文章图片
【多任务|AI决策进阶：深度学习迁移技术赋能决策】作者 | 洪七公
来源 | 镭射财经（ID：leishecaijing）
现实生活中 ， 我们经常会把一个行业的经验迁移至另一个相关行业 ， 达到高效学习的目的 。 在机器学习的算法中 ， 迁移学习也能实现同样的效果 。 基于迁移学习技术 ， 互联网公司旗下的视频、电商业务场景智能推荐知识可迁移至广告、应用程序等其他产品的推荐业务 ， 一些电子产品的用户评价模型也可用于视频、游戏等产品的舆情分析中 。
产业数字化转型浪潮迭起 ， 各行各业都需要建立与自身商业模式适配的AI大脑 ， 实现智慧经营、智能决策 。 AI决策的应用离不开模型、大数据、算法的支撑 ， 其中模型的好坏决定智能决策解决方案的精准度 。
文章图片
人工智能技术日益精进 ， 目前在建模方法上 ， 深度学习、迁移学习等机器学习技术有机融合 ， 不断提升AI建模效率 ， 优化模型的决策效果 。 深度学习经过大数据训练 ， 能快速掌握数据规律 ， 对结果作出预测;迁移学习利用数据和模型之间的相似性 ， 能在不同场域实现知识迁移 。 二者结合便能为人工智能向产业加速渗透输出更多高质量的模型 ， 打开AI赋能空间 。
在技术应用过程中 ， 人工智能已从传统的多数据场景延伸到各种业态 ， 这对机器学习提出了新的要求和方向 。 迁移学习的多任务学习、跨领域学习等能力优势显露 ， 它在一定程度上消解了传统机器学习的痛点 。 DeepMind首席执行官DemisHassabis 曾公开谈到 ， 迁移学习是最有前途的技术之一 ， 有朝一日可能会触发通用人工智能的诞生(AGI) 。
事实上 ， 正是基于深度学习、迁移学习技术 ， 模型得以实现迭代和输出 ， 人工智能才能源源不断地落地应用 ， 成为产业数字化转型的智能基础设施 。 深度学习与迁移学习融合加快 ， 通用智能变革也会接踵而来 ， 这为各类商业场景的智慧化改造带来可能 。
知识迁移 ， 化解建模难题
近年来 ， 越来越多的人工智能应用从实验室走进老百姓的日常生活中 ， 藏于应用背后的机器学习也为大众所知 。 就机器学习的各个分支发展情况而言 ， 深度学习是当前相对成熟且被广泛商用的建模方法 。 例如生物识别、图像语音识别、应用程序中的智能推荐等 。
机器学习在技术上主要基于大量的有标签样本和同分布样本 ， 从源源不断的大数据中挖掘规律 ， 根据模型进行预测分析 。 这也就解释了为什么当我们打开资讯和短视频App时 ， 平台就推荐与受众阅读习惯相符的内容 。
推荐阅读
- CBNData|超四成消费者追求家的安全感，家居向全屋智能进阶 |CBNData报告
- 海信|智能交通“走出去”首单落子非洲 海信引领行业“出海”进阶3.0
- 多任务|小米应用商店偷跑 MIUI 13 内测系统桌面：松手悬挂、松手选择...
- 多任务|一个自由小窗不够？小米 MIUI 13 Pad 预热，支持多任务自由窗口
- 评测|最大数据集、多任务覆盖，达摩院发布大规模中文多模态评测基准
- 团队|双线造车？小米：不会直接参与智米战略决策
- 市场|基于决策树的动态时序动量策略
- 镇海区|AI智能应答机器人云服务居民用电和政府决策
- 决策|这套质量预警系统如何当好决策参谋？
- 质量|为上万家规上工业企业“画像”，这套质量预警系统如何当好决策参谋？