没有任何行业可以忽视人工智能.docx
- 文档编号:27494337
- 上传时间:2023-07-02
- 格式:DOCX
- 页数:15
- 大小:32.34KB
没有任何行业可以忽视人工智能.docx
《没有任何行业可以忽视人工智能.docx》由会员分享,可在线阅读,更多相关《没有任何行业可以忽视人工智能.docx(15页珍藏版)》请在冰豆网上搜索。
没有任何行业可以忽视人工智能
没有任何行业可以忽视人工智能
《麻省理工科技评论》EmTechDigital峰会干货整理黑马说在这个时代,科技是最大的生产力。
不管你是哪个行业、什么职业,关注最新的科技都不会有错。
人工智能的时代大潮不可逆转,没有人能够忽视它的存在,尤其是对于投资者和创业者来说。
文|DeepTech深科技翻译|杨一鸟,机器之心,羊羽,十三60年前的夏天,4名电脑科学教授一起启动了一个目标为创造'人工智能”的夏季课题。
这是这个名词第一次出现在世界上。
此课题的目标是:
探索如何让机器运用语言和抽象思维。
当时的项目提议是:
“我们认为,一组精挑细选的科学家在一起工作一整个夏天就可以实现重大突破。
”这在现在看来简直是乐观的傲慢。
我们直到现在都没有可以媲美人类语言或者可以实现抽象思维的软件。
但是,最近的几年里,人工智能软件已经实现了曾经被认为是不可能的功能。
例如识别图像和语音,或者像谷歌最近给他们的电子邮件服务添加的功能:
通过人工智能对语言的理解来写出短邮件回复。
——《麻省理工科技评论》主编JasonPontin5月23日在旧金山举办的为期2天的《麻省理工科技评论》EmtechDigital峰会上,来自各行业的精英们探讨了这项科技是如何开启人类生活及工作的新可能。
下面是《麻省理工科技评论》EmTechDigital峰会部分精华内容整理:
GE软件研发副总裁ColinParris:
将人工智能引入工业互联网GE的“数字双胞胎模型”(DigitalTwin)灵感来源于长期应用于工业生产的产品和设备,拿航空制造业来说,引擎发动机在此行业中生产了将近40年。
工业中的设备和产品技术投入巨大,效率的提高是工业生产发展的核心课题,而模型的提出是为了解决如何使得我们更加高效地使用和制造这些东西。
2005到2010年,工业增长率达到4%,而2010到2015却只有1%,这是生产力的退步么?
GESoftware就此提出构想,我们能否从生产设备出发,合理规划生产环节,将生产效率提高。
“数字双胞胎模型”的设计理念源自于商业应中用的“数字信息转化模型”(DigitalTransformation),其中最出名的就是这三家公司的产品:
苹果,亚马逊以及谷歌。
它们有两个共同点,一个是它们对于数字信息转化的方案大同小异,而且公司市值的增速也都相当惊人,苹果公司在2004年的市值才80亿,而现在已经高达2340亿。
让我们说回数字模型,拿亚马逊来说,他们首先建立“单位模型(ModelofOne)”来统计用户的全面信息。
这些信息来源于每一个用户,并且有一系列数据标签,包括年龄、性别和收入。
用户信息在你逛亚马逊网站的时候就已经悄无声息地收集了,例如你查看的商品、付款方式、送货地址以及你购物车里的东西。
而初代模型其实就反应了我们的购物心理,即喜欢买什么以及怎样购买。
亚马逊然后将初代模型进行数据分类以及数据分析,得到能应用于商业的输出信息。
而将用户的购买兴趣和购买力进行分类在这里是十分关键的,例如我如果被分在“型男区”,而此区的用户大部分都买了“男人装”,那网站就会向我推荐。
除此之外,亚马逊还将各个用户的信息编纂起来,并向他们定向推荐商品和个性化服务,例如我已经在亚马逊上订购了年末的滑雪双飞旅程,网站会以此为基础向我推荐一些滑雪的装备例如滑雪头盔之类的。
我购买完商品之后又会向网站提供反馈,点赞或者差评之类。
我买得越多,他们提供的信息就越来越完备,这是一个正反馈的流程。
这样的机制就是“单位信息处理(P&LofOne)”。
用不了多久,依靠此模型,亚马逊就会知道我会花多少钱购物,以及怎样让我多花钱。
从初代模型到用户信息模型,商业价值就产生了。
除此之外,一个收集信息的平台也将推出,用来更方便地收集信息,例如亚马逊的购物网站、苹果的iTunes以及谷歌的搜索引擎。
那么“数字双胞胎模型”的机制也十分类似,只是将上述商业模型直接搬到了工业上来,持续对生产设备的各个部件进行监控和分析,并期望得到特定的商业价值。
我们同样需要收集数据,例如收集引擎的生产数据、维修数据以及运转数据,然后构建“单位模型”以及“单位信息处理”,而相应的输出数据则从购物推荐、个性化服务以及评价系统变成“效率评估”、“性能评估”以及“产品商业评估”。
具体来说,就是将具有物理实体的机器所有信息收集起来,数据化,建立一个数字模型,就像它们的“双胞胎”一样,然后运用这个模型来预测机器会遭遇的问题或者来调试机器参数,使得它的效率更高。
举个例子,GE90飞机引擎的问题预测,如图所示是经常途径炎热地区的飞机的引擎,其中的扇片上有防热涂层(TBCoating)。
这样的涂层一旦损坏,就会影响发动机的性能,严重的话会造成人员伤亡。
航空公司对此也是十分慎重,也发现了一些规律,往往200天这样的引擎就会出现问题,所以200天期限一到,就要进行引擎的检修。
这样的经验可能会灵验几次,但往往误差很大,如果200天中有很多天气温并不是很高则会减缓涂层损坏的速度,或者是湿度过大加速涂层的损坏。
这样简单粗暴地将引擎送往检修,往往可能检测不出损坏,而此期间飞机也不能使用,白白增加了维修成本也降低了商业价值的产生。
如果针对此涂层建立“数字双胞胎模型”,在每次飞行之后根据此次飞行的气温湿度等相关数据进行模拟分析,到了模型中损坏快出现的时候提前检修,这就使得维修显得十分及时了。
其实“数字双胞胎模型”能提供的服务还有很多,例如上述的“维修服务优化”、“工作方案优化”、“生产优化”、“服务优化”、“辅助设计优化”以及“新服务方案设计”。
只要你提供数据,我们就能提供巨大的商业价值回报。
“数字双胞胎模型”中还应用了很多机器学习的理念,在这里我介绍其中的三个。
第一个是我们如何正确取得我们想要的数据,其中引入了计算机视觉采集技术;第二项技术是我们怎样将数据进行过滤,并找到正确的我们想要的数据;最后是如何建立我们的“数字双胞胎模型”。
问答环节:
主持人:
我们都知道,双胞胎的基因十分相似,但是他们之间还是有这样那样的差别,那么你们所谓的“数字双胞胎模型”和它们现实中对应的物体之间也是有差别的吧。
我的问题是,这种差别有多大,并且你们怎样应对这样的差别?
科伦帕里斯:
我们的应对呢,总的来说有两种,而差别一般分为三类。
那么我们对不同的差别有不同的应对方案。
第一种差别是有人对产品做了改变然而并没有告诉我们,这其实是我们最常遭遇的,那么我们则需要反复对比实际以及校对参数来保证模型的拟真程度。
第二种是新变量的产生,比如我们观测到的一个很诡异的现象——地球的“高空急流”实际上会变化——而当这样的变化产生时,地球上炎热地区的气候也会发生改变。
而一旦我们观测到这样的新变量,数字双胞胎模型也要自然地做出相应的改良。
有些情况下,我们得到的数据并不完整,当你的数据缺失大到某种程度的时候,你的模型与现实的差异就比较明显了。
这种情况下,我们一般采取的措施是,首先核对实际数据,或者采用其他相关数据分析,比如大气层的变化或其他我们观测到的与气候变化相关的数据,然后开始全面地学习和分析差异性的成因和影响。
因为我们看待的是一整个综合的问题,其中的各个组成部分中也会存在差异产生的因素,当我们把这些因素都整合到一起,问题就基本解决了。
主持人:
那“高空急流”的改变发生过几次呢?
科伦帕里斯:
我们就观测到过一次,你也知道研究“全球变暖问题”是一个无法预测的事情。
FoundersFund联合创始人LukeNosek:
医生将被人工智能取代FoundersFund是一家投资公司,专门投资高新科技公司,这些公司一定是能对人类文明做出巨大贡献的,如Airbnb、Stripe、LinkedIn、SpaceX、Yelp等高科技创新公司。
LukeNosek也是DeepMind的董事会成员,此前在韩国取得重大成功的AlphaGo就是他们的杰作。
主持人:
像电影里那样,人们对人工智能都有或多或少的恐慌。
你们认为人工智能对于人类工作机会的影响有哪些?
Luke:
我觉得,人工智能既在创造人类的工作机会也在减少人类的工作机会。
那我就举一个常见的例子:
优步(Uber)。
优步的出现就创造了全民司机的世界,虽然这不是传统意义的人工智能,其实也是基于计算机技术的软件应用。
而如果真正的人工智能驾驶系统建立完备,司机这种职业将不复存在。
这就是我说的,工作种类的变革变得越来越快,一些工种消失,一些对应的工种就要出现。
这也需要当下经济状况良好,有着这样那样的公司出现来承载这样的新职业,如此新的工种才能创造经济价值。
主持人:
那么对于那些特殊工种而言呢?
比如医生,他们接受了长期的培训,就为了与人治病救死扶伤,现在如果机器能比他们更加准确,那么他们也将被替换,你是这样认为的么?
Luke:
恩,这是一个很难回答的问题。
这些人一生都在接受培训,做一些特殊的事情。
我并不这样认为。
我觉得人工智能能在临床医学做的就只有处理数据的部分,因为医生往往不能记住繁多的病人病历还有最近最新发表的医学论文,而机器却十分擅长。
但是机器也有做不来的地方,它们不能陪伴病人,使他们得到安慰,也不能照顾病人,而这些都是人类能做的。
也就是说,我觉得机器和人类都能在其中找到自己最擅长的工作部分。
主持人:
我不敢对整个医学界妄加评论,但是你貌似觉得在医护人员中只有一部分能继续留下来,不被机器抢了饭碗,例如护士、康复师以及物理治疗师。
是这样么?
Luke:
我觉得最终会是这样的。
不过也许需要数十年吧。
主持人:
不过最近的研究表明,人工智能的出现不会产生新的雇佣关系,也不太会改变现有的雇佣关系结构,而只是会在此基础上加入一点新元素:
工作之中越来越频繁的人机交流。
这样的场景相信大家都在电影中看见过,那么你是怎么看待这样的景象的呢?
能为我们描述一下你心中的那个场景么?
Luke:
我还是以临床医学为例子,这样的情况下,医生就有更多的时间花在病人身上了。
教育中的情况也十分类似,人工智能将一些负责一些重复性的工作,例如评分系统,以及设计课程。
而老师的角色就在于分析每一个学生的信息,然后加入情感方面的判断,建立学生和人工智能之间的联系,让人工智能给学生的帮助更加恰当。
主持人:
我这几天都在看到这样那样的新闻和呼声,人们呼吁对人工智能的发展和研究设定一个标准。
我个人觉得,规定人工智能的发展标准是十分困难的,因为有些事情并不能预测。
那么你作为投资者,觉得人工智能的发展需不需要受到限制呢?
Luke:
我觉得是十分困难的。
而且就算要设立标准这个范围也是很广的,你也无从下手。
最关键的是这种新型科技的发展本来就是未知的,标准就更加难以定义了,就好比我们古代的医学,也是显得十分粗鄙,但是还是一步一步发展过来,但是那时候也没有任何人规定手术时不能用某种剪刀吧。
这是不可能的。
主持人:
你觉得DeepMind的不足在哪里以及制约DeepMind发展的因素是什么?
Luke:
我觉得现在的机器学习的表现是令人咋舌的,不过发展也就只是机器算法而已。
如果我们想继续发展下去,我们必须加入很多其他学科的理念和理论,例如神经学、心理学、哲学以及等等。
这样我们才能发展处下一代的人工智能,不然再好的算法也终将是算法。
观众互动:
观众:
您刚刚谈论的人工智能和工作之间的影响,我想展开一下。
您刚刚只讨论了某些高新的特殊职业例如医生,那么对于那些底层的蓝领工作者,比如麦当劳的员工以及快递员,这些人群也是十分巨大的。
在人工智能替代人类工作的趋势中,医生能轻松转型成为治疗师之类的,而底层工作者的机会却不这么多,您怎么看待这个问题呢?
Luke:
我觉得只要是人,就能找到工作,而能力不是存在于你的简历或者学历。
技能可以继续学习,工作能否尽快找到就在于当下你学习技能的快慢,以及顺应潮流。
主持人:
我的想法也差不多。
举个例子,就是伊隆马斯克找到的一个工程师并让他参与TeslaModelX的设计,他曾经是一个机器人专家,马斯克找到他时,他毫无自信说:
“我都没有参与工业界项目的经验,我恐难当大任。
”马斯克却说:
“要的就是你这样的人,毫无经验,你就不会被条条框框所限制,就能发现我们看不见的东西。
”观众:
就像你们正在做的事情,就是对各行各业的高新科技进行评估然后投资。
那么一定有某家公司或者某位研发者的某个金点子让你瞬间爆炸,你能告诉我们是怎样的点子么?
主持人:
哈哈哈,谁能让LukeNosek瞬间爆炸呢?
Luke:
(开始打太极)如果真的是让我瞬间爆炸的点子,因为我在投资公司,这也许是商业机密,所以也不能告诉你。
主持人:
(开始救场)那你就抽象地说说呗。
Luke:
(什么鬼……)但是硬要说的话,我只能很抽象地描述一下。
想出这样点子的公司一定是我们能看到他们有十分有创造力的前景,比如自动驾驶系统,我们就能看出它有很多闪光点能在未来为我们人类做出很大贡献。
观众:
(就是不放过你)恩,我打断一下,这个真的确实十分抽象。
主持人:
(救不了你了)哈哈哈哈~观众:
你就直说一些你觉得很赞的理念或者想法呗,不一定要是某些公司的案例。
Luke:
那我就说一下吧。
最让我感到惊讶的就是人类的思维理念,而现在我们正处于理解人类思维以及怎样提升人类思维的十字路口。
而人类思维的潜力我相信是巨大的,也许也比我们想象中人工智能的潜力还要大。
这个课题贯穿很多门学科例如教育学、心理学还有很多实际应用中的工作,我对此十分兴奋。
亚马逊机器人首席技术官TyeBrady:
我对机器人的五点感悟照片上开拖拉机的是我父亲,他是密西西西比的一位伐木工。
大萧条时期,刚十二岁的他不得不进入丛林去努力工作来养活家人。
我本人在技术领域工作了25年,遇到那些经历过大萧条时期的人们,我总爱问他们一个问题:
“你觉得对你人生影响最大的一项技术是什么?
”我父亲的回答是:
“拖拉机、冰箱,还有飞机。
”比如照片中的那台拖拉机,有了它,不需要再用人力或牲口犁地;至于冰箱,能让肉储存更长的时间,这对食物短缺的时代是至关重要的。
所以,大家可以看到,这些技术对生活的影响都是非常直接的。
但至于飞机,我觉得很奇怪,又问道:
“我说的是影响你自己生活的技术!
”,他沉默了一会,答道:
“儿子,当我四十岁的时候,我第一次从报纸上听说飞机这种东西,我当时很难相信一部机器载上人就可以像鸟一样飞到天上。
”直到他亲眼看见一架飞机,看见它如何起飞降落。
“我虽然说不好飞机对我的日常生活产生什么样的影响,但我知道,它将改变这个世界。
”由已实现的非凡科技所带来的的巨大的变革,我将这种现象称为“完美的边界“(theBoundaryofAwesome)。
技术是用来满足人类需求的,包括机器人。
我个人对机器人的定义是:
一种安装了计算、传感、驱动系统的物理装置,以在物理环境中完成一项或多项的智力行为。
高等智力行为表现在对未建成环境的改造,辅以快速做出高级决策的能力。
这种智力行为在初期的时候是预先设定好优先级的,后来发展到完全自动化。
机器人非常酷,我很高兴我自己的工作是每天和他们打交道。
作为亚马逊机器人部门的首席技术官,我的责任是发掘、改进、应用相关技术,来使我们的员工、公司业务获益,当然,最重要的通过技术和新产品来改善用户体验。
我们的总体目标是通过应用智能技术制造吃更好的机器人,并以此扩展人类的能力,同时改善我们的工作、生活、娱乐环境。
这个目标贯穿我们工作的始终,尤其在低成本高效处理用户订单上。
每当用户点击“购买”按钮时,神奇的事情就开始发生了,只是用户们很难看到而已。
你订购的商品存放在亚马逊各地的仓库中,并会为用户选择最佳的“订单处理中心”(FulfillmentCenter)。
如果你有机会去我们的订单处理中心参观,你会发现所有的机器人、人类同时有条不紊的并行工作,互不干扰,就像在演奏一首人机交响曲,场面令人震撼。
机器人们现在已经取代了很多以前必须由人类去完成的工作,而且效率要高得多。
我们的技术原理其实很简单直接:
我们让货物过来找人,而不是派人去找货物。
通过这套系统,我们能保证亚马逊的物流系统可以以极高的效率运行。
至于整套系统是怎么工作的,大家可以看下面的视频。
我想先介绍一下系统中的组成部分。
这种橙色的机器人是“运输单元”,它负责搬运仓库中的黄色货架,货架上塞满了货物,什么形状的都有,而且有些是随意摆放的。
亚马逊的仓库里有成千上万这种货架,机器人能准确识别需要搬运的货架,在预先设定好的最优路线上行进,快速且不会相互干扰。
亚马逊的订单处理中心面积非常大,约120万平方英尺(约合11万平方米),约28个橄榄球场那么大。
这些机器人会按订单顺序排队来到工作人员身边,将目标货物所在的那一面朝向工作人员,以便他们拿取对应货物。
感谢我们的员工和机器人们,他们让亚马逊的订单处理能力前所未有的强大。
在刚过去的高峰期中,我们达到了每秒处理500件货物的水平。
如果把所有亚马逊搬运机器人所走过的路程加在一起的话,可以突破一个“1”,当然,单位很重要,毕竟在座的都是工程师:
一个天文单位,这是地球到太阳的平均距离,约1.5亿公里!
从今年起,我们的机器人该往回走了。
最后想说一下亚马逊机器人的团队,他们是一群极富创新精神的人,敢想敢做,很多亚马逊已部署的机器人都是由他们设计制造的。
他们中的大部分人都在波士顿和西雅图工作。
我能与他们共事是我一生的荣幸!
好了,既然今天是EmTech数字峰会,而且主题是人工智能,我就来分享一下自己对机器人前景的五个观察。
首先是,机器人应该在人类身边,而不是远离。
机器造出来就是为了满足人类的需求,只有当它们在身边是才能为你服务。
比如手机,它也是高科技的产物,而且人们总是把它带在身上,以便随时随地的获得信息。
人们拥有了一部随身携带的电脑,改变了我们的行为习惯,这才是改变革命性的。
机器人也是一样,它们必须融入到人类的生活环境,但挑战在于,怎样快速融合?
AI技术就是这一融合过程的催化剂。
其次,机器人应该很容易使用,而且不分男女老幼。
道理很简单,某个产品被使用得越多,就会有更多的人去改进它,反之亦然,一个良性循环。
AI技术将用于开发更方便、更自然的互动界面,不管你是对机器人说话,还是指点,或是碰触,总之,在人与机器人之间,必须有一种自然的行为方式。
比如亚马逊的Echo,我自己经常使用,我妻子也是,我孩子也是。
如果我们家的狗也会用,我想她会天天在网上订购肉骨头,这我可不干。
第三,机器人应该为人类创造一种学习环境,这点很重要。
允许人类有很好奇心,允许人类了解机器人的能力,允许人类将他们认为合适的工具用于合适的场景。
创造一个学习环境来让人类以最自然的方式去了解机器人的功能。
AI技术将是建立这种学习环境必不可少的,人类将把AI作为了解机器人,以及赋予其更多功能的入口。
第四,机器人应该以可预测的明确姿态去完成任务。
人类应该完全清楚机器人的下一步行动,这样才能建立人类与机器人之间的信任关系。
AI将用来建立双方间的意向及状态的双向分享机制,AI要学会预测下一步行动,不管是人类的还是机器人的,这样才能使得人类与机器人的关系透明化。
最后,机器人应该以简化事物及增强人类能力为直接目标,简单的说就是让人类生活得更轻松。
比如,亚马逊的运输机器人只负责一项工作:
搬运货物。
把这项工作做到极致后,带来的效果就是订单处理效率的极大提升。
AI在这里的作用就是分配任务,让机器人去做它们擅长的事情,而让人类集中与那些需要大量脑力的重要工作上去,然机器去延展人类的能力。
XX首席科学家吴恩达:
人工智能将和电力一样具有颠覆性主持人:
作为掀起深度学习革命的先驱之一,你是在何时意识到,深度学习可能会跨过人工智能的门槛?
吴恩达:
我记得我在16岁的时候,第一次写出自己的神经网络。
但很长一段时间里,我对神经网络都没什么信心,因为它并不怎么管用。
直到2009年的时候,这是个转折点,我的同事AdamCoates给我展示了他自己写出的图表。
那张图表使用一个深度学习模型,并将它不断扩大。
他发现,模型被扩展得越大,输出的结果就越准确,而整个系统不过是从一个小模型演变过来的。
所以那时我想,构建更加庞大的系统,可能是一个能够成功的思路。
于是我找到SebastianThrun,他那时在GoogleX,我问他能不能提供给我一些Google的机器,他说好啊我们一起做,于是后来就有了GoogleBrain项目。
主持人:
这故事的最后一部分我还真没听过。
这段时间,XX在对话型交互界面上有了巨大的突破,从商业角度上看,为什么语音交互界面对XX如此重要?
要在效率和灵活性方面取得进步,会面临哪些挑战?
吴恩达:
事实上,很多人低估了95%语音识别率与99%语音识别率的差别,这四个百分点的微小差距能够改变游戏规则:
现在,只有少数人偶尔使用手机上的语音交互设备,然而如果我们达到99%的准确率,语音交互系统就会成为人们在使用产品时不可分割的一部分,人们会不假思索地使用。
自去年以来,XX用户中使用语音助手的数量已经增长了三倍,我们肯定经过了快速弯道。
随着语音识别技术越来越可靠,就会接近采用曲线(adoptioncurve),不久就会有越来越多的人与手机、电脑对话,甚至都不用考虑。
我经常想到智能手机触摸屏,它改变了一切,乔布斯没有发明触屏(可能是HTC第一个发明的触屏电话),但是,他让触屏智能电话运行得很棒,你会不假思索地使用它,这改变了一切,因为这是一种全新的人机交互方式。
我认为,几年后,语音交互也有这样的潜力,将来我们都会不假思索地以语音的方式与电脑、手机等智能设备交流。
主持人:
近年来智能系统在商业中的应用越来越广泛。
你认为商业公司战略应该如何与时俱进,适应智能系统的普及?
吴恩达:
这个问题很大,要花很多时间谈这个问题。
我认为,人工智能是新的「电力」。
一百多年前,电力的使用完全改变了一切,产生了许多意料之外的后果,例如,电力让冰箱成为可能,冰箱改变了食品供应系统,发电机也改变了产业建立方式。
我认为,人工智能也会产业相似变革影响。
目前,我们正处在这一阶段,许多公司正在首席数据执行官,以后可能还会雇佣人工智能执行官,来管理掌控一切的人工智能。
而这与当时许多公司「电力VP」的角色十分相似,因为在当时,电力系统对人们来说太复杂了,以致于必须要由专人管理。
目前,我们也是这样。
这种策略有很多价值,如果你不十分确定怎么做,可以雇佣数据执行官或者人工智能执行官帮你搞定。
在接下来几年,会发生另一种变革:
人工智能会具有战略决策般的重要性。
举例,另一个对产业影响与之类似的变革,就是互联网的发明,当时首席信息官负责处理互联网之类事宜。
我们意识到,互联网的发明从根本上变革了我们对创立公司方式的看法。
人工智能会带来类似的转变。
比如,现在,数据是许多公司的防御门槛,技术相对容易进行某种复制,但是数据是很难复制的,因此,你们公司的数据战略是什么?
有时我们推出一个产品,部分原因在于我们喜欢这款产品,部分原因就是为了收集足够的数据,获取信息,为以后要做的事情做准备。
这就是战略计划的一部分,计划推出项目的先后顺序,先做什么,获取数据。
我认为,一家领先的公司已经开始思考这样的问题。
许多公司曾经希望自己早点思考互联网战略问题,就像很多年前一些公司希望早点设计出电力战略一样。
现在正是考虑公司的数据战略的好时机。
主持人:
我们现在的大学,能够培养足够的人工智能工程师来满足市场的需求吗?
吴恩达:
可能仅靠大学,无法提供如此多的专业人才,所以许多在线学习平台,如coursera,Udacity等等平台能够帮助我们解决这个问题。
主持人:
听说,中国大城市的交通情况很让人头疼,我们的一位同事前段时间体验了XX的无人车,他的感受是,中国的道路真的是很难开,XX训练无人驾驶车就像中国司机一样夸张。
你认为,在中国开发无人车,有什么在美国不会遇见的问题吗?
吴恩达:
中国交通的确让人头疼。
有一次我们在五环高速试行无人车,一辆车突然就开到我们前面。
如果是我的话我早就撞上去了,但是当时,汽车猛地停了下来。
我还跟坐在驾驶位的同事说,哇你技术真好,刚才太危险了,人类接管了汽车,他说,我什么都没做,车自己停下了。
这可能就是你刚才提到的那种体验。
我想和大家分享一个洞见:
为什么我对XX的自动驾驶战略表示乐观。
例如,当我独自开车时,旁边的建筑工人可能会对你做出「停车」的手势,这时,你必须停车,如果做出「加速通过」的手势(类似召唤你过去的手势——译者),你最好开过去。
对于无人车来说,它需要非常准确地判断这两个十分相像的手势,因
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 没有 任何 行业 可以 忽视 人工智能