0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

用机器学习打造的只不过是一台台智能时代的“洗衣机”

电子工程师 来源:未知 作者:李倩 2018-07-03 14:17 次阅读

机器学习是目前计算机领域最火的技术之一,从电商到自动驾驶,都有机器学习的应用。但是,当大众谈起机器学习时,却往往以 AI人工智能) 代称,这遭到了很多学者的批判,机器学习宗师级大牛迈克尔 · 乔丹更是直言不讳,称“我讨厌将机器学习称为 AI”。

虽然机器学习目前能够解决的问题非常有限,但是它确实让我们看到了新一轮科技变革的曙光。然而,关于机器学习的炒作已经太多,我们需要从不同的角度去审视它,认真思考,才能真正理解它。

作为一名风投经理,Andreessen Horowitz 展现了自己的独特视角,提出关系数据库和自动化是帮助我们理解机器学习的两个重要概念。Horowitz 认为,洗衣机是自动化机器的一种,但是它没有“智能”,而机器学习也可以看作一种可以实现自动化的技术,人们用它打造的只不过是一台台智能时代的“洗衣机”。

以下内容由AI科技大本营编译:

机器学习进入公众视野已经有四五年了,几乎达到了妇孺皆知的地步。不仅每天都有各种初创公司涌现,大型科技平台公司也正围绕机器学习进行自我改造:科技行业以外的所有人大都读过《经济学人》或《商业周刊》的封面故事,很多大公司也有一些项目正在进行。我们都知道,这会是下一个风口。

更进一步,理论上我们大多了解神经网络是什么,它可能与模式和数据有关。机器学习让我们在数据中找到模式或结构,这些模式或结构是隐式和概率性的(因此是“推断”),而不是显式的,这在以前只有人类才能找到,计算机是无法找到的。机器学习解决了这类问题:那些以前“对计算机而言很难,但对人类来说很容易”的问题,或者说“对计算机来说很难描述”的问题。

不过,我认为我们还没有一个明确的概念,即机器学习对科技公司或更广泛的经济体系中的公司意味着什么,如何在结构上思考它能够带来什么新事物,或者机器学习对我们所有人意味着什么,以及它实际上能够解决什么重要问题。

“人工智能”(Artificial Intelligence)一词并没有起到什么帮助作用,它只会让讨论进行不下去,或者早早结束。当我们说起“人工智能”时,就好像 2001 年初的黑色巨石(black monolith)出现了一样,我们都变成了猿类,对着它尖叫,挥舞着拳头。结果就是,我们无法真正分析“人工智能”。

编者注:black monolith,黑色巨石。源自阿瑟·克拉克(Arthur C. Clarke)的科幻小说《2001:太空奥德赛》(Space Odyssey,又译:《2001:太空漫游》)。书中描述道,高度智慧的外星生命在地球上留下了一块黑石。在书中黑石代表着远远超过人类触及范围的智慧。

事实上,我可以列举一长串无助于讨论当前机器学习发展的方式,例如:

数据是新的“石油”

Google 和中国(或 Facebook、Amazon,BAT)拥有所有的数据

人工智能将承担所有的工作

把机器学习称为人工智能

当然,也有其他更有益的方式:

自动化

技术赋能层

关系数据库

为什么提到关系数据库?因为它是一个新的基础赋能层,改变了计算机所能胜任的事情。在于上世纪 70 年代末关系数据库出现之前,如果你想让数据库显示你希望的东西,比如“所有已购买此产品且居住在此城市的客户”,通常需要一个专门的工程项目才能实现。数据库不是用结构化的,因此任何任意交叉引用查询都非比寻常的困难。数据库是记录保存系统,而关系数据库则把它们变成了商业智能系统。

这样一来就极大地改变了数据库的用途,从而创建了新的用例,催生了市值高达数十亿美元的新公司。关系数据库不仅为我们带来了 Oracle,也带来了 SAP。而 SAP 和它的同行们给我们带来了全球即时供应链——苹果和星巴克。到了 90 年代,几乎所有的企业软件无一例外都是关系数据库:PeopleSoft、CRM 和 SuccessFactors 等数十种软件都是运行在关系数据库之上。没有人指着 SuccessFactors 或 Salesforce 说,“这玩意儿将永远不会起作用,因为 Oracle 拥有所有的数据库”——相反,这项技术成了一个赋能层,它成了所有东西的一部分。

所以,这也是如今我们思考机器学习的一个很好的方式——它是我们利用计算机所能做的进一步改进,它将成为许多各家公司不同产品的一部分。最终,几乎所有的东西都有机器学习在里面,没人关心,也没人惊奇。

两者之间重要的相似之处在于,尽管关系数据库具有规模效应,但别忘了网络是有限的,或者说“赢家通吃”的效应,机器学习也一样。如果 B 公司和 A 公司一样,从同一家供应商购买相同的数据库软件,那么 A 公司使用的数据库并不会因此变得更好。机器学习实际上也是差不多的情况:机器学习都是数据相关的,但是特定应用的需要的数据却是不同的。更多的手写数据会使手写体识别器变得更好,而更多的燃气轮机数据也会使系统更好地预测燃气轮机的故障,但是其中一套数据对另一个系统却毫无帮助。记住,数据是不可替代的。

这就触及了在谈论机器学习时最常见的误解的核心:在某种程度上,机器学习是通往 HAL 9000 (编者注:HAL 9000是《2001:太空漫游》中的最具人性的超级计算机)道路上一种单一的、通用的东西;或者 Google 或微软各自建立了“一个(HAL 9000)”;或者 Google “拥有所有的数据”;或者 IBM 已经拥有了一个真实的东西(HAL 9000),叫作 Waston。的确,人们在看待自动化时总会犯相同的错误:每一波自动化浪潮,我们夺回想象人们正在创造一些拟人化的东西,或者具有通用智能的玩意。要知道,这可是有前车之鉴的:在 1920-1930 年代,我们想象的是,钢铁机器人拿着锤子在工厂里走来走去;而在 50 年代,我们想象的是人形机器人在厨房里干家务。然而我们并没有得到机器仆人,但好在我们有了洗衣机。

你可以说洗衣机就是机器人,但它们没有“智能”。它们并不知道水和衣服是什么。此外,就算在洗涤领域中,洗衣机也并不是通用的:你不能把盘子放进洗衣机里,也不能把衣服放进洗碗机里(或者说,你可以这么做,但你不会得到想要的结果)。它们只是另一种形式的自动化罢了,在概念上,与传送带或送料机并没有什么不同。同样,机器学习让我们得以解决以前计算机无法解决的问题,但是这些问题中,每个问题都需要不同的实现、不同的数据、不同的市场路线以及不同的公司才能解决。这些都是自动化的一部分,你可以把它们看作一台台洗衣机。

因此,我们谈论机器学习的挑战之一,就是在数学的机械解释与幻想之间找到一个平衡点。机器学习并不会创造出 HAL 9000(至少,这个领域中很少有人会认为它很快就能实现),但认为它“只是统计数据”对于理解也没有帮助。让我们重新审视与关系数据库的相似之处,这可能更像是在 1980 年讨论 SQL 一样:如何从解释表连接(table join)到思考 Salesforce.com?如果你说“这可以让你问些新问题”,这当然是非常好的,但是问题并不总是清晰明了。你可以制作一些令人印象深刻的语音识别和图像识别的演示,但是,如果是一家普通的公司会怎么做呢?就像美国一家大型媒体公司的一个团队不久前对我说的那样:“我们知道,我们可以使用机器学习来索引十年来的运动员采访视频,但是,我们寻找的究竟是什么呢?”

那么,对于真正的公司来说,机器学习的“洗衣机”到底是什么呢?我认为有两套工具可以用来帮助思考这个问题。首先是考虑数据类型和问题类型的流程:

那么,对于真正的公司来说,机器学习的“洗衣机”到底是什么呢?我认为有两套工具可以用来帮助思考这个问题。首先是考虑数据类型和问题类型的形式:

对于拥有相关数据的问题,机器学习可以提供更好的结果,这仅仅是作为一种分析或优化技术。

机器学习可以让你基于已有数据提出新的问题。

第三,机器学习为分析领域开辟了新的数据类型:以前计算机无法真正“读取”音频、图像和视频,而现在这种可能性越来越大了。

在这方面中,我发现最令人兴奋的是影像领域。以往,只要我们有计算机,就能够处理文本和数字,但图像(和视频)对它们而言,大多都是盲区。现在,它们可以“看到”了,就像它们可以读文本和数字一样。这意味着图像传感器(和麦克风)将成为一个全新的输入机制:与其说是一个“摄像头”,还不如说就是一个全新的、强大的、灵活的传感器,它可以生成机器可读的数据流。未来各种各样的问题,最终都会演变成计算机视觉问题,尽管今天看上去并不像是计算机视觉方面的问题。

最近我遇到了一家为汽车行业提供座椅的公司,该公司已经在廉价的 DSP 芯片上部署了神经网络,并与廉价的智能手机图像传感器相结合,以检测织物是否有起皱的现象(我们应该期待的是,市面将涌现各种类似用途的机器学习的小玩意儿,它们非常小巧、便宜,只做一件事,就像文章Why the Future of Machine Learning is Tiny 说的那样)。它实际上就是把以前无法自动化的任务自动化,因此将它描述为“人工智能”是不利于我们理解的。

这种自动化的概念是思考机器学习的第二个工具。发现织物上是否存在起皱的现象并不需要 20 年的经验:做到这一点,真的只需要哺乳动物的大脑就够了。事实上,有位同事跟我说,你可以训练狗狗做的事情,机器学习也可以做到,这也是思考人工智能偏见的一个有用途径(狗狗到底学到了什么?训练数据中有什么?你确定吗?你会怎么问?),但是它也有限制,因为狗狗确实具备一般的智力和常识,并不像我们知道的任何神经网络。吴恩达表示机器学习在不到一秒内就可以做任何你所能做的事情。谈论机器学习确实是在寻找隐喻,但我更喜欢这个隐喻:机器学习给你的其实是无限数量的实习生,或者无限数量的十岁孩童。

五年前,如果你给一台计算机一堆照片,它所能做的,只是按照片尺寸大小排序。而一个十岁孩童,可以把这堆照片按男人和女人来分组,一个十五岁的少年可以按照“酷”和“不酷”来进行划分照片,一个实习生可以指着某张照片说“这个人真的很有趣”。今天,有了机器学习的加持,计算机的能力将会与十岁孩童或者十五岁少年相仿。但它可能永远不会达到实习生的水平。但是如果你有一百万名十五岁的少年来一起来查看数据,你将会怎么做呢?你会接听什么样的电话,会浏览什么样的图像,会检查哪些文件传输或用信用卡付款呢?

也就是说,机器学习不必与专家或者数十年的经验或判断相匹配。我们不是自动化专家。相反,我们要求的是:接听所有的电话,找到那些愤怒的人;浏览十万张照片,找到那些看上去很酷(或者至少看上去怪异)的人。

从某种意义上说,这就是自动化始终在做的事情;正如 Excel 并没有给我们带来人工会计师,Photoshop 和 Indesign 也没有给我们带来人工平面设计师,实际上,蒸汽机也没有给我们带来人造马匹。(在早期的“人工智能”浪潮中,能够对弈国际象棋的计算机并没有给我们带来一个装在盒子里的、性情乖戾的俄国中年人。)相反,我们将一项离散任务大规模地自动化了。

如果这个隐喻被打破(就像所有的隐喻一样),那么,在某些领域中,机器学习不仅能找到我们已经能够识别的东西,而且还能找到人类无法识别的东西。DeepMind 的 AlphaGo 就是最好的例子。AlphaGo 不会像下国际象棋的计算机那样去下围棋:按照顺序分析每一种可能的棋步。相反,它被赋予了规则,让它自己尝试制定策略,与自己下棋的次数,要比人类在有生之年所能下的棋还要多。也就是说,这并不是一千名实习生,而是一名非常非常快的实习生。如果你给实习生一千万张照片,他们浏览完会说:“这很有趣,但当我看到第三百万张照片时,这种模式才真正开始出现。”那么,哪些领域足够窄又足够深,以至于我们可以告诉一个机器学习系统规则(或者给它一个分数),只要查看所有数据,就能得出人类无法得出的新结果?

我花了很多时间去了解大公司,讨论他们的技术需求,他们在机器学习方面通常有一些非常明显的、可轻易实现的目标。既有很多明显的分析和优化问题,也有很多明显的图像识别问题或音频分析问题。同样,我们讨论自动驾驶汽车和混合现实的唯一原因就是机器学习(可能)让它们能够得以实现。但当我们讨论织物上的起皱情况或客户服务中心的情绪分析之后,这些公司接下来往往问道:“还有什么呢?”这将带来什么其他的东西吗?它会发现哪些我们不知道的未知事物呢?

在机器学习变得稀松平常之前,我们可能还有十到十五年的时间。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4538

    浏览量

    98424
  • 人工智能
    +关注

    关注

    1773

    文章

    43356

    浏览量

    230123
  • 机器学习
    +关注

    关注

    66

    文章

    8061

    浏览量

    130439

原文标题:机器学习和洗衣机的关系?

文章出处:【微信号:rgznai100,微信公众号:rgznai100】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    求飞歌洗衣机图纸

    我有部进口的飞歌洗衣机,因图纸丢失而且洗衣机的全是英文,现在洗衣机转速慢,希望有哪位专家有
    发表于 10-02 11:37

    选购洗衣机的方法

    ,竞争十分激烈。质量方面,我国家用电动洗衣机的发展参差不齐。   面对如此众多的家用电动洗衣机产品消费者应如何选购?首先应记住最重要的条是:适合自己的是最好的。这就是不管贵还是便宜合适最好。第二
    发表于 12-22 14:52

    [原创] 洗衣机的波轮不转的原因和维修

    维修费用很高,个几块钱的东西,在家电维修 可能要几十块。现在的人可能知道买一台洗衣机可能不是很贵,但是当有问题的时候,却不敢拿去家电维修中心修理, 为了减少家庭负担,我们有必要知道
    发表于 03-24 16:15

    大神力736洗衣机

    一台大神力736洗衣机洗衣时关不住水,不管是“标准”还是“轻揉”都从下水管中放水出来,网上没找到图纸,不知结构,特别请教网友、大号们指点、支持,先谢谢了!
    发表于 04-19 07:58

    FPGA设计洗衣机

    本帖最后由 eehome 于 2013-1-5 09:59 编辑 设计个全自动洗衣机控制器,它具有三阀门分别是冷水、 设计个全自动洗衣机控制器,它具有三阀门分别是冷水、 设计
    发表于 05-04 20:35

    洗衣机水位开关控制原理分析

    装置。  2.万表置于R×1挡,将万表两表笔接至水位控制开关“常开”的两接线端子。缓缓地捏动血压计的进气阀皮球,模拟洗衣机进水时洗衣筒内进水压力增高的动作。注意捏动血压计进气皮球时
    发表于 09-14 15:01

    【ForBetterLife团队】智能洗衣机让生活更美好

    大都依靠Android系统来实现,设计款基于Android系统的智能洗衣机演示系统,作为智能家居的先锋,具有重要意义。洗衣机已经步入寻常百
    发表于 12-30 15:33

    labview 自动洗衣机【付费】

    完毕或缺水)。l要求软件模拟洗衣机的自动控制过程,并要求计算机屏幕上的模拟的软控制按钮的作用与洗衣机面板上的开关、按钮作用致。
    发表于 04-09 19:41

    电机在洗衣机行业的发展

    电机在洗衣机行业的发展 随着当今经济的飞速发展,能源节约成了个世界性的话题。因此,对越来越普及的洗衣机来说,如何提高所使用电机的效率就显得越来越重要。同时,随着人们消费水平和生活质量的不断提高
    发表于 12-28 17:51

    洗衣机 PWM

    求助各位大神,怎么PWM控制洗衣机的电机转速,求编程思路
    发表于 05-08 15:42

    直流变频洗衣机驱动方案

      变频洗衣机是未来洗衣机的发展趋势,我们提出了种变频洗衣机方案,市场成熟的高性能Cortex-M3内核的TMPM37x系列MCU,以及
    发表于 10-16 14:52

    STM32MP1如何让洗衣机操作界面更炫酷?

    景基于STM32MP1打造了HMI2.0人交互界面,让传统洗衣机更加智能炫酷。米尔提供的洗衣机HMI界面是STM32MP1开发应用的
    发表于 07-21 15:49

    洗衣机为什么能自动运行呢

    知识点:全自动洗衣机、程序、计算机如今,洗衣机已经进入千家万户,人们再也不用面对大堆脏衣服发愁了,只要把脏衣服、洗衣粉放到洗衣机里,接通电
    发表于 09-02 06:52

    微波雷达感应模块,智能感应技术方案,智能洗衣机发展应用

    收发,中频电路及MCU处理等,外围搭配天线和少量外围电路即构成完整雷达传感器,可嵌入灯具、家电及各种电子产品内,可实现人体、汽车以及各种运动目标的感应探测。智能洗衣机还能键开启智慧洗,开机即可进入
    发表于 10-12 16:08

    小吉洗衣机器人自带免烫洗功能,挂烫机们怎么办?

    小吉“洗衣机器人”还有超强的“学习能力”,用户只需在手机APP上简单操作,“洗衣机器人”就能通过CloudWash智能云端洗涤系统随心定制个性化洗涤程序,根据用户需求
    发表于 10-20 10:48 1833次阅读