波多野结衣gvg厨房系列_绿巨人秋葵榴莲樱桃_久久久久久久久久久观看_美女把尿口扒开让男人桶到出水

　　百度首席科學家吳恩達在未來論壇上發(fā)表了演講，會后36氪對他進行了【獨家采訪】。

　　神經(jīng)網(wǎng)絡模型讓數(shù)據(jù)的潛力更大

　　我們都知道，在海量數(shù)據(jù)時代，深度學習為人工智能帶來了新的機會。這些機會集中在三個地方：文本、圖片和語音識別。

　　吳恩達提到，人工智能有一個正循環(huán)鏈條。有了好的產(chǎn)品，可以吸引更多的用戶，然后會生成海量的數(shù)據(jù)，接著數(shù)據(jù)又能帶來更為優(yōu)秀的產(chǎn)品。但是，如果采用傳統(tǒng)的人工智能算法，數(shù)據(jù)增長到一定體量，算法效果會遇到瓶頸。但如果運用新的深度學習算法，隨著數(shù)據(jù)的增長，算法的效果可以持續(xù)提升。

　　神經(jīng)網(wǎng)絡模型將如何優(yōu)化呢?以下是他舉的例子：

　　7 年前，我讓學生利用當時最好的算法完成一項簡單任務——在一張放了很多餐具的圖片中判斷哪個是杯子，結果沒有做到。基本上柱狀的工具都被識別成了杯子。

　　雖然在人的眼里，看到的是這些物品的外形，但是在計算機的眼里，他們得到的信息只是照片上每一個像素點上代表色彩的數(shù)字，利用數(shù)字譜與其他的圖像對比。再舉一個語音識別的例子，過去我們將聲音分解為不同的音調(diào)、音素等等，希望通過數(shù)據(jù)解碼來識別一段對話，但得到的結果還是與自然語音本身不同。

　　人腦是怎么學習的呢?這里要聲明，雖然叫做神經(jīng)網(wǎng)絡模型，但并不是真的讓算法模仿人的大腦工作，因為我們并不確定大腦到底如何工作的，只是希望接近這種機制。以上面的杯子為例，我們只是提供大量的杯子圖片，讓計算機來發(fā)現(xiàn)這些樣本具有怎樣的特征，然后它就可以進行判斷了，和我們平時學習的方式很相似。

　　這件事過去做不了，所以需要依賴傳統(tǒng)的數(shù)據(jù)解碼算法，但現(xiàn)在對數(shù)據(jù)的存儲和計算都達到巨量級，能夠?qū)崿F(xiàn)海量樣本對照。

　　語音識別將推動手機的革命

　　越來越多的人正在使用語音識別，深度學習語音識別系統(tǒng)的準確率比傳統(tǒng)方式提升了很多。

　　在移動端應用場景下，語音交互與手指輸入相比，是一種更自然的人機交互方式。我們可能不再需要在手機上安裝那么多的 Apps，你只需要跟手機進行語言交互，告訴它你需要什么，他就能為你連接服務。我相信語音將會推動手機的革命。想象一下，未來我們將圍繞語音界面來重新設計移動產(chǎn)品，重新定義人與手機的交互界面。

　　在這里，吳恩達說了一句模棱兩可的話：接下來，我們會為你帶來更好的智能手機。不知道該理解為百度手機重出江湖，還是僅僅泛指所有的手機商呢?

　　不用擔心機器人會占領世界

　　人工智能技術仍然存在挑戰(zhàn)。比如，有的國家使用 AI 技術威脅到了人的權利(腦補疑犯追蹤)，這是很嚴肅的道德議題。但即使不存在 AI，這樣的情況也是存在的。至于說 AI 達到了比人更聰明的程度，甚至可能會控制我們的世界。我認為這并不是目前急需關心的問題。機器統(tǒng)治世界不會很快發(fā)生，或許 100 年后我們才需要擔心這個問題。

　　即使我們說深度學習算法具有自我學習的能力，但也不需要為此擔心。大量的神經(jīng)網(wǎng)絡算法中的模型訓練，即機器學習的過程，都是有監(jiān)督的訓練。這種訓練方式應用在語音識別、圖像識別中時，效果是非常好的。但如果站在機器可能統(tǒng)治人的角度，這是完全不同的事情