暂无个人介绍
我们正在用PAI做大规模深度学习。
目前深度学习是主流。Python编写控制流,底层是C++高性能实现。
机器学习是方法,语音识别和图像识别是具体任务。这两个任务目前主要用的是机器学习方法。此外,机器学习的本质是有泛化性,就是对没见过的东西也有预测能力,所以对不认识的人是有一定的识别能力的。
推荐PRML这本书。另外,推荐还是用tensorflow,caffe这样的主流框架,对未来实际使用更优价值些。
对不同用户,推不推送刮刮卡,什么概率,有什么奖品都会影响用户行为,满意度,以及后续行为。这里面可以用机器学习来学个性化的方案,最大化效用。
可以。最经典的使用MPI通讯同步信息。
有些算法包应该可以指定初值和更新允许。
设定初值,不允许更新就可以了。
tensorflow, maxnet, caffe。
人工智能的很大一个进展。
回过来说,也只是人工智能在解问题的工具属性的更强大延伸。真正的强人工智能还很远。
自动语音识别自动识别歌词,挺靠谱的。
生存的各种感觉是实现自我意识的关键因素。不一定是终极算法。以后的真正有意识的人工智能也可能要有痛苦。
自动识别人脸开门,开柜门等等。
目前人工智能的一个核心是学习能力。学习能力的一个重要维度是学到相同程度,需要的数据量有多少。越少越好。
人工智能目前的发展正好到了,需要的数据量从原来的无法实现,到目前大数据能力可以支撑。
所以现阶段人工智能和大数据耦合非常紧。
但是未来,人工智能的一个方向一定是把所需数据进一步降低,降的越低越好,这才是更强的学习能力。所以,人工智能和大数据也有分道扬镳的可能性。
录音-->语音识别成文本存下来。
进一步可以用NLP技术自动抽取摘要和重点。
技术革命一定会带来社会分工的巨大变革。一些工种会消失,也会产生大量的新工作。
生产效率提升后,也许会带来只有少数人(精英?)工作就够了的局面,大多数人安逸享受。
目前的人工智能仍是工具的延伸,机器没有自我意识。在真正的人工智能实现之前,不会有人类被代替的局面。
现在的人工智能基本都集中在在确定性问题,是为了解决问题的。这本质上是工具的延伸。这块的突破能带来生产效率的巨大变革,吸引了大量的财力人力,最近有爆发式发展。
所谓真正的人工智能需要关注在自我意识等层面,和人工生命领域比较相关,这块的进展非常少。因为这个方向的研究并不是那么有功用,也吸引不太来钱和人才。
实际看过:Pattern Recognition And Machine Learning
很好的书,建议有时间看看。
然后在找深度学习的综述看看。
此外,练习很重要,一定要自己编程写算法,并且找实际数据跑算法迭代效果。
楼主可以看一下deeplearning4j/ND4J。地址在这里:https://github.com/deeplearning4j/nd4j
目前深度学习的主流框架Tensorflow/MXnet/theano等,python是主流环境,真要想深入到人工智能领域,建议和主流保持一致,看看python环境下的平台吧。