2016中美项目秋季交流会,来自硅谷的人工智能有哪些新创意?

本文涉及的产品
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_高级版,每接口累计50万次
NLP自然语言处理_基础版,每接口每天50万次
简介:

眼下人工智能创业正如火如荼,不论是在中国还是美国,各种创业项目都层出不穷。看过了不少国内的人工智能创业ideas,这一次让我们来看看来自硅谷的人工智能到底带来了哪些新创意?

2016中美项目秋季交流会,来自硅谷的人工智能有哪些新创意?

10月28日,雷锋网(公众号:雷锋网)来到深圳的创新谷咖啡,参加创新谷&追梦者基金携手硅谷创业者联盟举办的2016年秋季中美项目交流会。来自硅谷的项目团队与多家投资机构早已准备就绪,交流会现场也座无虚席,现在让我们来看下这些项目到底带来了哪些新的创意。

一、Pat 语义识别

2016中美项目秋季交流会,来自硅谷的人工智能有哪些新创意?

Pat团丢在智能语言方面做了很深的处理,推出一个新的语言叫NLU(自然语言理解)。其在智能语义理解方面实现了较大的突破,无论是在对话还是在文字处理中。

主讲人Wibe Wagemans提到:

可以把Pat想象成一个一周岁大的小孩,明年它可能就有五周年小孩的水平。但是现在所有的机器学都没有办法和一个三岁的小孩对比。

想象一下,今天如果跟我们的机器说你打电话给他吧,但是突然我不想打给他了,我打给另外一个人。这对于人来讲是很简单的事情,但是对机器来讲是很难做到的事情。我们找到了最精端的五个教授研究出这样一个NLU的东西,它会改变这个自然语言理解现状。

二、YiTuux 医疗图像智能识别

2016中美项目秋季交流会,来自硅谷的人工智能有哪些新创意?

医疗技术现在变得非常普及,中国医院的现状是人满为患,现在世界统计每年的医疗影像在50亿张左右,而且还在飞速的增长。以前只要拍一张片子,现在做CT、核磁共振等,医生完全看不过来。

我们用人工智能解决两个问题

大医院里面提高医生的效率

小医院里面辅助没有专业知识的医生

美国的医疗成本非常高,一个放射科医生一年工资在四五十万。美国解决这个问题的办法就是把美国的影像片子都送到印度,让印度先读,读完以后再送过来,印度看完之后美国医生看一下签名就可以了。很多人说我们这个人工智能是不是代替了医生,在我看来替代了印度医生的工作但是替代不了美国医生的工作。

美国有美国的市场,中国有中国的市场。中国的特点就是体检市场,医院病人数量是绝对的多,差不多一般的三甲医院一天一万号病人,一天三百号病人。

医生一天可能看几百张片子,还得不间断地看。对于人工智能完全不存在这个问题,我们把它放在网上,出误差率非常小。运用人工智能技术,在医院里面不需要几十万几百万的医疗器械,只要把东西放在云上,医院把数据传输上来,我们在15-30秒内把我们判断的结果给医生,让他确认或者否认就可以了。

我们做了一年以后准确率在90%,而且正在不断的提高。

三、Chooch 人工智能搜索

2016中美项目秋季交流会,来自硅谷的人工智能有哪些新创意?

当今世界存在一个很重要的问题是每天这个世界上每个人都产生了很多内容,从来没有产生过这么多内容,而现在搜索的方法并没有提供一个很好的解决方案,而且很难去规模化。

现在,我们用神经网络的方法去做搜索,比正常的搜索要便宜20倍,且10倍以上的关联性,比正常的搜索要快10倍。

我们最近做了一个视频搜索的项目,某品牌想知道1995年开始在互联网上哪些视频里面用过它们的品牌,如果用我们的搜索引擎,可能一秒钟就可以把所有的结果体现出来,且搜索质量非常高。

这是一个全新的方法,目前的搜索实际上是非常碎片化的,大多数人都是在用户搜索方面来做文章。实际上在其他的市场上,搜索应用也非常的需要。比如说企业级的搜索

这个其实是发展非常快的,公司用企业级的搜索来找公司内部的文件或者进行数据分析。

还有一个隐藏的就是架构上的搜索

这个实际上就是说你每当打开一个APP,它都会在上面有一个搜索小框,可以用它来进行搜索。

目前我们实际上并没有去专注于用户级的搜索,主要是专注在企业级和架构上的搜索。

四、一拍遥控

2016中美项目秋季交流会,来自硅谷的人工智能有哪些新创意?

我们目前要做的项目是打造一个年轻人家居智能管家,作为智能管家的新入口就是一个音箱。

Amazon Echo在美国已经卖了400万台,在美国家庭的渗透率达到5%。Google这个月也推出了类似的产品,可以通过语音放音乐、控制智能家电、问问题、叫Uber、定外卖。

在技术上,我们通过自然语言的识别实现了语音交互。提到自然语言的识别,这个事情本身是很难的,但是我们把它局限在家居控制领域,在一个家庭环境范围内可以把它做得很好。

目前已经上线了APP叫一拍遥控,通过拍照就可以连接设备,就是拍你的摇控器。这个是在云端上做人工智能的图像识别处理,目前数据库很全,大部分会用到的设备都包括。

五、Integem 

2016中美项目秋季交流会,来自硅谷的人工智能有哪些新创意?

Integem主要解决的是AR通信问题,目前制作AR的内容和策略技术方面有很大的困难,把人实时融入AR还是非常有挑战的技术。

Integem拥有七项独特专利,利用先进的增强技术可以实时高效的实现人物提取,无需用户参与,对视频拍摄背景要求低及无需“绿屏”,可以多人多角度多方位同步直播。

六、TravelFlan

2016中美项目秋季交流会,来自硅谷的人工智能有哪些新创意?

TravelFlan是专门为旅客设置的人工智能系统

2015年在大中国地区有接近1.2亿游客,他们总消费超过几千亿人民币,这个数字还在迅速增长。在这么庞大的市场里面,我们还是有看到很多做得不够好或者可以进步的地方。

在信息流通方面,网上的信息越多,对游客来说价值并不会越来越高。针对这个问题,TravelFlan在服务过程中首先不需要下载任何APP,只要有手机上网就可以随时随地24小时使用TravelFlan的服务。我们服务有Facebook、微信、苹果APP等接口。客户对我们提出问题,后台会对他做基本分析,比如他的年龄、性别,在问题里面提取关键字,然后最短时间内给出客户建议。


本文作者:李尊


本文转自雷锋网禁止二次转载,原文链接


相关文章
|
2月前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
93 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
15天前
|
存储 人工智能 文字识别
AI与OCR:数字档案馆图像扫描与文字识别技术实现与项目案例
本文介绍了纸质档案数字化的技术流程,包括高精度扫描、图像预处理、自动边界检测与切割、文字与图片分离抽取、档案识别与文本提取,以及识别结果的自动保存。通过去噪、增强对比度、校正倾斜等预处理技术,提高图像质量,确保OCR识别的准确性。平台还支持多字体识别、批量处理和结构化存储,实现了高效、准确的档案数字化。具体应用案例显示,该技术在江西省某地质资料档案馆中显著提升了档案管理的效率和质量。
|
23天前
|
人工智能 安全 网络安全
揭秘!大模型私有化部署的全方位安全攻略与优化秘籍,让你的AI项目稳如磐石,数据安全无忧!
【10月更文挑战第24天】本文探讨了大模型私有化部署的安全性考量与优化策略,涵盖数据安全、防火墙配置、性能优化、容器化部署、模型更新和数据备份等方面,提供了实用的示例代码,旨在为企业提供全面的技术参考。
63 6
|
2月前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
123 22
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
1月前
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
56 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来AI趋势:掌握Function Calling技巧,解锁大模型精度提升的秘密武器,让你的数据科学项目事半功倍!
【10月更文挑战第6天】随着深度学习技术的发展,神经网络模型日益复杂,Function Calling作为一种机制,在提升大模型准确度方面发挥重要作用。本文探讨Function Calling的概念及其在大模型中的应用,通过具体示例展示如何利用其优化模型性能。Function Calling使模型能在运行过程中调用特定函数,提供额外的信息处理或计算服务,增强模型表达能力和泛化能力。例如,在文本生成模型中,根据上下文调用词性标注或实体识别等功能模块,可使生成的文本更自然准确。通过合理设计条件判断逻辑和功能模块权重,Function Calling能显著提升模型整体表现。
51 3
|
2月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
107 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
2月前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
93 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
19天前
|
人工智能 Anolis 开发者
|
1月前
|
人工智能 自动驾驶 机器人
【通义】AI视界|苹果自动驾驶汽车项目画上句号:加州测试许可被取消
本文精选了24小时内的重要科技新闻,包括Waymo前CEO批评马斯克对自动驾驶的态度、AMD发布新款AI芯片但股价波动、苹果造车项目终止、Familia.AI推出家庭应用以及AI逆向绘画技术的进展。更多内容请访问通义官网体验。
下一篇
无影云桌面