《Science》:从不同角度详细阐述了机器学习对于未来人类工作的影响

人工智能学家 2018-01-13 10:55 次阅读

概要:《Science》杂志也发表了一篇长文,从几个不同角度详细阐述了机器学习对于未来人类工作的影响。

人工智能、机器学习相关技术已经多次刷新了人们对于「计算机能做什么」的认知,那么紧接着的一个问题就是「计算机会不会替代人类的工作」。李开复就曾经多次在公开场合表示人工智能会取代许多人类工作,而这也已经引起了一定的忧虑和讨论。近日,《Science》杂志也发表了一篇长文,从几个不同角度详细阐述了机器学习对于未来人类工作的影响。

在过去的几十年中,数字计算机已经改变了几乎所有经济部门的工作。由于机器学习(ML)的发展加快了自动化的步伐,我们正处于一个更大、更迅速转变的开始阶段。然而,虽然很明显 ML 是一种「通用技术」,就像蒸汽机和电力一样,产生了大量新的创新和能力,但关于 ML 系统擅长的任务并没有广泛的共识,ML 对劳动力和经济的具体影响的预期也没有达成一致。在本文中,我们讨论了 ML 对劳动力的关键影响,参考了目前这一代 ML 系统可以做和不可以做的事情。工作中的一部分可能是「适合 ML」(SML),但这些相同工作中的其他任务并不适合 ML 的标准;因此,ML 对就业的影响比一些人所强调的简单的替代和替换更为复杂。虽然目前 ML 对经济的影响相对有限,而且我们并没有像有的人宣称的那样面临即将到来的「工作的终结」,但 ML 对经济和未来劳动力的影响却是深远的。

任何有关 ML 可以做什么、不可以做什么、以及可能对经济产生哪些影响的讨论,首先应该认识到两个广泛的基本考虑因素。第一,我们离通用人工智能还很远;第二,机器不能完成人类的全部任务。此外,虽然创新总体上对收入和生活水平的提高是重要的,特别是 ML 之前的第一波信息技术(IT)系统创造了数万亿美元的经济价值,但技术进步也是造成工资不平等的重要因素,尽管造成不平等的因素有很多,比如全球化程度加深,但由于 ML 的巨大而迅速的变化潜力,可能对经济影响造成很大的破坏性,既产生赢家,也产生输家。这将需要政策制定者,商业领袖,技术人员和研究人员的高度重视。

当机器自动执行特定工作或流程中的 适合 ML 的任务时,剩下的不适合 ML 的任务可能会变得更有价值。此外,机器将增强人的能力,使全新的产品、服务和流程成为可能。因此,即使在部分自动化的工作岗位内,对劳动力需求的影响既可能是负面的,也可能是正面的。虽然更广泛的经济影响是复杂的,但与 ML 能力接近的任务上,对劳动力需求更有可能下降,而作为这些系统补充的任务劳动力的需求可能增加。每当 ML 系统跨越一个门槛,在某个任务上比人类更具成本效益时,企业家和管理者为了利润最大化,将越来越多地寻求用机器替代人类。这将影响整个经济,提高生产力,降低价格,转移劳动力需求,重组行业。

我们知道的多于我们所能言说的

正如哲学家波拉尼所说,我们知道的,多于我们所能言说的。认识一张脸、骑自行车和理解言语都是人类非常清楚怎么做的任务,但是我们反思自己如何去做的能力却很差。执行起来轻而易举的任务要整理成正式规则却很难,很多时候我们根本做不到。因此,在 ML 之前,波拉尼的悖论限制了通过编程计算机自动完成的任务种类。但是今天,在许多情况下,ML 算法已经使得训练计算机系统比我们手动编程更精确和更有能力。

一直到近几年,创建一个新的计算机程序都需要涉及劳动密集型的手工编程过程。但是,这个昂贵的过程正日益被增强,或者被一个更加自动化的、在适当的训练数据上运行的 ML 算法流程所取代。这种转变的重要性体现在两个两方面:在越来越多的应用程序中,这种模式可以产生比人类程序员更精确和可靠的程序(例如人脸识别和信用卡欺诈检测);其次,这种模式可以大大降低创建和维护新软件的成本。降低了成本,减少了实验的障碍,并能够探索潜在的计算机化任务,鼓励发展计算机系统,实现许多类型的常规工作流程的自动化,减少或消除人为干预。

在过去的 6 到 8 年里,ML 在这方面的进展尤其迅速,这在很大程度上是因为大量的训练数据,这些数据量足够大,以至于可能捕捉到非常有价值且以前未被注意到的规律,可以在 ML 算法的处理能力范围内进行检查或理解。当有足够多的训练数据集时,ML 有时生成的计算机程序表现胜过人类。(例如皮肤病诊断、围棋、检测潜在的信用卡欺诈)。

算法的改进也是 ML 进展的关键,包括深度神经网络(DNN)和更快的计算机硬件。例如,Facebook 已经都从基于短语的机器翻译模式转换到深度神经网络,每天进行的翻译超过 45 亿次;用于图像识别的 DNN 降低了 ImageNet 上的错误率,ImageNet 是一个包含 10000 多类标注图像的大型数据集,错误率从 2010 年的超过 30% 下降到现在的不到 3%;同样,自 2016 年 7 月以来,DNN 帮助语音识别错误率从 8.4% 提高到 4.9%。图像和语音识别率达到 5% 的阈值非常重要,因为这几乎接近人类在面对类似数据时的错误率。
《Science》:从不同角度详细阐述了机器学习对于未来人类工作的影响

自动推进的自动化

要产生一个定义明确的学习任务,以便应用 ML 算法,必须要有充分的说明任务、性能指标和训练过程。在大多数实际应用中,要学习的任务与某些目标功能相对应,例如输入医疗患者健康记录,输出患者诊断的功能,或者从自动驾驶汽车的传感器接收输入,然后输出正确的转向命令。最常见的训练过程类型是由目标功能的输入 - 输出对组成的数据(例如与正确诊断配对的医疗记录)。然而获取真实训练数据在许多领域都很困难,如精神病诊断,招聘决策和法律案例。

成功的商业应用的关键步骤,通常包括精确识别要学习的功能;收集和清洗数据以用于训练 ML 算法;通过工程数据特征来选择哪些数据可能有助于预测目标输出,并且收集新的数据以弥补原始特征的不足;尝试不同的算法和参数设置,以优化学习分类器的准确性;并将提供的学习系统嵌入到日常业务运营中,从而提高生产力;如果可能,持续获取更多训练样本。

测量未来自动化程度非常相关的方法是「学徒学习法」,其中人工智能程序作为学徒,通过观察人类的决定来进行学习,并将其作为额外的训练样本。这种方法产生了新的商业模式。

训练学徒模仿人为决策让机器可以从它所协助的多个人的综合数据中进行学习,这导致机器可能最终超过训练它的团队中的每个个体的表现。不过,其学到的专业知识可能仍受到团队成员的技能水平和相关决策变量的可用性的限制。但是,在计算机可以访问独立数据来确定最佳决策(基本事实)的情况下,有可能改进人的决策,从而帮助人类提高自己的绩效。例如,在从皮肤病学图像中对皮肤癌进行医学诊断时,将随后的活检结果作为训练的标准可以产生比人类医生更高诊断准确度的计算机程序。

什么是最适合 ML 的任务

尽管近来 ML 系统的进步令人印象深刻,但它们并不适用于所有的任务。当前的成功浪潮在很大程度上取决于被称为监督学习的范式,通常使用 DNN(深度神经网络)。在非常适合这种用途的领域,ML 非常强大。但是它的能力也比人的决策范围要窄的多,也比人的决策更脆弱,而且这种方法对许多任务是完全无效的。 当然,ML 的技术还在继续进步,DNN 之外的其他方法可能更适合不同类型的任务。 我们下面给出 8 个关键评判标准,以区分适合 ML 的任务和不适合 ML 的任务。

1.明确定义的输入和输出

其中包括分类(例如,区分不同品种狗的图像或根据癌症的可能性标注医疗记录)和预测(例如分析贷款申请以预测未来违约的可能性)。不过,虽然 ML 系统可以根据统计上的相关性来预测与输入(X)有最大关联的输出(Y),但可能无法学习如何判断因果关系。

2.存在、或者能够创建规模巨大、带有成对的输入输出的数字化数据集

可用的训练样本越多,学习就越准确。 DNN 的显着特征之一是在许多领域内的表现似乎并不会在样本超过一定数量之后就停止增长。 在训练数据中捕获所有相关输入特征尤为重要。 尽管 DNN 原则上可以表示任意函数,但是计算机很容易模仿和延续训练数据中存在的不需要的偏差,解决方法是通过聘用专人来标记部分数据或创建全新的数据集,或通过模拟相关的问题设置来创建。

3.该任务提供明确的反馈,具有明确的目标和指标

当我们能够清晰的描述目标,哪怕不能确定实现目标的最佳过程,ML 也能很好的运作。这就像早期的自动化方法,获取个体输入输出决策的能力虽然允许学习模仿这些个体,但可能不能得到最佳的系统最性能,因为人类本身也无法做出完美的决策。 因此,明确界定全系统绩效指标(例如,优化整个城市的交通流量而不是特定路口)为 ML 系统提供了一条黄金标准。 当训练数据按照这种黄金准则进行标注时,ML 就特别有用,因为确定了预期的目标。

4.不需要基于丰富背景知识的很长的逻辑或推理链

ML 系统在学习数据中关联性方面非常强大,但是当任务需要依赖计算机没有的常识或背景知识或复杂计划时,ML 系统的效率较低。ML 在电子游戏中表现出色,这些游戏需要快速反应,并提供即时反馈,但当游戏中最佳选择取决于记忆以前事件的时间和未知背景知识时,效率就会降低,例外是围棋和象棋这样的游戏,因为这些非物理的游戏可以以非常精确的速度进行快速模拟,因此可以自动收集数百万个完全自我标记的训练样本。 但是,在大多数现实世界中,我们无法做到完美的模拟。

5.没有必要详细解释如何做出决策

大型神经网络通过微妙地调整多达数亿个数字权重来学习做出决定。解释这种决定对人类来说很困难,因为 DNN 与人类的思维系统不同。目前的系统在这个方面相对较弱。例如,虽然计算机可以诊断特定类型的癌症或肺炎,甚至比专家医生更准确,但与人类医生相比,它们解释为什么以及如何作出诊断的能力较差。对于许多感性的任务,人类也很难解释,例如,如何从所听到的声音中识别出单词。

6.容错性,不需要最佳的解决方案

几乎所有的 ML 算法都是从统计和概率上推导出解决方案。 因此,很难将其训练到 100% 的准确度。 即使是最好的语音、物体识别和临床诊断计算机系统也会犯错(和人一样)。 因此,对学习系统误差的容忍是制约这样的系统应用的重要标准。

7.学习的现象或功能不应该随着时间的推移而快速变化

一般来说,只有当需要处理的数据和训练的数据分布是类似的结构,ML 算法才能很好地工作。 如果这些分布随着时间而改变,则通常需要重新训练,因此成功取决于相对于新训练数据获取率的变化。

8.没有特别的灵巧性,身体技能或流动性要求

在处理非结构化环境和任务中的物理操作时,机器人与人类相比仍然笨拙。 这不是 ML 的缺点,而是机器人技术自身的局限性。

机器学习对工作的影响

计算机通过生成式设计方法设计的换热器

之前 ML 对 IT 的影响主要在于一些常规、高度结构化和重复性的任务。这也是劳动力需求下降的一个原因。未来,更广泛的任务将被机器自动化或增强。这包括人类无法解释的任务,但是简单地根据过去的趋势进行推断将是错误的,需要一个新的框架。

一项工作中通常包含许多不同的但相互关联的任务。在大多数情况下,这些任务中只有一部分适用于 ML,而且可能是传统的技术不容易自动化的任务。例如,训练 ML 系统可以帮助律师对案件的相关文件进行分类,但是在访谈潜在的证人或制定策略时使用 ML 就很困难。类似地,ML 系统在阅读医学图像方面取得了迅速的进展,在某些应用中表现超过了人类。然而,与其他医生交流、以及与患者交流和安慰患者的潜在情绪困扰的等任务,都不适合 ML 方法,至少不适合现有的 ML 系统。

这并不是说所有涉及情商的任务都 ML 系统都无法实现。销售和客户互动的某些方面就非常合适。例如,销售人员和潜在客户之间的大量在线聊天记录可以用简单聊天机器人替代,以识别哪些常见的询问最有可能带来销售。也有公司使用 ML 来识别来自视频中人们的微妙情绪。

另一个领域是涉及创意的任务。在旧的计算模式中,需要事先精确地规定一个过程的每个步骤。机器没有任何「创造性」的空间,不能想出如何解决特定问题。但 ML 系统是经过专门设计的,使机器可以自己找出解决方案。所需要的不是预先详细定义过程,而是需要明确规定所需解决方案的性质,并有一个合适的模拟器,以便 ML 系统可以探索可用替代方案并准确评估其性能。例如,设计复杂的新设备在一直是人类比机器更擅长的任务。但是生成式设计软件可以为热交换器等物体提供新的设计,比任何人设计的都能更有效地满足所有的要求(例如重量,强度和冷却速率)外观和触感。

这是「创意」吗?这取决我们如何定义。但以前人类的一些「创造性」任务在未来几年将日益自动化。当最终目标可以被很好地规定并且解决方案可以被自动评估时,这种方法运行良好。因此,我们可以预见这些任务越来越受到自动化的影响。与此同时,人类在更明确界定目标方面的作用将更加重要,这意味着科学家,企业家和那些能够提出正确的问题的人的作用将会增加。

ML 期待人类工作的六个经济因素

有许多非技术因素会影响 ML 对未来工作的影响。 具体而言,ML 对劳动力需求和工资的总体影响可以归类为六个不同经济因素:

1.替换

基于 ML 创建的计算机系统可以直接在某些工作中取代人类,降低任何给定的输出产量所需的人力。

2.价格弹性

通过机器学习实现自动化可以降低完成任务的成本, 这会导致总支增加或减少,取决于需求的价格弹性。 例如,如果弹性小于 -1,则价格下降导致购买数量的比例增加,总支出(价格乘以数量)将增加。 例如,随着技术在 1903 年以后降低了航空旅行的价格,这类旅行的总支出增加了,就业也随之增多。

3.互补性

任务 B 对于另一个自动化的任务 A 来说可能很重要,甚至是不可或缺。 随着 A 的价格下降,对 B 的需求将会增加。 通过类比,随着计算自动化的程度提高,对程序员的需求增加了。 技能也可以是其他技能的补充。 例如,人际交往能力与分析能力是一种互补关系。

4.收入弹性

自动化可能会改变人群的总收入。如果一个商品的收入弹性不为零,这又会改变对某些商品类型的需求,以及生产这些商品所需任务的需求。就像随着总收入的增加,美国人花在餐馆的钱也越来越多。

5.劳动力供给的弹性

随着工资的变化,从事该项工作的人数也会变化。 如果有许多人已经具备了必要的技能(例如驾驶汽车进行乘车服务),那么供给就具有相当的弹性,即使需求增加(或下降)很多,工资也不会上涨(或下降)很多。 相反,如果技能很难获得,比如成为数据科学家,那么需求的变化将主要体现在工资上而不是就业上。

6.重新设计业务流程

任何一组不同类型和数量的劳动力,资本和其他投入与产出联系起来的生产函数不是固定的。 企业家,管理人员和员工不断努力重塑相关流程。 当面对新技术时,他们将通过设计或机缘巧合改变了生产过程,并找到更有效的方法来进行产量。 这些变化可能需要一段时间,而且往往能够节约昂贵的投入,增加需求弹性。 同样,随着时间的推移,个人可以通过学习新技能或换新工作,来表示对于高工资的认可和回应,这样会增加相关的供给弹性。

结语

由于需要改变生产流程、组织设计、商业模式、供应链、法律甚至文化环境,所以技术的采用和推广往往需要几年或几十年的时间。这种互补性在现代企业和经济中是无处不在的,并且具有相当大的惯性,从而放慢实施新技术不乏。例如,将自动驾驶卡车整合到城市街道上可能需要改变交通法规,责任规则,保险等,因此需要在多个维度上进行补充性修改,应用需要更长的时间来影响经济和劳动力、法规、交通流量等,而将呼叫中心人员切换到虚拟助理可能只需要对业务过程或客户体验进行相对较少的重新设计。

随着时间的推移,另一个因素变得越来越重要:新商品,新服务,新任务和新流程会出现。 这导致全新的任务和工作,从而可以改变上述关系的程度和标志。 从历史上看,随着一些任务的自动化,释放的劳动力会重转移到新的商品或服务,进入到更有效的生产过程中。 这种创新比增加资本、劳动力或资源投入,更能提高总体收入和生活水平。 ML 系统可以通过自动化来加速符合上述标准的许多任务。

随着越来越多的数据进去线上并汇集起来,以及发现哪些任务应该由 ML 实现自动化,我们将更迅速地收集数据以创建更强大的系统。与我们以及掌握的解决方案不同,许多 ML 自动化任务的解决方案都几乎可以立即在全世界传播。我们可以期待未来的企业软件系统都将嵌入ML系统,自动化的成本将进一步降低。

近期监督学习系统的浪潮已经产生了相当大的经济影响。 ML 进一步发展,最终影响的范围和规模可能会超过或内燃机或电力等通用技术。 这些进步不仅直接提高了生产力,而且更重要的是,引发了机器、商业组织乃至整个经济的创新浪潮。 在技能,资源和基础设施等方面作出正确的互补性投资的个人、企业和社会得到了蓬勃发展,更好地理解每种类型 ML 的具体适用性及其对具体任务的影响,对于理解 ML 带来的经济影响至关重要。

热门推荐

原文标题:《Science》杂志:机器学习究竟将如何影响人类未来的工作?

文章出处:【微信号:AItists,微信公众号:人工智能学家】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

海格Jean-NoelPAILLARD:未来物联网的两大流行趋势是机器人技术和人工智能

凭借在建筑物内实现电子设备无缝工作的悠久历史,海格集团对连接性问题具有独特的视角。

的头像 SiliconLabs 发表于 07-16 14:29 18次 阅读
海格Jean-NoelPAILLARD:未来物联网的两大流行趋势是机器人技术和人工智能

我国PCB厂家在市场重压下应该怎么样去发展?

纵观近几年的发展形势,中国PCB产业面临的一大危机主要来自于竞争者。在这种情况下,去低端过剩产能、向....

的头像 东莞兴联PCB 发表于 07-16 14:28 9次 阅读
我国PCB厂家在市场重压下应该怎么样去发展?

未来10年,有哪些新产业值得我们期待?

目前全球虚拟现实行业经过近百年的发展仍处于早期起步阶段,供应链及各类配套设施还在摸索。然而虚拟现实的....

的头像 掌上科技频道 发表于 07-16 13:20 53次 阅读
未来10年,有哪些新产业值得我们期待?

PLC知识分享:PLC的应用领域及PLC的应用特点

PLC是面向工矿企业的工控设备。它接口容易,编程语言易于为工程技术人员接受。梯形图语言的图形符号与表....

的头像 工控帮 发表于 07-16 12:52 60次 阅读
PLC知识分享:PLC的应用领域及PLC的应用特点

“智能化”丰富了照明产品的应用,但不具有颠覆性作用

现如今,通用照明市场已经“沦陷”,而利润空间较大的商业照明市场便成了照明企业竞相追逐的下一片蓝海。

的头像 高工LED 发表于 07-16 11:44 135次 阅读
“智能化”丰富了照明产品的应用,但不具有颠覆性作用

消费机器人一直不温不火,未来将何去何从?

根据国际机器人联合会(IFR)的报告,服务机器人可被分为三类:家政机器人、娱乐休闲机器人、医疗助理机....

的头像 机器人前沿 发表于 07-16 11:34 177次 阅读
消费机器人一直不温不火,未来将何去何从?

机器人真的可以像人一样解决数理化难题吗?

这样的教育机器人更类似于语音版的搜索引擎。“只是简单的语音识别输入、检索、语音输出,许多手机很早就可....

的头像 1号机器人网 发表于 07-16 11:17 115次 阅读
机器人真的可以像人一样解决数理化难题吗?

PLC和工厂自动化发展及市场与技术分析

工业自动化发展热潮正不断升温,尤其是在可确保设备安全性和可靠性的隔离设计方面上更是涌现了巨量的设计需....

发表于 07-16 11:00 11次 阅读
PLC和工厂自动化发展及市场与技术分析

关于配网自动化系统管理之3点建议

配电网自动化系统建成后,就可以在控制室远程操作开关设备,不需要再用开车去现场操作,远程做到了线路故障....

的头像 智能电网开关柜 发表于 07-16 10:54 61次 阅读
关于配网自动化系统管理之3点建议

凯文·凯利:大数据时代没有旁观者

未来数据还有一个趋势:如今很多数据都在洲际间通过海底光缆来传输,是地理位置之间的传输。但今后很多数据....

的头像 章鹰 发表于 07-16 10:51 140次 阅读
凯文·凯利:大数据时代没有旁观者

人工智能基础高中教材已经正式发布人工智能入门必备籍

人工智能技术现已进入加速发展的新阶段,人工智能时代的来临,将对人类的社会生活产生深远的影响。政府部门....

的头像 算法与数据结构 发表于 07-16 10:46 103次 阅读
人工智能基础高中教材已经正式发布人工智能入门必备籍

人工智能技术不断进步,让机器人实现更智能化

随着家用机器人的应用需求不断增加,人工智能相关技术不断进步,硬件性能的增长,服务机器人近年来开始从实....

发表于 07-16 10:33 8次 阅读
人工智能技术不断进步,让机器人实现更智能化

CS Show 2018即将开启 五株科技将携最新产品亮相

在当前云技术、 5G 网络建设、大数据、人工智能、共享经济、工业 4.0、物联网等加速演变的大环境下....

的头像 PCBworld 发表于 07-16 10:26 135次 阅读
CS Show 2018即将开启 五株科技将携最新产品亮相

多所高校联合申报人工智能本科专业

7月8日,由北京航空航天大学主办的首届人工智能本科专业研讨会在京召开。

的头像 机器人博览 发表于 07-16 10:06 148次 阅读
多所高校联合申报人工智能本科专业

Gartner 安全和风险管理伦敦峰会开启 安全管理者的朝圣会

网络战愈演愈烈,网络政治干扰和政府要求为其访问软件和服务留下后门,这些都导致软件和基础设施采购过程中....

的头像 E安全 发表于 07-16 10:01 268次 阅读
Gartner 安全和风险管理伦敦峰会开启 安全管理者的朝圣会

在谷歌大脑不能做真正的机器学习科学研究?

在DeDeo的主页介绍上写着,他们的研究方向是:在社会思想实验室(Laboratory for So....

的头像 新智元 发表于 07-16 09:55 67次 阅读
在谷歌大脑不能做真正的机器学习科学研究?

人工智能在中国的发展条件如何,中国距离成为真正的人工智能强国到底还有多远?

在全球人工智能领域产出最多的百强机构中,87家为高校,8家为科研院所,3家为政府机构,只有2家企业。....

的头像 新智元 发表于 07-16 09:50 122次 阅读
人工智能在中国的发展条件如何,中国距离成为真正的人工智能强国到底还有多远?

VAR裁判的出现让比赛更公平

VAR是指包括视频助理裁判员以及配套设备、流程、规范等在内的一整套辅助判罚系统。视频助理裁判员通过慢....

的头像 机器人博览 发表于 07-16 09:50 66次 阅读
VAR裁判的出现让比赛更公平

选手SHOW|精通 “十八般武艺” 的机器人已经这么酷了?

发表于 07-16 09:39 34次 阅读
选手SHOW|精通 “十八般武艺” 的机器人已经这么酷了?

人工智能安全领域的巨大挑战

近年来,随着云计算、大数据以及深度学习等技术的快速发展,人工智能技术也日益成熟,并开始在各个领域落地....

的头像 人工智能 发表于 07-16 09:32 129次 阅读
人工智能安全领域的巨大挑战

人工智能在中国的发展状况,中国距离AI强国还有多远?

7月13日,《中国人工智能发展报告2018》在清华大学主楼接待厅发布。报告中称,目前中国人工智能的发....

的头像 EETOP 发表于 07-16 09:16 202次 阅读
人工智能在中国的发展状况,中国距离AI强国还有多远?

2018中国(深圳)集成电路创新应用高峰论坛落幕 AI成全场焦点

近年来,随着人工智能技术及其应用的持续火爆,仅在智能语音应用中的一大市场智能音箱中,就迎来了销量井喷....

的头像 机器人创新生态 发表于 07-16 09:15 167次 阅读
2018中国(深圳)集成电路创新应用高峰论坛落幕 AI成全场焦点

中科院教授:为什么中国技术远远落后于美国 因为路子走岔了

中国的科学技术与美国及其他西方发达国家相比有很大差距,这本来是常识,不是问题。

的头像 半导体行业联盟 发表于 07-16 09:05 83次 阅读
中科院教授:为什么中国技术远远落后于美国 因为路子走岔了

推荐系统最新入门指南,如何公平地评估推荐系统?

这类系统利用用户的交互来过滤感兴趣物品。我们可以将交互的集合可视化为一个矩阵,其中每一项(i, j)....

的头像 论智 发表于 07-16 08:57 143次 阅读
推荐系统最新入门指南,如何公平地评估推荐系统?

全球首位华人IBM周忆女士当选艾菲全球董事

今天,艾菲全球总裁兼首席执行官 Traci Alford宣布了2019 年艾菲全球董事会名单。在新任....

的头像 IBM中国 发表于 07-16 08:43 98次 阅读
全球首位华人IBM周忆女士当选艾菲全球董事

不同人眼里的机器学习是什么样的?

当一个人真正想在机器学习中取得一定成就时,他需要深入微积分、线性代数,掌握一定的统计学知识,研究的深....

的头像 论智 发表于 07-16 08:42 140次 阅读
不同人眼里的机器学习是什么样的?

人工智能,Imagination技术正在为你的旅程铺平道路

人工智能,已从十几年前大学课本上的理论知识开始真正走入我们的生活,手机、汽车、医疗、教育、金融等众多....

发表于 07-15 11:58 58次 阅读
人工智能,Imagination技术正在为你的旅程铺平道路

什么是强化学习?纯强化学习有意义吗?强化学习有什么的致命缺陷?

强化学习是人工智能基本的子领域之一,在强化学习的框架中,智能体通过与环境互动,来学习采取何种动作能使....

的头像 中国人工智能学会 发表于 07-15 10:56 385次 阅读
什么是强化学习?纯强化学习有意义吗?强化学习有什么的致命缺陷?

人工智能对信息基础设施的影响,听听行业大咖怎么说

扫地机器人、智能农药喷洒机、无人机、自动驾驶汽车……人工智能技术在不断突破我们想象力的同时,也越来越....

发表于 07-15 10:30 56次 阅读
人工智能对信息基础设施的影响,听听行业大咖怎么说

一文看懂AI制药的作用

《纽约时报》高级科技记者约翰马尔科夫曾说过,人工智能就像把新榔头,每个领域都是颗钉子,都可以敲一下。....

的头像 电子发烧友网工程师 发表于 07-15 10:06 527次 阅读
一文看懂AI制药的作用

物联网为企业数字化转型提供机遇

中国的许多企业正全力支持数字化转型,并致力于成为世界领袖,这方面的增长看来将会很快,而这种转型的核心....

的头像 沃达丰物联网 发表于 07-15 09:52 251次 阅读
物联网为企业数字化转型提供机遇

NI平台化,掀起智能汽车融合技术测试风暴

随着多重技术的融合以及设备复杂性的不断提高,传统的测试方法将被颠覆,更加灵活和更高可靠性的测试系统的....

的头像 TechSugar 发表于 07-15 09:14 487次 阅读
NI平台化,掀起智能汽车融合技术测试风暴

每一个场景都需要AI的未来还会远吗?

他们不约而同盯上的,正是芯片。为何一定要造芯?

的头像 电子发烧友网工程师 发表于 07-15 08:32 543次 阅读
每一个场景都需要AI的未来还会远吗?

智云股份再获TPK8827万元大单 得行业人士认可

智云股份近日发布公告,智云股份全资子公司深圳市鑫三力自动化设备有限公司近日与宸美光电签订了《设备买卖....

的头像 半导体投资联盟 发表于 07-14 11:55 515次 阅读
智云股份再获TPK8827万元大单 得行业人士认可

一个企业互联网转型升级的路径

借鉴服务行业的特点,全国性的服务行业,通常需要有基础设施,比如电网、移动通讯、银行等等的服务机构,都....

的头像 许永硕 发表于 07-14 10:31 384次 阅读
一个企业互联网转型升级的路径

NVIDIA初创加速计划”初显成效 人工智能大放异彩

飞搜科技通过采用NVIDIA Tesla P100对图像进行大规模的深度学习训练,实现了对视频监控图....

的头像 英伟达NVIDIA企业解决方案 发表于 07-14 09:51 888次 阅读
NVIDIA初创加速计划”初显成效 人工智能大放异彩

高新兴物联朱克功:小尺寸大乾坤,“NB-IoT+北斗”无可代替

在不久前的MWC上海展会上,高新兴物联正式宣布将在新能源汽车领域加大战略布局,并发布了新能源汽车智能....

的头像 联动原素 发表于 07-14 09:44 640次 阅读
高新兴物联朱克功:小尺寸大乾坤,“NB-IoT+北斗”无可代替

美国频发的枪击案该如何结束?iGun提出了解决办法

2018年刚过了一半,美国已有超过1800人死于枪击事件。美国民间枪支交易泛滥,据统计美国民间枪支总....

的头像 面包板社区 发表于 07-14 09:33 308次 阅读
美国频发的枪击案该如何结束?iGun提出了解决办法

《AI在健康医疗中的价值》的主题演讲

接下来简单介绍一下飞利浦在这一块的看法。数据量不断地增加、计算机能力不断提高、存储的成本越来越小。这....

的头像 将门创投 发表于 07-14 09:30 403次 阅读
《AI在健康医疗中的价值》的主题演讲

海岸语音石伟:声矢量技术带入消费级市场还远远不够 我们的目标是整条语音技术链条

协会特派记者走进深圳海岸语音技术有限公司,对石伟总经理进行了智能语音行业相关专访。

的头像 深圳市机器人协会 发表于 07-14 09:19 431次 阅读
海岸语音石伟:声矢量技术带入消费级市场还远远不够 我们的目标是整条语音技术链条

机器学习研究中的四大危机是什么?

有缺陷的学术研究可能会误导大众,并阻碍学术未来的研究。实际上,这些问题有许多是在人工智能的历史(更广....

的头像 新智元 发表于 07-14 09:15 375次 阅读
机器学习研究中的四大危机是什么?

城市大脑该怎么建设?你所不知道的三个建设误区

城市建设基于互联网的类脑化进程,将逐步形成自己中枢神经系统(云计算),城市感觉神经系统(物联网),城....

的头像 人工智能学家 发表于 07-14 09:04 610次 阅读
城市大脑该怎么建设?你所不知道的三个建设误区

关于机器学习中的模型评估的性能分析及选择

人类在对客观世界的问题进行判断时,往往都会根据过去的经验来指导自己。

的头像 人工智能爱好者社区 发表于 07-14 08:58 255次 阅读
关于机器学习中的模型评估的性能分析及选择

用人类智商测试题检验神经网络的抽象推理能力

既然目的是让AI做题,我们先得有题啊!当然了,手动搜集整理是不可能的,为了创建题库,首先我们构建了一....

的头像 论智 发表于 07-14 08:52 261次 阅读
用人类智商测试题检验神经网络的抽象推理能力

窥探机器学习学术圈的不良趋势

对新领域进行探索通常需要基于直觉,但这些直觉并没有经科学验证形成正式定义。根据我们的发现,尽管这些直....

的头像 论智 发表于 07-14 08:48 436次 阅读
窥探机器学习学术圈的不良趋势

人工智能相机亮相VisionCon 2018东莞站

人工智能相机亮相VisionCon 2018东莞站 全球领先的边缘计算解决方案提供商 -- 凌华科技....

的头像 电子发烧友网工程师 发表于 07-14 08:38 542次 阅读
人工智能相机亮相VisionCon 2018东莞站

Tractica预测医疗机器人的发货量将于2021年开始,每年超过10000台

随着新技术越来越成为病人护理服务的中心,利用AI在有关治疗的决定中,问责制变得至关重要,这关系到谁来....

的头像 IEEE电气电子工程师学会 发表于 07-14 08:22 154次 阅读
Tractica预测医疗机器人的发货量将于2021年开始,每年超过10000台

什么是智能互联网?智能互联网与传统互联网的不同

那么继 PC 互联网、移动互联网之后,下一代互联网将是什么?这可能是当下任何一家互联网企业应该或者正....

的头像 中国人工智能学会 发表于 07-13 17:06 780次 阅读
什么是智能互联网?智能互联网与传统互联网的不同

国内外人工智能专家聚首RAIC雷克大会

7月10日,为期两天的RAIC雷克大会(2018机器人与人工智能大会)在天津高新区开幕。本届RAIC....

的头像 天津机器人 发表于 07-13 17:02 758次 阅读
国内外人工智能专家聚首RAIC雷克大会

AI黑科技 | 教你变美变Fashion,试衣间有了新的打开方式

发表于 07-12 10:00 69次 阅读
AI黑科技 | 教你变美变Fashion,试衣间有了新的打开方式

选手SHOW|我们想做的,是让你卸下心防的AI

发表于 07-09 09:15 101次 阅读
选手SHOW|我们想做的,是让你卸下心防的AI

《奇葩说》第五季新生出发,你有问题想问马东吗?

发表于 07-09 09:04 94次 阅读
《奇葩说》第五季新生出发,你有问题想问马东吗?

机器翻译三大核心技术原理 | AI知识科普 2

发表于 07-06 10:46 206次 阅读
机器翻译三大核心技术原理 | AI知识科普 2

机器翻译三大核心技术原理 | AI知识科普

发表于 07-06 10:30 127次 阅读
机器翻译三大核心技术原理 | AI知识科普

科技晚自习 | 世界杯你变了,变得不那么单纯了!

发表于 07-06 09:08 128次 阅读
科技晚自习 | 世界杯你变了,变得不那么单纯了!

新能力上线 | 讯飞AI能力星云赋能,4项OCR技术助力“证”途!

发表于 07-06 08:58 106次 阅读
新能力上线 | 讯飞AI能力星云赋能,4项OCR技术助力“证”途!

学习Python大数据与机器学习必会Matplotlib知识

发表于 07-05 17:57 268次 阅读
学习Python大数据与机器学习必会Matplotlib知识

中兴事件最新进展:14亿罚款,原14名董事成员全部出局!

发表于 07-05 08:53 264次 阅读
中兴事件最新进展:14亿罚款,原14名董事成员全部出局!