本文摘要:人工智能是新电能内容泉源:2017年9月11日,斯坦福,吴恩达为GASA大学作主题为“探索人工智能”的分享。

亚博App

人工智能是新电能内容泉源:2017年9月11日,斯坦福,吴恩达为GASA大学作主题为“探索人工智能”的分享。我们可以先思考几个问题:1. 为什么AI会突然在这几年进步这么快?2. 人工智能的战略逻辑是什么?3. 企业如何面临AI的挑战?我在百度就在讲这句话:“人工智能是新电能”。

100年前,电能给每个企业带来新的改变。当人工智能技术足够成熟之后,会给许多企业带来很是大的改变。

今天我主要讲人工智能的趋势以及对大家会有什么影响。一、supervised learning(监视学习)AI,这个词对大多数人来说有一种魔术的感受,可是它详细能做什么?它的技术很是庞大,有许多部门,这两三年进步最快的一部门是 supervised learning(监视学习),也就是从a的input(输入)到b的output(输出),什么意思呢?用详细案例来说明下。

好比,你输入足够多的影戏影评,然后可以或许知道一个影戏是好是坏;输入一种图片,然后可以知道图片的内容(图片识别);输入一段语音,会输出一个文本(语音识别);输入一段英文,会输出一段中文(自动翻译);输入一段文本,会输出一段音频(语音输出);输入一笔用度,会输出很好的回报(消费金融);输入一段传感器信息,会输出一个汽车的位置(自动驾驶)。AI技术有许多差别的部门,进步最快的就是这个部门,今天有许多空间使用新技术,给企业带来价值,好比语音识别对百度就很是有价值。许多要做人工智能事情的企业需要明白你自己的生意,才气决议如何放入人工智能来缔造价值。不外这种技术有一个缺点,需要大量的数据,需要a,也需要b。

经常有人问我,AI可以做什么?我跟许多团队说,如果有哪个事情想一秒钟就乐成搞定,那么就可以这个部门用AI缔造价值。为什么AI会突然在这几年进步这么快?如果你的横轴是你的数据量(amount of data),纵轴是效率或准确度,当企业发生大量的数据,传统企业根据已往的算法无法提供数据的盘算效果,但如果训练一个庞大的神经网络,效果会很是庞大。如果你要到达最好的效果,有两个须要条件:第一,要训练一个庞大的神经网络(NN);第二,要有大数据。

今天许多企业有海量数据,但几年之前没有措施训练足够大的神经网络来实现盘算。今天,最好的人工智能团队都可以从算法(机械学习)和超级盘算机架构入手。supervised learning(监视学习)是人工智能的一部门,我做人工智能项目的时候,有时候也需要到Ai技术的差别部门。

为什么通常讲supervised learning(监视学习)和神经网络(NN)? supervised learning(监视学习)和神经网络进步很是快,其他部门的进步没有这么快,只是逐步增加,神经网络这两年有庞大的突破。二、神经网络中国今天对深度学习和神经网络有这么大的兴趣,我来分享下神经网络这个词详细是什么。神经网络,对于许多人也有魔术的感受。

我用详细的案例来说明。如果你想预测一件房间的价值,横轴是巨细,纵轴是价钱,那么输入房间巨细,输出一个价钱,这是一个最简朴的神经网络。在知道房间巨细、睡房数量以及四周居住者的收入水平的前提下,如果买屋子的人想知道房间可以住几多人,可以用一个神经元测算出来;也可以通过一个神经元测算是否需要驾车;还可以通过一个神经元测算四周学校的质量。

最后把这些神经元汇合到一起,再通过另外一个神经元输出屋子的价钱,这就是神经网络。最后分享一个细节来相识神经网络的重要性:如果输入屋子的特征(a)和价钱(b),而且有大量的数据(a),它就可以自动学习这中间有什么观点,不用去思量和担忧这些神经元。

已往两年,人工智能的神经网络进步这么快,如果获得许多a,就能够盘算出许多正确的b。就像语音识别,输入语音a,输出一个文本b,要做到高质量,需要一万个小时的数据量,也就是10年左右的数据量,但要拿到这些数据的价钱也是不少的。拥有比力准确的语音识别能力,用户也会更愿意使用。

中国这几年语音识此外用户量增加得很是快,就在于现在语音识别比力准确。今天许多人工智能的企业都是开源的,技术自己不能作为壁垒。要明白另外一个公司的技术并不太难。我在百度和谷歌事情过,对技术比力相识,知道技术是怎么做的,可是如果我没有数据,我就没措施带一个团队做搜索。

三、人工智能公司的战略逻辑:数据-产物-用户(Data – product – user)如果你可以拿到一点点数据,你就可以通过神经网络来做一个产物。通常一个产物不用做得太好,只要用户能够接受,用户逐步会有活跃度,用户就会为你发生数据,然后形成正循环,形成壁垒。如果你有一个用户可以接受的产物,却又被巨头用另外一个产物挖走,那么你的数据就没有措施形成正循环。

人工智能获取的战略已经越来越庞大,人工智能团队要想清楚信息获取的战略。1.什么是互联网公司? 如果你要为一个传统的购物中心做一个网站或者app,它们还不是一个互联网公司。

亚博App安全有保障

就像沃尔玛网站,也不是一家互联网公司。你要做一个互联网公司,不在于是不是有网站,最重要的是整个公司的组织是否具有有效使用互联网的能力。

互联网公司会做A/B测试,天天可以做一千次A/B测试,所以互联网公司的学习速度会很是快。互联网公司也会在比力短的时间周期里公布新产物,可以天天公布一个或者20个,传统购物中心不能明白为什么这样做或者怎样做。互联网公司做决议的能力不是只有CEO一小我私家,另有许多产物司理或工程师。

因为在互联网公司,技术和用户行为比力庞大,没措施都交给CEO一小我私家做决议。传统购物中心因为变更比力慢,由CEO做决议是没有那么大问题的。

因此,是不是互联网公司不是看你有没有网站。2.什么是人工智能公司? 在人工智能时代,一个传统的互联网公司+神经网络技术,也还不是人工智能公司。一个公司要做成人工智能公司,要组织整个公司有效地使用人工智能的能力。

AI现在还处于早期,人们还不能完全明白如何组织公司来使用它。AI公司获取数据的战略很是庞大,有关战略,我们有时候会讨论好几天或好几星期。数据获取的历程要好几年,真的要一步一步来打。最好的人工智能公司都市把数据放在一个数据库里。

如果你的数据一部门在你小我私家电脑上,一部门在你办公室电脑上,一部门在某一个数据库里,一部门在另外一个数据库,你的工程师要做一个新的人工智能的话,如何把这些数据放一起给人工智能使用呢? 但如果你把数据放进一个数据库,你的软件或者工程师就可以使用完整的数据来训练有效的人工智能。许多公司有许多数据,可是没有措施放在一起,数据的使用效率就会没那么高,你的工程师的事情效率就会慢许多。在人工智能公司事情的工程师,和传统互联网公司的工程师,事情形貌的内容是纷歧样的。

如果你是百度公司的产物司理,你要做一个产物,就会画一个图,然后把图给工程师,工程师再写代码,这样的方式对互联网公司是很是有效的。但如果你要做一辆自动驾驶汽车,产物司理画一张汽车图,是没有用的。在人工智能时代,产物司理也需要明白怎样获取数据;也要明白怎么和工程师相同。

20年前,我们不知道A/B测试在今天会变得如此重要。今天,我们还没有人能完全明白人工智能这么重要的观点,谷歌和百度的想法已经比力领先了,但还没有人完全把人工智能的观点讲清楚。这给了我们什么时机?进入互联网时代,许多新公司有了许多、很大的时机。

进入AI时代,有一些传统公司像谷歌、百度都做得很是不错,也给许多新公司许多很大的时机。四、使用AI的挑战AI技术生长这么快,可是明白的人比力少。有效地使用AI来缔造价值,就要跨行业,让企业家和专家一起联合互助。

因此,从CEO角度,你怎么摆设有AI技术的人的事情呢? 许多公司的架构是由CEO和差别的事业部组成,那么你怎样通过AI改变他们的事情呢? 好比其中一个事业部是做礼物卡的,那么是否可以通过AI改变售卖礼物卡的事情呢?但礼物卡的leader不懂AI,所以它内部很难建成一个AI团队。我经常对许多公司说,如果能够找到一个独立的AI团队,就把这些有AI能力的人放到差别的团队矩阵去。今天懂AI的人才那么少,他们纷歧定愿意被不懂AI的人向导,所以可以等过几年AI比力成熟,不需要一个单独的AI部门之后,就可以把AI人才放到公司的差别事业部团队内。

5、6年前,我们都不知道移动互联网能做什么,也没有想到“定位”可以发生这么大的作用,跨行业的团队发生的作用很大。今天,移动互联网技术和手机技术很成熟,大家都可以明白互联网能够做什么,这个时候公司就不需要跨行业团队了。同样,AI现在没有那么成熟,所以很需要跨行业人才。不是每小我私家都要懂AI,也不是每个CEO都要懂AI,但如果可以找人来帮你建设AI团队,可以让你的团队使用AI拥有不错的时机。

我在谷歌带谷歌大脑团队的时候,做的第一个事情就是给几百个工程师提供人工智能课程。今天CEO的事情可以从外面选择内容课程,或者找专家和人才来教育你的团队。

AI的成熟速度比力慢,许多企业都有许多时机用AI去改变自己的企业。正如已往,大公司都没有看到Uber和Airbnb的时机;在中国,大公司也没有想到滴滴会做到这样子。谢谢大家!关于泉源:GASA大学是一所以“科学再起”为使命,以“没有受教,求知探索”为校训,致力于给创业者、企业家造就科学精神的新型大学。

本文关键词:亚博App,亚博App安全有保障

本文来源:亚博App-www.bzxitu.com