http://www.china-cic.org.cn

在人工智能领域内 - 与思想领袖罗比艾伦深入探

编者注:WRAL TechWire正在与YourLocalStudio.com合作,这是一家拥有10年历史的自编视频代理商,因为我们认为这是一个深刻而深入的深入探索人工智能世界。 YourLocalStudio的首席执行官兼创始人亚历山大·弗格森(Alexander Ferguson)和他的团队对人工智能领域的思想领袖进行了一系列深入的视频采访 - 其中许多人都在三角区。这是该工作室的UpTech计划的一部分。本周的片段是人工智能思想领袖Robbie Allen访谈的第三部分。

UpTech

欢迎阅读UpTech关于人工智能的报告系列。我是Alexander Ferguson。这个视频是pa在我们的深度访谈系列中,我们与人工智能领域的专家分享了丰富的知识。这是我与北卡罗来纳州达勒姆的Infinia ML首席执行官罗比艾伦谈话的第三部分。在他的其他商业成就中,罗比拥有六项专利,并撰写了八本书。采访:

为什么机器学习激增?为什么数据意味着一切?人工智能社区与传统的软件领域有何不同。

我们所看到的这种机器学习方式确实带来了三件事。第一个是数据,我之前提到过。而且我经常说大数据时代,真正开始于2005年左右或者-6你盯着听到“大数据”一词。这就是创造了aro那段时间。

公司真正开始更认真地对待数据收集。他们开始将数据视为竞争优势。所以他们至少开始收集它。所以这是必要的,因为正如我所提到的,机器学习就是数据。如果您没有数据,则无法进行机器学习。因此至少有很多公司拥有这些数据。

有GPU,它实际上是一种特殊形式的处理器。大多数计算机,笔记本电脑都有他们所称的CPU或中央处理单元。 GPU是图形处理单元。它们通常会为您的显示器或电动游戏机供电。事实上,由于游戏机的兴起,GPU变得越来越受欢迎。所以我经常说我们有游戏玩家在某些方面要感谢对于我们在机器学习中看到的一些进步。然后是算法本身的进步,特别是深度学习。机器学习社区现在进行了大量的研究,并且已经进行了很多改进,尤其是基于深度学习的改进,现在由于处理,由于数据的原因,我们可以应用更复杂的机器学习版本可以做各种有趣的事情。

我不认为从真正基本的统计技术到机器学习是一个很大的跳跃,至少可能是更直接的技术。实际上,它实际上取决于数据的样子。因为数据的复杂性通常会决定算法的复杂性或者你所做的事情nda必须留意。这就是为什么深度学习,这实际上是复杂性的阶梯功能,因为没有更多正式的培训或更多的经验,因此很难从基本的回归转向深度学习,因为有更多的事情可能出错。

[ 123]

如果你没有意识或能力去理解出错的地方或出错的原因,那么你将无法理解或解释你得到的结果。所以我想说基本的机器学习技术并不是太过分,但是一旦你学会深入学习,就需要更多的理解。

为什么数据对于机器学习如此重要?

正如我所提到的,机器学习是学习的ng模式和数据。如果数据中有垃圾,或者它非常嘈杂或存在问题,特别是那些你没有预料到或者你看不到自己的问题,那么算法会学到噪音,或者它会开始做出误判,因为它是学习模式这是不正确的。因此,如果数据不是很好,你就会遇到问题。

机器学习面临哪些挑战?

许多公司面临的重大挑战之一,而且我认为即使像我这样的公司也在努力关注几个关键用例,我们就去和公司谈谈,我们正在与世界上一些最大的公司谈谈,一直到小产品公司。每个人都有不同的用例。而且还有因为我们在机器学习过程中已经很早了,所以不仅仅有一两个应用程序。

事实上,你进入一家大公司并且有几十个应用程序。现在,因为人们刚刚开始,没有两家公司倾向于拥有完全相同的需求或完全相同的优先级,因为机器学习是一个真正的通用工具,可以应用于许多问题。所以无论如何,就是那样。

但我们看到各种有趣的用例,例如各种文档处理类型的应用程序,无论是合同分析,你可以自动阅读合同,合法记录并确定它是什么样的合同,了解合同中的哪些问题,做什么ey称为Q和A,对合同提出质疑和回答。该合同是否有所有权变更条款?它可以告诉你是或否。

你可能听说的另一个是简历分析。那么你可以自动扫描一份简历,然后告诉我这个人是否可能成为我的好雇员。过去曾有一些失败的例子表明存在偏见。这是我一直被问到的常见问题:你是否担心算法的偏见?我告诉人们的是机器学习从中立开始。这些算法没有任何偏见。它所训练的数据有什么偏见。

所以,如果它做出有偏见的决定,它只是反映它是什么下雨,可能存在于收集的数据中的偏见。所以我认为它总体上是一个净积极因素,即使存在偏见,因为至少我们处于可以认识到偏见的地步,人们正在谈论偏见,我们可以做多少年的事情。几十年,人们一直在做出这些决定,他们从不谈论偏见,但猜猜是什么?存在偏见,他们只是没有谈论它。

我们经常说,我们不会将机器学习应用于每个问题。事实上,存在许多问题,事实上,在企业界内部存在许多悬而未决的成果,现在他们拥有数据,你不需要像机器学习的大锤那样去解决它。[ 123]

你可以使用简单的统计技术,并以这种方式获得了很多里程碑。所以你并不总是需要机器学习。有一套非常大的统计技术可以进行各种处理和分析,无论是回归还是分类都不需要更复杂的技术。

AI社区与传统软件有何不同?[ 123]

人工智能社区的伟大之处在于它以学术为基础,这意味着所取得的大部分进步都是公开和免费提供的。在大多数情况下,它并没有真正埋藏在专利中。所以这是关于它的好事之一。它不像一个封闭的社区;它非常开放。我听到越来越多的公司试图提交头文件NTS。美国专利商标局最近提出了关于提交面向人工智能的专利的新指南,这将使得这样做更加困难。

同样,好的一点是,人工智能领域的可信度来自已公布论文,未公布专利。这是与传统软件的另一个根本区别,传统软件大多数荣誉徽章都是关于你提交了多少专利。现在你发表了多少篇研究论文。我的公司,我们发表了一些论文。我们的首席科学家Larry Carin博士是世界上最多产的机器学习研究人员之一。

最后,我问罗比艾伦对人工智能时代的最终想法。

]我认为这是非常令人兴奋的。我在网络公司开始了我的职业生涯繁荣与萧条,我在20世纪90年代末和21世纪初处于20世纪初,有些事情让我觉得可能是我职业生涯中最激动人心的事情发生在我21岁时。但是现在我会修改它,并认为现在可能是我职业生涯中最激动人心的时刻。

这将是有一天我的孙子孙女会问我的时间。在人工智能革命的早期,它是什么样的?我确实相信我们刚刚开始。所以机器学习,虽然可能有一些起伏,因为有任何技术,我认为总的来说它是一个长期的赢家。

这只是一种品味。请继续关注,因为我们分享了我们对每个exp小组的完整Deep Dive采访erts和我们即将发行的剧集专注于特定主题,这些主题将改变您对人工智能的看法。所有这些都是关于UpTech Report关于人工智能的新系列。

关注无极荣耀官网(www.china-cic.org.cn)。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。