第205讲 | 邵浩:人工智能新技术如何快速发现及落地(上)
狗尾草科技合伙人,人工智能研究院院长邵浩
该思维导图由 AI 生成,仅供参考
你好,我是狗尾草科技合伙人,人工智能研究院院长邵浩。从上世纪 80 年代开始,我们经历了技术飞速发展的四个时代,分别是 PC 时代、互联网时代、移动互联网时代,以及我们正在经历的人工智能时代。现如今,人工智能的新概念、新技术层出不穷,作为技术管理者,一个重要的能力就在于如何快速发现技术,并且落地到实际产品中。在本文中,我将跟你一起讨论人工智能新技术如何快速发现和落地。
人工智能技术现状及成熟度概述
简要来说,人工智能概念自从 1956 年达特茅斯会议上被提出之后,迄今为止经历了 3 个热潮。第一个热潮伴随着神经元模型、深度学习模型以及增强学习的雏形即感知器的提出和发展而兴起,但却由于适用性较窄而进入低谷。第二个热潮出现在上世纪 80 年代初到 90 年代,浅层学习算法如支持向量机、Boosting、最大熵等得到广泛应用,IBM、苹果推出的个人电脑也进入到普通百姓的家庭,但由于第五代计算机的失败和背离工业发展的方向的技术路线,人工智能再一次进入低谷。
2006 年,杰弗里·欣顿(Geoffrey Hinton)和他的学生在《Science》上提出基于深度信念网络(Deep Belief Networks, DBN)可使用非监督学习的训练算法,随后 2012 年,DNN 技术在 ImageNet 评测中取得了突破性进展,人工智能进入到新的热潮,围绕语音、图像、机器人、自动驾驶的技术大量涌现。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
人工智能技术的快速发展成为当前科技领域的热点话题。邵浩在文章中分享了人工智能技术的发展历程和现状,以及技术管理者在快速发现和落地新技术方面的重要能力。他指出人工智能经历了三次热潮,每次都伴随着技术的突破和媒体的大肆报道。当前,人工智能技术在领域如语音识别、图像识别、自动驾驶等方面取得了重大进展,但强人工智能的极点仍然是未知数。文章还提到了一些具体的技术突破,如微软语音识别系统的错误率降低、谷歌的深度学习算法超越人眼识别等。然而,人工智能的落地并没有想象的那么美好,媒体上经常看到的一些炫酷的案例,背后也都存在大量人工设计的场景和规则。尤其是在自然语言处理技术和知识图谱技术的落地应用上,存在着诸多难点和痛点。虽然人工智能技术发展迅猛,但在实际产品落地过程中仍面临挑战。作为技术管理者,如何快速发现新技术并将其落地到实际产品中是一个重要课题。文章通过对人工智能技术的发展历程和现状进行概述,为读者提供了对人工智能技术的整体了解和认识。
仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《技术领导力实战笔记》,新⼈⾸单¥98
《技术领导力实战笔记》,新⼈⾸单¥98
立即购买
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(5)
- 最新
- 精选
- li3huoP2V 模式应该很难再混下去了, NLP 结合 Knowledge Graph 的故事很好,但政企也都是不见兔子不撒鹰的,没有技术积淀和结合实际场景的产品设计是不会有人买账的。2020-05-021
- 涛涛但由于第五代计算机的失败和背离工业发展的方向的技术路线 这是什么意思?2020-04-081
- self-discipline期待分享2019-12-25
- vigo精辟2019-09-07
- 旅途中de陌生人期待后续关于知识图谱的深入分享😀2019-04-16
收起评论