主讲人 | 袁进辉 一流科技创始人
量子位 编辑 ｜公众号 QbitAI
今年以来 ， 有关人工智能产业化的争议成为热门话题 ， 既有来自学术界批评AI“顶不了天 ， 落不了地”、AI科学家从工业界离职回顾学术界等等负面现象 ， 又有多家AI独角兽闯关上市成功的积极鼓舞 。
那么 ，人工智能产业化到底有没有机会？ 机会又在哪里？
就这些行业热门话题 ，一流科技创始人袁进辉在 「量子位·视点」活动直播中展开了系统的阐述 。
以下根据分享内容整理：
文章图片
前几年 ， 社会对AI曾有过非常狂热的心态 。 比如有人讨论奇点来临、 AI取代人类、2020年实现全自动驾驶 ， 从业者薪资待遇水涨船高 ， 很多知名教授也也跳到工业界掘金 。
但是最近一年 ， 开始有唱衰AI的趋势 。 AI经历了三起三落 ， 很多人担心的是现在是否又处在低谷？
我认为 ，必须从人工智能的本质优势和不足去理解 ， 才不会随波逐流 ， 人云亦云 ， 这对AI从业者非常重要 。
我们应该有一个基本判断 ， 今天的低谷和以前是不一样的 。 之前两次AI热潮的确没有解决多大的问题 。 今天 ， 即使有很多人唱衰 ， 但AI实际上已经解决了很多问题 ， 而且还在向更多的领域进军 。
只不过 ， 人们可能过于乐观 ， 对AI期待过高 ， 或者说不切实际 ， 现在我们应该更实际一点 ， 把AI摆在一个客观的、应有的位置 。
在这次分享中 ， 我将和大家探讨以下几个问题：
如何准确而客观看待人工智能？ 深度学习的本质深度学习从兴起到现在 ， 将近10年了 。 刚开始因为获取了一些惊艳的奇效 ， 而被很多人所神话 。 但是越来越多人熟悉了深度学习 ， 祛魅之后 ， 又开始把它庸俗化 ， 说深度学习其实没什么了不起 ， 就是一个函数拟合 。
文章图片
简单来说 ， 深度学习是在一个给定的假设空间里面 ， 寻找对数据拟合效果最好的一个映射 ， 这是个偏数学的定义 。 以图片分类为例 ， 要训练AI让它能够对摄像机拍出来的图片打标签 ， 看图片里面有没有汽车、人、水果 ， 就是完成一个从图像的像素到语言标签的映射 。 可选的映射有无穷多种 ， 但最好的实现就是人脑 。
所谓拟合 ， 就是希望让计算机在一个映射构成的空间里自动搜索到一个与人脑功能非常接近的映射 。 深度学习为人们提供了一个非常好的初始搜索空间 ， 也就是多层非线性映射构成函数空间 ， 而且给出了一套在这个空间中自动搜索“最优”映射的算法 。
推荐阅读
- 产品|泰晶科技与紫光展锐联合实验室揭牌
- 空间|（科技）科普：詹姆斯·韦布空间望远镜——探索宇宙历史的“深空巨镜”
- 相关|科思科技：无人机地面控制站相关设备产品开始逐步发力
- 机身重量|黑科技眼控对焦23年后回归，升级！ 江一白解读EOS R3
- 公司|科思科技：正在加速推进智能无线电基带处理芯片的研发
- 项目|常德市二中2021青少年科技创新大赛再获佳绩
- 视点·观察|科技巨头纷纷发力元宇宙：这是否是所有人的未来？
- 技术|聚光科技旗下临床质谱仪获批医疗器械注册证
- 视点·观察|科技股连年上涨势头难以持续：或已透支未来涨幅
- 视点·观察|科技行业都在谈论“元宇宙”，可是它还不存在