新宝6创造奇迹登录当您不断听到这四个AI流行语
发布时间:2020-02-12 15:45
当您不断听到这四个ai流行语时,对公司要三思而行

对于使用ai进行突破性发展的每家企业来说,还有更多并非如此

adobe的2018年《数字趋势》报告 发现,虽然目前只有15%的公司正在使用ai,但31%的公司将其列入明年的议程-但是需求的增长不一定与高质量ai的增长相关产品

其中大部分是绒毛

我在2016年通过艰辛的方式学到了这一点

我们一直在考虑为一项非常具体的任务授予模型许可,这导致了恐怖

我们自己是一家ai公司,但我们只专注于语言理解和nlp

我们的一位客户希望将图像识别添加到我们的一种大型ai模型中,因此我们开始寻找擅长图像识别的合作伙伴

这真的很难

我们最终选择了客户推荐的供应商

纸,公司看起来不错

销售团队向我们展示了案例研究,我听说过slack渠道中有关机器学习的数据科学家的名字

但是,当我们实际插入ai时,结果完全令人不满意

我们应该花更多的时间进行尽职调查,并与机器学习团队(或至少是知识渊博的执行官)进行交谈

当我们试图与销售团队一起解决问题时,很明显他们不知道该技术做了什么

销售团队和工程团队之间的这种分离是ai的一个巨大问题-销售解决方案的人员必须了解ai的实际工作原理

由于ai技术受到了越来越多的炒作,许多公司在没有任何经验的情况下转向ai

当您将技术的复杂性与参与游戏的人数相结合时,这就是灾难的根源

很难验证良好的性能是什么样的;并没有很多广泛建立的针对不同行业的ai置信度或准确性的基准,并且一些公司正在利用这种混淆

而且ai足够复杂,而不必理清流行的骗子

相关文章: 人工智能已经影响您的日常生活甚至不知道的5种方式

ai的动荡周期

人工智能具有巨大的潜力- 根据市场研究公司research and markets的数据,到2025年,其市场价值预计将 超过1900亿美元 -这引发了泡沫泛滥的炒作周期,这是科技界从未见过的

该行业的一些新手会让您相信他们可以使用现成的递归神经网络解决所有问题,而实际上,当ai在超专业化时效果最佳

辨别真假意味着进一步深入研究实施和工程团队

数据科学家,qa测试人员,语言学家,数据工程师和机器学习工程师之间存在差异

必须弄清楚这些人是否真正了解ai或只是尝试兑现,这将使您免于遭受痛苦

留意这些流行词应有助于您区分炒作与真实

天才?

任何说他或她创造了人工智能驱动的感知事物的人都在撒谎,这将神奇地解决世界上的每个问题

当ai和机器学习模型专注于特手机版app下载定任务时,它们可以很好地工作

我们还没有进入“ 奥创时代”

就像苹果公司的天才酒吧里的“天才”一样,人工智能只能做到受过训练的事情

“天才”人工智能的幻想是一种营销策略,实际上掩盖了人工智能的真正价值

当一个模型应该完成所有任务并实际上陷入僵局时,人们对ai的信任就会降低

即使拥有高薪ai人才的科技巨头也走得太快,也会遇到麻烦

例如,在2016年,由图像识别ai驱动的自动驾驶uber 在旧金山开了红灯

相关: 与ai同行:如何发现,存储和清理所需数据

深度学习

深度学习功能强大,但是许多公司无条件地使用了术语

对此,有一个行业笑话:“深度学习就像在高中时做爱

每个人都说他们在做,但实际上只有少数人做,而且他们做得不好

伪造的ai公司喜欢在其主页上放置“深度学习”,因为这使他们的ai看起来“超深度”

实际上,深度学习可以是一个强大的工具,但有时对于眼前的问题而言,这根本没有任何意义

以烹饪为例

当科学家尝试教授 深度学习模型来组合配方时,结果非常可笑

如果一家公司表示正在对没有非常大的数据集的问题进行深度学习,那可能就是在欺骗

深度学习可以改变您的生活,但如果仅将深度神经网络用于宣传因素,它也可能浪费您的时间

有些公司使用深度学习来写演讲,即使它 没用

自然语言理解

简而言之,nlu是ai处理和理解语言并基于该语言执行命令的能力

nlu可能是业务必不可少的一部分,并且该技术在短短几年中就取得了长足的进步

考虑一下siri 在整理东西之前 绊到大门之间的区别

ai处理从人传来的想法,然后附加响应以解决人的问题的能力令人难以置信

但是您仍然必须提防那些骗子

新宝6创造奇迹登录

许多顾问似乎认为他们已经神奇地封装了ai专业知识,他们四处使用nlu来描述他们的工作,但是除非他们实际上是在训练模型,否则他们不会做nlu,而不仅仅是在顶部添加服务层

在某些情况下这可能会有所帮助,但是该术语本身并不总是意味着它的外观

要确定供应商是否合法,请询问其用于调整培训数据的方法

相关: 人工智能取代您的智力了吗?

增强智能

非技术人员试图通过广告“增强的智能”来抓住ai的趋势,例如“我们将通过ai来增强您的智能”,但是ai已经做到了

那是主意

在一个本应消除浪费的行业中,添加一个不主动接触算法的中间人会增加很多垃圾

避开24个月前出售数字贴纸但今天自称为ai专家的公司

这些公司中许多都在雇用“机器学习专家”,这个职位甚至在六个月前还不存在

根据linkedin的2017年“美国新兴工作报告”,自2012年以来,机器学习工程职位列表增长了近 十倍

很高兴看到行业的发展,但是所有这些工程师都可以编写算法并训练模型吗?如果不是,请保持谨慎

有很多ai公司正在做具有开创性的事情,这些事情很可能使人们的生活变得更好

但是,每一个成功的故事都会催生出许多新的“全知”

确保提出一些棘手的问题,以确保您正在与正确的人交谈-或至少喜欢在您现在可以识别的过多的混蛋调音台上大笑

手机版app下载综合报道

sitemap sitemap