何创业或者做研究,我们要做的事情也就是这三件:

第一,要坚持,要花时间把基础打好。

第二,要做创新。要做新的东西,不要老是跟在别人后面走。

第三,要把飘在上面的东西落地,要产业化。

今天从我们实验室的研究成果和公司做的产品,来讲讲我对这三个方面的理解。

人工智能和深度学习的突破

首先,什么是人工智能?这个概念现在已经非常难定义了,大家几乎把所有的事情都往人工智能上靠。从我的理解来讲,人工智能真正落地的部分就是深度学习。因为以前的人工智能确实是在很多情况下用不起来,人手设计的智能还是比较难超越人来做某一件事情。而有了深度学习之后,我们可以把这个过程变成一个数据驱动的过程——当做某一件特定事情时数据量及参数量大到一定程度时,机器就可能在做这件事情上超过人类。很多现实中落地的产品化的东西,大部分是深度学习做出来的。深度学习做的东西,成功的案例比较多,一方面是在语音识别领域,另外可能更多的是视觉这方面,所以大家可以看到很多计算机视觉方面新的成果。我今天给在座讲的人工智能其实也就是计算机视觉,是用深度学习去做计算机视觉,就变得更窄了。

大家可以看到“深度学习“”这个词在谷歌上的搜索情况:从2006年才开始有人搜索这个词,是Hinton(黑智注:深度学习的开山鼻祖GeoffreyHinton)和YannLeCun(黑智注:Facebook人工智能研究院院长、卷积神经网络之父)们那个时候发明了这个算法。这中间很长一段时间,2006-2011年曲线是很平稳的,只有学术界才会去搜索这个词语,才知道这个事情。2011年突然之间搜索量开始呈现指数型增长,各行各业都在讨论深度学习,现在搜索量已经非常的巨大。这条曲线形象的演示了深度学习的爆发过程。

深度学习到底在做什么事情?实际上他所做的事情抽象出来是比较简单的,就是在做一个从X到Y的回归、或者说从A到B的Mapping(对应)——你给它一个输入,我怎么样给出一个对应的输出?特殊的地方就是深度学习把这件事情做得非常非常好。以前也有其他算法可以做,只不过一直做不过人,现在深度学习做到了极致。比如说给了一张人脸照片,它就可以给你对应出这个人的名字;给你一个物体的形状,它就可以告诉你是什么物体;给一个车的行驶场景,我就可以给你输出这个车应该往哪儿拐;给一个棋局,它能算出下一步怎么走;给一个医疗的图像,能帮你判断这是什么病……实际上就是这样的一个过程。不要把人工智能想象成可以超越人类,可以控制人类,这些都是所谓的“好莱坞的人工智能”或者想象中的人工智能,真正人工智能在现在这个阶段其实就是做这么简单个事。当然做成这个简单的事情其实已经很不简单了。

最近这几年深度学习确实在学术界、工业界取得了重大的突破。第一个突破是在语音识别上。Hinton和微软的邓力老师,在2011年用深度学习在语音识别上取得了巨大的成功。昨天可能大家在微信也刷屏了,我们中国科大毕业的师兄邓力老师从微软出来到顶级对冲基金工作。我的理解这也是一个AtoB的mapping的过程:把邓老师的深度学习的经验等内容都输入到对冲基金的算法里,这个对冲基金的钱就自动Map到了邓老师口袋里。

语音识别取得了巨大成功以后,紧接着在视觉方面又取得了重大突破。2012年时,Hinton在ImageNet上将图像识别一下子提高了十几个点,以前我们都一年一个点在推,他一年就推了十年的进步,在学术界引起了很大的轰动。2014年我们团队做人脸识别,通过深度学习,做到算法首次超过人眼的成绩。

最后,在2016年,还是谷歌最厉害,每年120亿美金的研发投入没有白投,下了一盘棋叫AlphaGo,这盘棋下完之后人工智能就不需要我们解释了,大家忽然都明白了,人工智能原来是这么回事儿,就是下棋。

接着人工智能在自动驾驶领域也取得了一些重大的突破。现在比较热门的是医疗影像方面,借助人工智能进行诊断。

深度学习的三个核心要素

深度学习有三个核心的要素:

.学习算法的设计,你设计的大脑到底够不够聪明;

.要有高性能的计算能力,训练一个大的网络;

.必须要有大数据。

接下来分享我们在深度学习方面做的一些工作。我们从2011年开始做这项工作,一开始没有开源的框架,所以要自己做很多的工作。做的时间长了,我们就做了一套Parrots系统,这个系统目前还不是开源的。

我们用这套系统训练的网络可以做到非常深,原来AlexNet是8层,后来GoogleNet在2014年做到了22层,后来Resnet做到了150多层,去年我们的PolyNet做到了1000多层。大家可以看到这个网络发展趋势,越来越深。这是我们设计的1000多层的网络,比较细的线就是整个网,中间一个格往下走,放大出来的部分就是网络的细节结构,这个网叫做Polynet,Dahua团队的这个网络设计和Facebook的Kaiming团队的Resnet,在图像分类上做了目前为止全球最好的结果,最后基本上成了我们实验室出来的两个学生之间的竞赛。这个网络的最后形状有点像DNA的双螺旋。

在物体检测上大家也可以看到这个进步速度,2013年一开始的时候,200类物体的平均检测准确率是22%,但是很快谷歌可以做到43.9%,我们做到50.3%,紧接着微软是62%,现在我们做到最好结果是66%。这个速度是几年之内翻了三倍,也是深度学习的力量,我们这方面的工作是Xiaogang和Wangli团队做的。

我们训练出来这样一个大脑,可以把它应用到各个方向,做出很多不同领域的不同技术。在人脸方面我们做了人脸检测、人脸关键点定位、身份证对比、聚类以及人脸属性、活体检测等等。智能监控方面,做了人,机动车,非机动车视频结构化研究,人体的属性,我们定义了大约70种。人群定义了90多种属性。下面这些是衣服的搜索、物体的检测、场景的分类和车型的检测,车型检测我们标注了几千种车型的分类。在文字方面,小票的识别、信用卡的识别、车牌的识别,这些都是由深度学习的算法来做的。同时在图像的处理方面,在去雾、超分辨率、去抖动、去模糊,HDR、各种智能滤镜的设计都是用深度学习的算法,我们基本上用一套大脑做很多的任务。

深度学习另外一个门槛就是高性能计算,以前高性能计算大家都是讲的CPU集群,现在做深度学习都是GPU,把数百块GPU连接起来做成集群目前是一个比较大的门槛。我们在北京做了三个GPU的集群,在香港做了一个大的集群,用这些集群,原来一个月才能训练出来的网络,加速到几个小时就能训练完,因此我们训练了大量的网络。

深度学习第三个门槛就是大数据,如果把人工智能比喻成一个火箭的话,大数据就是这个火箭的原料。

我们与300多家工业界的厂商客户进行合作,积累了大量的数据,数亿的图片,我们有300多人的团队专门做这个数据标注。包括几千类车型的数据、人群的大数据以及衣服的搜索和分类的数据库,这些对于学术界以及工业界都是很有益的。实际上谷歌所做的数据体量更大,他们和NationalInstitutesofHealth(NIH)合作很快会开放一个非常大的医疗图像的数据库。在医疗方面我相信大家很快会有大量的数据进行处理,这个时候对于我们的高性能计算又提出了一些新的要求。

实验室有幸对深度学习研究较早。在计算机视觉包括人脸检测等各个方面起步较早,这里列了18项计算机视觉领域由我们在全球最早提出来深度学习解决方案的问题,也相当于对创新的一些贡献。我们被评为全亚洲唯一的人工智能研究十大先驱实验室,非常荣幸跟MIT、斯坦福、伯克利这样的名校,以及深度学习的顶级工业实验室脸书、谷歌的深度学习负责人团队等等在一起获选。我们也在研究一些现在没有的技术,比如说,大家可能以前见过很多依赖深度摄像头才能做的人体跟踪算法(比如Kinect)。目前我们团队做的算法,用很便宜的单个RGB摄像头就可以做到同样效果,这是非常不容易的,尤其要做到实时,在智能家居,自动驾驶等方面都有很大的应用前景。

下面这个工作是去年做的,根据一张照片里两个人的姿势,可以自动判断两个人之间的情感,是友好的还是敌对的。同时可以根据两个人的表情也可以判断两个人的关系。所以以后如果你把你的照片上载到互联网上,实际上我们可以判断出来跟你一起照相的这个人和你具体是什么关系。

这有什么用途呢?大家经常会把照片放到网上,我们用这些照片分析这些人,如果你跟一个非常有名的人,或者跟一个非常有钱的人照了一张合照,那你这个人可信度可能就增加。或者你和一个罪犯、或者信誉不好的人拍了一张照片,你的可信度就下降。我们用这项技术可以做金融的征信,把不同人的关系网建立起来,把信用度传递出去。这个关系问题还可以做得更多,把一张图片任何物体之间,哪个在上面,哪个在后面,互相是什么关系,可以由一张照片判断出来。

下面这是最新的工作,我们以前定义了70种人的特性,根据这个特性进行视频搜索。现在定义一个新的搜索模式,是用自然语言来搜索,即我说一段话来描述这个人,把这个人描述出来以后用这段话去搜索我要找的这样一个人。实际上,其中涉及的信息量是很大的,寻找也更加精准,我们已经建立了一个大的开源的数据库来帮助大家做这个研究。

在这些数据中,从这些自然语言里面我们可以抽出不同的词,用词来描述不同的人,其信息量巨大,搜索准确率也大幅度提高。这是具体的监控方面应用的结果。用自然语言做人的搜索。大家可以想像一下在医疗上的应用,如在多模态的医疗诊断上。一个是医疗的图像,一个是医生的文字诊断,可以实时的识别出来,进行自然语言的分析,把两个进行结合再进行诊断。

下面这个也是一项新的研究工作,根据这个Video,识别内容,判断剧情属性。以泰坦尼克号电影为例,你可以看到那两个曲线,现在是浪漫的场景,代表浪漫的线就上来了,如果是灾难,那个灾难的绿线就上来了,实时根据这个内容判断剧情,这也是去年的工作。

今年目前团队又做了一个新的工作,可以根据电影的实时计算分析,来理解判断这里面的剧情,可以把一个演员,在整个电影里面,在什么地方出现,在那段时间是什么剧情,用自然语言描述出来,把整个电影的内容分析,用计算机视觉和自然语言自动可以分析出来了。将来可以用来分析和插播广告,还可以直接用自然语言搜索各种不同的片段。

我们还有一项工作是超分辨率,就是把很小的图像放大,最大化还原细节。这是好莱坞电影的图像,视频抓到一个很模糊的嫌疑罪犯的图像,然后把它实时的放大变得很清晰。这只是谍影重重电影上演的效果,还是很震撼的。

2016年的时候,推特跟谷歌密集发表了几篇关于超分辨率的文章,其核心就是深度学习。而我们早于他们,就已经做了大量先期研究。我们在2014年发表了全球第一个用深度学习研究超分辨率的论文,在2015年又发表了一篇相关文章,2016年发表了两篇,取得了更大的突破,而在2017年紧接着发表了三篇。我们的Cavan教授团队是第一个做的,也是目前做的最好的。目前超分辨率已经走向实时以及效果实用化的阶段,利用这项技术在某些实时监控,公安监控摄像头可以把人看的比较清晰了。

而在自动驾驶上,我们也做了大量研究,六大类别的技术,有30多个细分核心技术。我在这里面就简单举几个例子做演示。比如车的检测、行人检测、路道线的检测、实时的场景分割……我们也做到前端,用前端的芯片做实时的效果。

这是人脸的布控系统,目前已在很多城市实时布控了。还有百米之外抓人,百米之外看到一个目标拉近然后进行人脸识别。

这是视频结构化,把视频里面的人,机动车,非机动车及其特性都检测出来了,自动标注出来了,这样把整个视频变成了文档,就可以进行文档性的搜索。

下面这些也都是我们所做的技术的落地产品:在中国移动的实名认证系统,去年给中国移动做了三亿人的实名认证;小米的宝宝相册;华为Mat8的智能相册;FaceU、SNOW等做的特效;微博相机;这绝大部分是基于我们的人脸识别、人脸跟踪等技术做出来的。实际上在人工智能落地方面我们做了许多的落地产品,去年的双创活动中几百家企业里面选了两家代表中国人工智能,右边是百度,左边是商汤科技。

因为主办方希望我讲一下学术研究和创业的关系,我最后总结一下,在中国创业是一个什么感受?我觉得中国创业就像跑百米一样,要跑的非常快,第一个到达终点才可以活下来,但是这个跑道并不是塑胶跑道,而是满地都是坑的土路。这场赛跑有两个结局,一个是全力跑到最快,另外一个是刚起步就掉到坑里了。创业的困难是一定存在的,年轻人要不要创业?尽管路上的坑比较多,但还是可以试一试。

另外用什么钱创业也是个问题?什么钱可以用?什么钱不可以用?我的忠告是,首先父母的钱你不可以用,那是他们养老的血汗钱;你自己挣的钱可以用,你的第一桶金可以用,你们还年轻,用光了可以再去挣。投资人的钱是可以用的,因为大部分都是有钱人的钱,我觉得劫富济贫人人有责,所以如果大家一定要创业那就创吧。

欢迎关注黑智

请注意:本文为编辑制作专题提供的资讯,页面显示的时间仅为生成静态页面时间而非具体内容事件发生的时间,由此给您带来的不便敬请谅解!

扩展阅读,根据您访问的内容系统为您准备了以下内容,希望对您有帮助。

人工智能应用在那些行业,比较适合?

虽然不能太夸大人工智能,但该项技术的应用似乎已经势不可挡。

马化腾认为,人工智能演化的第一步肯定会成为人类的帮手,成为人类研究和解决下一代技术时的一个重要的助手。但AI在怎么发展都是战术性的,是一种支持和帮助。比较复杂的战略以及没有多次重复规律的领域,还是离不开人脑的判断。未来计算机和信息科学都会在生物科学以及人们生活的方方面面产生很大的作用。从腾讯方面来说,AI是发展的方向之一。他认为,在足够垂直的细分领域里还是有机会的。这些方面代替人,比人做得好是有可能的。所以公司现在在找细分领域里,一些可以应用到AI和信息技术的商业机会。各种研究再怎么天花乱坠,最终还要看是否能提高效率、改善用户体验。

在汤晓鸥看来,目前人工智能在三个方面应用的比较多:一是语音识别。这个是相对成熟,也是第一个突破的。二是视觉,现在的主战场就是在视觉领域,而且看的能力的场景是非常多的。三是自然语言的理解,就是要像大脑一样解决问题,这件事情目前是完全没有解决的。现在这一块很热,很多国内外的公司都做对话机器人,但这其实是非常难的一件事情,因为它对各种背景知识以及条件的要求是非常多的。

自然语音技术的应用到底有多难,为此他还举了好几个例子,比如说一句“上次我交给你的那件事,你给我办了”,语音机器人是判断不了具体什么时间以及什么事情的。这就需要很多的背景,但这都还没有解决。目前市面上的应用是比较简单的,主要是问一下餐馆、影院这些比较固定的场景。还有一个问题是,很多智能机器人完全是由人来控制的,比如他开玩笑道,有的机器人是5点要下班的,因为后台操作它的人5点就下班了。还有Siri团队会搜集一些比较难的问题,然后自己回答,当我们问到相关问题时,就会得到相同的答案。

虽然马化腾和汤晓鸥都看好人工智能的发展,但因为两家公司发展阶段的不同,导致他们做的事情也有些不同。

马化腾认为,人工智能与医疗和教育的结合是比较难的。腾讯投了大量与医疗和教育相关的公司,但感觉只了解到皮毛。因为这个产业链太长了,从各个角度来说只做了一小部分。虽然路还很长,但也是看到一些迹象可以与医疗和教育进行结合。比如用AI将教育的个性化系统进行提升。因为现在的教育可以利用信息技术,能针对每一个人、对不同的教育内容的反馈来决定下一步的教育的内容。利用信息技术的远程、视频宽带,以及配对和匹配这些技术手段和产品可以将学生和教师进行更好的适配,提供更加灵活的方式和更好的体验。

而对于创业公司商汤科技来说,短期来说首先是要活下来,所以不能挑高大上的事情做。汤晓鸥说,公司第一步要做安防,因为安防到处都是,每个摄像头几百万。然后是手机,手机有视觉、图像等很多需求,目前商汤已经在和很多手机厂商合作。第三是直播,做广告植入和特效也需要很多的视觉要求,像faceu和一直播都是商汤在提供核心技术。

从中期和长期来说的话,公司会布局金融领域,无论是开户还是内部的大数据运算、智能投顾等,都会用到人工智能。虽然这些技术普及后,可能公司再去推进业务没那么容易。但是人工智能还有很多的用处,比如做个性化的保险服务。而自动驾驶、医疗、芯片三大领域,在未来5-10年会有很大的应用。目前这三个行业的融资是最多的,但需要多做原创技术,而且还需要跟大厂商合作才能取得更大的进展。

人工智能产业,投入c端应用还需多久

虽然不能太夸大人工智能,但该项技术的应用似乎已经势不可挡。

马化腾认为,人工智能演化的第一步肯定会成为人类的帮手,成为人类研究和解决下一代技术时的一个重要的助手。但AI在怎么发展都是战术性的,是一种支持和帮助。比较复杂的战略以及没有多次重复规律的领域,还是离不开人脑的判断。未来计算机和信息科学都会在生物科学以及人们生活的方方面面产生很大的作用。从腾讯方面来说,AI是发展的方向之一。他认为,在足够垂直的细分领域里还是有机会的。这些方面代替人,比人做得好是有可能的。所以公司现在在找细分领域里,一些可以应用到AI和信息技术的商业机会。各种研究再怎么天花乱坠,最终还要看是否能提高效率、改善用户体验。

在汤晓鸥看来,目前人工智能在三个方面应用的比较多:一是语音识别。这个是相对成熟,也是第一个突破的。二是视觉,现在的主战场就是在视觉领域,而且看的能力的场景是非常多的。三是自然语言的理解,就是要像大脑一样解决问题,这件事情目前是完全没有解决的。现在这一块很热,很多国内外的公司都做对话机器人,但这其实是非常难的一件事情,因为它对各种背景知识以及条件的要求是非常多的。

自然语音技术的应用到底有多难,为此他还举了好几个例子,比如说一句“上次我交给你的那件事,你给我办了”,语音机器人是判断不了具体什么时间以及什么事情的。这就需要很多的背景,但这都还没有解决。目前市面上的应用是比较简单的,主要是问一下餐馆、影院这些比较固定的场景。还有一个问题是,很多智能机器人完全是由人来控制的,比如他开玩笑道,有的机器人是5点要下班的,因为后台操作它的人5点就下班了。还有Siri团队会搜集一些比较难的问题,然后自己回答,当我们问到相关问题时,就会得到相同的答案。

虽然马化腾和汤晓鸥都看好人工智能的发展,但因为两家公司发展阶段的不同,导致他们做的事情也有些不同。

马化腾认为,人工智能与医疗和教育的结合是比较难的。腾讯投了大量与医疗和教育相关的公司,但感觉只了解到皮毛。因为这个产业链太长了,从各个角度来说只做了一小部分。虽然路还很长,但也是看到一些迹象可以与医疗和教育进行结合。比如用AI将教育的个性化系统进行提升。因为现在的教育可以利用信息技术,能针对每一个人、对不同的教育内容的反馈来决定下一步的教育的内容。利用信息技术的远程、视频宽带,以及配对和匹配这些技术手段和产品可以将学生和教师进行更好的适配,提供更加灵活的方式和更好的体验。

而对于创业公司商汤科技来说,短期来说首先是要活下来,所以不能挑高大上的事情做。汤晓鸥说,公司第一步要做安防,因为安防到处都是,每个摄像头几百万。然后是手机,手机有视觉、图像等很多需求,目前商汤已经在和很多手机厂商合作。第三是直播,做广告植入和特效也需要很多的视觉要求,像faceu和一直播都是商汤在提供核心技术。

从中期和长期来说的话,公司会布局金融领域,无论是开户还是内部的大数据运算、智能投顾等,都会用到人工智能。虽然这些技术普及后,可能公司再去推进业务没那么容易。但是人工智能还有很多的用处,比如做个性化的保险服务。而自动驾驶、医疗、芯片三大领域,在未来5-10年会有很大的应用。目前这三个行业的融资是最多的,但需要多做原创技术,而且还需要跟大厂商合作才能取得更大的进展。

为您准备的好内容:

www.haoxyx.com true http://getqq.haoxyx.com/g/3620/36204236.html report 13545 5月20日,以“科研·产业·融合”为主题的2017CCF青年精英大会在北京召开。本届大会由中国计算机学会主办,科技创新产业服务平台Xtecher协办。中国工程院院士赵沁平、香港中文大学教授汤晓鸥、百度创始七剑客之一雷鸣、清华大学教授郑纬民、IEEEFellow陈熙霖、中国人民大学教授杜小勇、中国计算机学会秘书长杜子德、中国人民大学信息学院院长文继荣、红杉资本合伙人周逵、高榕资本创始合伙人岳斌、寰景信息董事长陈拥权、CCFYOCSEF学术委员会学术秘书陈健等近五十位学术界、产业界、投资界大佬和数百位计算机领
最近关注
首页推荐
热门图片
最新添加资讯
24小时热门资讯
精彩资讯
精彩推荐
热点推荐
真视界
精彩图片
社区精粹
关于本站 | 广告服务 | 手机版 | 商务合作 | 免责申明 | 招聘信息 | 联系我们
Copyright © 2004-2017 haoxyx.com All Rights Reserved. 好心游戏网 版权所有
京ICP备10044368号-1 京公网安备11010802011102号