精华内容
下载资源
问答
  • 从长远来看,软件开发经理将需要找到一种方法来改善其组织开发AI应用程序的方式。 应用程序开发人员和高管之间的沟通也需要转变,以建立与监管机构和客户的信任。 由管理团队确定合适的渠道,以将AI文化整合到...

    ai人工智能开发

    软件开发经理可能希望更多地专注于AI开发,而不仅仅是找到最新的算法。 热情只会使组织到目前为止。 从长远来看,软件开发经理将需要找到一种方法来改善其组织开发AI应用程序的方式。 应用程序开发人员和高管之间的沟通也需要转变,以建立与监管机构和客户的信任。

    由管理团队确定合适的渠道,以将AI文化整合到他们的开发团队中,并成功地将IT组织的所有要素整合为各方的和谐关系。

    专注于任务,而不是技术

    西北大学计算机科学和新闻学教授,叙事科学首席科学家克里斯蒂安·哈蒙德(Kristian Hammond)说,IT高管沉迷于信息:人工智能将改变一切,但步伐还不够快,克里斯蒂安·哈蒙德(Kristian Hammond)说道。叙事。 随着高管努力跟上步伐,这可能导致恐惧,紧迫感和尴尬。 结果,许多高管就他们的AI文化和战略应该如何进行了毫无用处的对话。

    与此同时,工程团队希望转向机器学习 ,供应商在其产品中推出了新的AI功能。 哈蒙德(Hammond)认为,从长远来看,人工智能将产生深远的影响,但许多人工智能项目将一路失败。

    相反,IT高管应该做的是退后一步,专注于业务所需的功能,而不是发亮的新技术。 哈蒙德说:“问'这项技术有什么作用,对我有什么作用?'。 “功能取决于业务需求。”

    外卖经理需要考虑的一个问题是,当他们尝试改善或创建应用程序时,如何从AI技术(例如分析,深度学习或文本处理)中受益。 哈蒙德说:“总是回到我们试图解决的业务问题以及与之相关的任务上。” 同样重要的是要认识到达到特定结果所需的条件以及对企业有用的功能。

    成功需要正确的算法来处理业务可访问的数据。 并非总是很清楚数据对于特定用例而言是否足够干净,或者是否可以将其用于满足法规要求的新算法中。

    高管还需要调查他们是否有有用的数据。 “我的猜测是,对于超过80%的问题,您没有数据,”哈蒙德说。 看起来数据存在于表面上,但是在拥有数据和以编程方式获得数据之间有很大的不同。

    规模是另一个重要的考虑因素。 如果任务仅每季度执行一次,那么当下午可以由几个人完成任务时,就没有必要聘请工程师来解决AI问题。

    将敏捷文化带入AI

    英特尔AI产品软件产品负责人Jason Knight说,要有效地适当扩展机器学习和深度学习的能力,就需要有效构建的AI应用程序开发管道。 这种方法可以使Facebook每天执行300万亿次AI推理。 好消息是有很多可用的工具,但是对于软件开发经理来说,确定如何将其中的一部分组织到有效的AI管道中可能是一个挑战。 考虑跟踪数据和模型来源的方法以确保在需要时可以解释AI模型也很重要。

    在某些方面,人工智能开发可以借鉴企业在敏捷应用程序开发流程中的现有经验。 工程师可能已经具有版本控制,测试和部署这些应用程序的背景。 但是,企业也需要弄清楚如何将这些现有实践扩展到数据。

    例如,工程师精通如何使用GitHub等代码存储库对应用程序代码进行版本控制。 另一方面CIO需要弄清楚如何对数据进行版本控制。 确定如何跟踪数据来源也很重要,这需要您知道数据的来源,并且知道何时可能包含可能影响根据此数据构建的AI模型的偏差。 但是,这些见解仍然相对较新。 奈特说:“不要过早与任何供应商紧密地联系在一起。”

    建立AI基础架构

    所有上述要求可以将AI的采用限制为单个部门或业务部门。 IDC欧洲软件部门副总裁Philip Carnelley表示:“人工智能将影响每个行业。 “但是目前,只有百分之几的公司在整个企业范围内都拥有人工智能。”

    Carnelley指出希思罗机场的努力是一个模型,以模仿如何在企业中成功实施AI文化。 机场以最大容量运行,当天气问题导致航班延误和取消时,这可能会导致严重问题。 具体来说,一个挑战是,飞机降落时,与新人员进行边境管制可能需要大约半小时。

    机场开始将所有数据提要放入一个数据湖中,以便他们可以创建响应速度更快的业务流程。 “他们拥有所有这些来源多年,但从未将它们整合在一起,”卡内利说。 “他们要做的是使用集成数据,并在顶部使用AI来改变行李处理等其他领域。”

    当心新员工

    阻碍AI增长的主要问题已从政策和战略转向数据问题,以及员工缺乏技能和员工抵制。 排名第一的技能问题与数据科学家的招聘有关。 IDC接受调查的高管中,只有少数几位表示他们聘用了经验丰富的数据科学家,他们对统计数据有着深刻的了解。 作为替代方案,其他企业转而求助于具有流行机器学习和深度学习框架的动手知识的软件工程师来构建其AI应用程序。 卡内利说:“这是一种可行的方法。”

    与招聘应届大学毕业生的企业相比,企业可能希望考虑一种内部人员配备的方法 卡内利说,与他交谈过的一位首席信息官试图培训应届大学毕业生来构建AI应用程序,但是一旦他们有了一点经验,他们就会去找更好的工作。

    结果,该首席信息官现在将其年长的员工接受了适当的背景培训,并对其进行了交叉培训,从而提高了员工保留率,并从这些人的投资中获得了更高的回报。

    “我们认为那些能够蓬勃发展的人可以将信息转化为竞争优势。” 建立数据管道包括流程,组织和技术挑战。 “您必须在所有方面解决这个问题,”卡内利说。

    使高管保持循环

    伦敦一家AI设计公司After After Flood的创始人Max Gadney说,企业在AI文化方面面临的另一个新挑战在于AI科学家与高管之间的紧张交流。 AI中使用的基础算法可能难以解读,这给如何解释AI模型如何达到特定决策或如何促进系统性偏差提出了挑战。 解决此问题的方法需要更好的沟通实践和数据科学家的对话,这些科学家一直在建立模型直至董事会会议室。 加德尼说:“企业和董事会需要问这些问题,但是现在没有办法了。”

    解决这一挑战的一种方法涉及将信任建立为设计问题。 企业需要考虑如何以一种表面不完美的方式显示用于创建算法的数据来源。 如果他们这样做,将使确定数据和基于它们的算法在哪些地方运行良好,以及在哪些方面业务,法规要求或消费者失败的方面变得更加容易。

    如果企业围绕数据集的可靠性和有用性在企业中创建更好的标签,则企业可以做到这一点。 当新的AI应用程序是基于不完美的数据构建时,高管了解这一点很重要。 Gadney说:“人们非常需要了解这些系统是基于不完美的数据构建的。”

    一家公司可能会注意到,用于批准贷款的算法可能会产生偏差 ,例如,即使从未使用种族来创建算法,也会针对基于邮政编码的特定种族产生偏见 如果图形与董事会共享,则还应包括参与其创建的AI研究人员的姓名。

    这样的步骤将使高管们更容易获得有关数据问题的直接解释 ,从而消除了中层管理人员的筛选条件。 “那些无名英雄正在努力工作,需要与常常不知道他们坐在哪里的老板保持联系,”加德尼说。 “在某些时候,人工智能太复杂了,无法用图形解释。 让专家们的声音进入董事会非常重要。”

    这些建议并不能解决所有AI文化问题,但有助于进行尽职调查并确定开发人员在数据处理方面遇到的困难。 这绝非易事,尤其是如果办公文化希望将问题归咎于个人。 加德尼说:“必须让某人负责,但他们需要知道,如果他们对事情诚实,就不会失去工作。”

    翻译自: https://www.theserverside.com/blog/Coffee-Talk-Java-News-Stories-and-Opinions/Tips-on-how-to-successfully-bring-AI-culture-to-dev-teams

    ai人工智能开发

    展开全文
  • 面对AI开发,建模、训练、优化、应用开发,处处都有难题,迁移成本,分分都要考虑,在转型AI开发的过程中,作为开发者的你,都遇到了哪些问题?是如何实现转型的? 不管个人是否向AI转型,对于个人来说,了解AI也是...

     

    随着软件开发技术不断迭代升级,AI开发逐渐成为开发者最为关注的发展方向。面对AI开发,建模、训练、优化、应用开发,处处都有难题,迁移成本,分分都要考虑,在转型AI开发的过程中,作为开发者的你,都遇到了哪些问题?是如何实现转型的?

    不管个人是否向AI转型,对于个人来说,了解AI也是必要的。

    一、作为程序员可以在掌握了数学、python的基础上多了解机器学习等,并通过项目实操多参与实践。

    知识体系

    首先要做到应用。这对于熟练python的程序员有一定优势, 同时需要对机器学习和深度学习有一定了解,能用tensorflow做一些模型训练。

    其次,熟悉tensorflow,caffe,pyTorch等框架,拥有对Inception,Resnet等经典模型的基础。能看懂论文和代码,并能够结合数据进行分析和实验,对模型结构,参数等不断进行优化,达到提高识别率等目的。这个优化过程需要耗费大量的时间。

    二、对于一些仅仅想了解或初步尝试的学习者,推荐一些通俗易懂的帖子和网站:

    如何自学人工智能?

    学习人工智能的路线?

    非技术背景入门人工智能,有哪些值得推荐的基础学习资料?

    机器学习第一部分:python库相关

    若有一定基础,并且有实操的需求,机器学习了解一下~(附教学视频)

    三、对于想深入了解人工智能行业或希望从技术上有提升的学习者,推荐看一些经典之作:

    1.学习 OpenCV

    Learning OpenCV 的作者是 Gary Bradski 和 Adrian Kaehler,本书适合对计算机视觉和图像处理有基本了解的人群,通过本书能更好地了解 OpenCV 如何让编程任务更容易。

    两位作者将众所周知的算法编码成可调用的函数库,可以用来完成更复杂的任务。当然,这也作为一本用户手册,目录结构清晰,遇到问题时可进行查阅。

    2.人工智能:一种现代的方法

    Artificial intelligence: A Modern Approach 是人工智能领域经典教材,作者是 Stuart Jonathan Russell 和 Peter Norvig。本书提供了现代技术中关于人工智能理论与实践最全面和前沿的介绍,通过智能决策、搜索算法、逻辑推理、神经网络和强化学习等方面来介绍最先进的人工智能技术,推荐给对人工智能感兴趣的专业研究人员。中译本封面大家可能更熟悉一些:

    3.智能 Web 算法

    作者是 Haralambos Marmanis 和 Dmitry Babenko,本书会让你学会该如何捕获、存储和构建网络中的用户数据,并通过数理统计、神经网络和深度学习等方法实现数据分类,进而构建推荐系统。本书还提供了如在线广告的点击预测等案例分析,附有相关代码。

    4.语音与语言处理

    这本书的作者是 Dan Jurafsky 和 James H. Martin,本书涵盖了经典自然语言处理、统计自然语言处理、语音识别和计算语言学等方面。对于语音学领域专业人员,是一本重要的参考书籍。

    5.模式识别与机器学习

    作者是 Christopher M. Bishop。本书提出了近似推理算法和用于描述概率分布的图模型等多种最新分类方法。在阅读本书之前,最好有多变量微积分和基本线性代数等数理基础,面向人群为高年级本科生、研究生和相关研究人员。

    6.游戏人工智能编程案例精粹

    Programming Game AI by Example,作者 Mat Buckland。本书是游戏人工智能方面的经典之作,畅销多年,主要讲述如何使游戏中的角色具有智能。适用于对游戏 AI 开发感兴趣的爱好者和游戏 AI 开发人员。

    7.统计自然语言处理基础

    Foundations of Statistical Natural Language Processing,作者是 Christopher D. Manning 和 Hinrich Sch ü tze。本书涵盖的内容十分广泛,包括了构建自然语言处理软件工具将用到的几乎所有理论和算法。全书的论述过程由浅入深,从数学基础到精确的理论算法,从简单的词法分析到复杂的语法分析,适合不同水平的读者群的需求。

    8.模式分类

    Pattern classification 的作者是 Richard O. Duda、Peter E. Hart 和 David G. Stork,是模式识别和场景分析领域的经典著作。

    9.模式识别中的神经网络

    Neural Networks for Pattern Recognition 的作者是 Christopher Bishop,本书在介绍基本数学知识后,研究了概率密度函数的建模方法以及多层感知机和径向基函数网络模型的性质和优点,还提到了误差函数的主要算法、神经网络调参技巧及贝叶斯技术的应用。适合涉及神经计算和模式识别领域的相关研究人员。

    10.计算机视觉

    Computer Vision: A Modern Approach 是计算机视觉领域的经典教材,作者为 David Forsyth 和 Jean Ponce。

    本书涉及线性滤波、局部图像特征、聚类、图像分类、对象检测和识别、基于图像的建模与渲染等。

    与前一版相比,本书简化了部分主题,增加了应用示例,重写了关于现代特性的内容,详述了现代图像编辑技术与对象识别技术。

    11. 人工智能游戏编程真言

    AI Game Programming Wisdom 的作者是 Steve Rabin,本书汇集了与智能游戏开发有关的人工智能内容,借助这些内容,开发员能够顺利开发角色。

    中译本《人工智能游戏编程真言》

    12.Python 自然语言处理

    Natural Language Processing with Python 的作者是 Steven Bird、Ewan Klein 和 Edward Loper。本书基于自然语言工具包 NLTK 库,内容按照难易程度顺序编排,不要求读者有 Python 编程的经验。是自然语言处理领域的一本实用入门指南,适合 Common Lisp 初学者及对其感兴趣的相关人员。


    最后想说,任何一次改变世界的技术革新都是在一定的社会需求积累到一定量的前提下。人工智能更重要的不是技术基础,而是具备AI的思维方式。关注社会发展、关注社会需求的新方向,用技术去解决人们的生活难题才是AI的本质。了解更多学习AI教学资料领取 了解更多学习AI教学资料领取

    展开全文
  • U1S1,开发AI到底为我们带来了什么?Rainforest Connection (简称RFCx)是一个非营利性的雨林保护组织。RFCx开发了一套以华为手机设备为核心的太阳能式雨林监听系统,名为“守卫者(Guardian)”,通过监听热带雨林...
  • ai人工智能开发Top tech industry giants are leveraging AI technology in multiple ways. Companies like Amazon, Microsoft, Facebook, Google, and Apple have been aggressively acquiring this technology. ...

    ai人工智能开发

    Top tech industry giants are leveraging AI technology in multiple ways. Companies like Amazon, Microsoft, Facebook, Google, and Apple have been aggressively acquiring this technology.

    顶尖的科技行业巨头正在以多种方式利用AI技术。 亚马逊,微软,Facebook,谷歌和苹果等公司一直在积极地购买这项技术。

    So, what exactly makes AI so popular in the tech industry?

    那么,究竟是什么使AI在科技行业如此受欢迎呢?

    Do you know the role of AI in web development?

    您知道AI在Web开发中的作用吗?

    What is the future of AI?

    人工智能的未来是什么?

    How does it impact the web development process? Does it boost revenue generation?

    它如何影响Web开发流程? 它会增加收入吗?

    I am pretty sure that all these questions are running through your mind right now. To help answer them, I have showcased all the important benefits of AI in this write-up. So, read this blog carefully and you'll know AI's importance and role in 2020.

    我很确定所有这些问题现在都已经浮现在您的脑海。 为了帮助回答这些问题,我在本文中展示了AI的所有重要优点。 因此,请仔细阅读此博客,您将了解AI在2020年的重要性和作用。

    人工智能在社会中的作用 (The Role of AI in Society)

    AI has been showcased in movies that have captivated viewers. The way it portrays the future of our world have often converted into reality today. AI's impact has, essentially, redefined modern life.

    在吸引观众的电影中已经展示了AI。 描绘我们世界未来的方式如今经常变成现实。 人工智能的影响从本质上重新定义了现代生活。

    Machine learning and artificial intelligence are spreading throughout the world of tech and will continue to do so in the coming years. This has a direct impact on web development and design. Below, I've stated the role of AI in brief.

    机器学习和人工智能正在全球范围内传播,并将在未来几年继续如此。 这直接影响到Web开发和设计。 下面,我简要介绍了AI的作用。

    The role of AI can be summarized as follows:

    人工智能的作用可以概括如下:

    • It is an essential technology in the modern world that is built upon the assumption that you can“Let the Machine Play Your Role”. For example, production, recycling, development, design, transportation, infrastructure production and more can be controlled by machines instead of humans.

      它是现代世界中一项必不可少的技术,其前提是您可以“让机器扮演您的角色”。 例如,生产,回收,开发,设计,运输,基础设施生产等等可以由机器而不是人类来控制。
    • It emphasizes the development of smart and intelligent machines that act like humans. For example, an AI-enabled machine can help a doctor identify diseases from an image, it can control both air and ground traffic, and so on.

      它强调发展像人类一样的智能机器。 例如,具有AI功能的机器可以帮助医生从图像中识别疾病,可以控制空中和地面交通,等等。
    • It boosts user-experience by creating strong human connections by improving social listening, data analysis, and facial recognition. This allows companies to know their customers' behavior at an advanced and intimate level.

      通过改善社交聆听,数据分析和面部识别功能,通过建立牢固的人脉关系来增强用户体验。 这使公司可以更高级和更亲密地了解其客户的行为。
    • It’s inbuilt with virtual robots and innovative technology to provide efficient functioning just like humans. For example, the Amazon Echo, popularly called Alexa, a virtual assistant developed by Amazon.

      它内置虚拟机器人和创新技术,可像人类一样提供有效的功能。 例如,Amazon Echo,通常称为Alexa,这是由Amazon开发的虚拟助手。

    了解人工智能的未来 (Know the Future of Artificial Intelligence)

    AI is the hottest piece of technology in the world right now. According to tech experts, AI will impact nearly 90% of customer communication in the coming few years.

    人工智能是当今世界上最热门的技术。 根据技术专家的说法,在未来几年中,人工智能将影响近90%的客户沟通。

    以下列出了支持AI美好未来的一些观点: (Listed below are some points that back up the rosy future of AI:)

    • The adoption of AI will change the nature of work in all business industries. For example, from Flippy the robot hamburger chef to Bingo Box – both have completely unmanned the operations in China. And of course there's Amazon Go, the cashier-less supermarket. According to IBM, 85% of retail and 79% of consumer products aim to use AI to plan supply chains by 2021.

      人工智能的采用将改变所有商业行业的工作性质。 例如,从机器人汉堡大厨Flippy到Bingo Box,这两家公司都完全没有人在中国开展业务。 当然,还有无收银员的超市Amazon Go。 据IBM称,到2021年,有85%的零售产品和79%的消费产品的目标是使用AI计划供应链。

    • When a business and its customers interact, AI will start to help in different and more advanced ways. It will complete predictive analysis on the data assembled from social media, web matrices and system matrices. All this can help in creating quality products and services.

      当企业及其客户互动时,人工智能将开始以不同和更高级的方式提供帮助。 它将完成对从社交媒体,网络矩阵和系统矩阵收集的数据的预测分析。 所有这些都可以帮助创建优质的产品和服务。
    • More and more enterprises will use AI to improve the user experience of their sites. UX features can improve the user's experience with websites and apps.

      越来越多的企业将使用AI来改善其站点的用户体验。 UX功能可以改善用户使用网站和应用程序的体验。

    Web开发中的AI (AI In Web Development)

    Today, having a website is mandatory for all business niches in the market. And AI is playing a vital role in reshaping web design and development.

    如今,拥有网站对于市场上的所有业务细分市场都是必不可少的。 AI在重塑Web设计和开发中起着至关重要的作用。

    According to a Statista report, the revenue generation from AI is expected to reach $126 Billion in 2025.

    根据Statista的一份报告,到2025年,来自AI的收入预计将达到1260亿美元

    From healthcare, manufacturing, and hotels to every digital service, AI rules everywhere. This is because many web development companies have started developing AI-enabled sites.

    从医疗保健,制造业,酒店到每种数字服务,人工智能无处不在。 这是因为许多Web开发公司已经开始开发支持AI的网站。

    对于每个在线企业家而言至关重要的互联网基本事实 (Essential facts about the internet that are vital for every online entrepreneur)

    1. There are 4.54 billion global users in 2020, equaling 50% penetration.

      2020年,全球有45.4亿用户,相当于50%的普及率。
    2. 38% of people leave a website if the content or layout is unattractive.

      如果内容或布局不吸引人,则有38%的人会离开网站。
    3. 75% of customers decide a business’s credibility based on its website design.

      75%的客户根据其网站设计来决定企业的信誉。
    4. Users take 0.5 seconds to form an opinion about a website.

      用户花费0.5秒形成对网站的意见。
    5. 88% of online customers are less likely to come back due to a bad user experience.

      由于不良的用户体验,88%的在线客户不太可能回来。

    All these factors suggest that billions of customers decide a business's credibility based on web design and user-friendly site interfaces.

    所有这些因素表明,数十亿客户基于Web设计和用户友好的站点界面来决定企业的信誉。

    AI has even become an indispensable part of the web development world. Want to know how and why? Then let's take a closer look at its significant contributions to the web development platform below.

    人工智能甚至已经成为Web开发领域不可或缺的一部分。 想知道如何以及为什么吗? 然后,让我们仔细看看它对下面的Web开发平台的重大贡献。

    AI如何为Web开发做出贡献 (How AI Contributes to Web Development)

    聊天机器人-更好的回复预测 (Chatbots — Better Reply Predictions)

    The primary use of AI in chatbots is to increase business sales with better reply predictions. As we know, chatbots predict the correct reactions and responses to users' queries.

    聊天机器人中AI的主要用途是通过更好的答复预测来提高业务销售额。 我们知道,聊天机器人可以预测对用户查询的正确React和响应。

    AI techniques like data encryption, behavior analysis, and multi-factor authentication power chatbot communication with utmost security. Similarly, the technology can be used to develop advanced websites or web-enabled devices to connect human behavior with technology in a powerful way.

    诸如数据加密,行为分析和多因素身份验证之类的AI技术为聊天机器人通信提供了最大的安全性。 同样,该技术可用于开发高级网站或支持Web的设备,从而以有效的方式将人类行为与技术联系起来。

    更好的用户体验 (Greater User-Experience)

    In the digitized era, industries follow a customer-centric approach to drive profit and gain competitive advantages. The customer experience has become the epicenter of the modern business world.

    在数字化时代,行业遵循以客户为中心的方法来驱动利润并获得竞争优势。 客户体验已成为现代商业世界的中心。

    While tech advancements are driving consumer behavior, artificial intelligence has brought a unique momentum and has become the transformation champion.

    在技​​术进步推动消费者行为的同时,人工智能带来了独特的势头,并已成为转型冠军。

    It has some advanced UX features that a developer can implement and improve a sites’s UX/UI experience.

    它具有一些高级UX功能,开发人员可以实现并改善站点的UX / UI体验。

    The sites powered with AI can identify the customer's needs in a better way. Both cognitive analysis and environments are the best way to develop an influential website. It provides a better understanding of your prospective customers and how they feel about your products and services.

    支持AI的站点可以更好地识别客户的需求。 认知分析和环境都是开发有影响力的网站的最佳方法。 它可以更好地了解您的潜在客户以及他们对您的产品和服务的感觉。

    Additionally, you can perform statistical analysis to predict the user's experience on your site. In this way, errors are reduced and you get the desired value and user experience from the market.

    此外,您可以执行统计分析以预测用户在您站点上的体验。 这样,可以减少错误,并从市场上获得期望的价值和用户体验。

    Most importantly, AI-enabled websites can process information and data on any scale to serve end users according to their interests in the right way.

    最重要的是,支持AI的网站可以处理各种规模的信息和数据,以根据最终用户的兴趣以正确的方式为其服务。

    After the launch of Google Assistant in 2016, voice-based search prevailed in the market. The credit goes to AI technology that works on your voice's command.

    在2016年推出Google Assistant之后,基于语音的搜索在市场上占据了主导地位。 功劳归功于可根据您的声音命令运行的AI技术。

    Real-world examples of virtual assistants such as  Siri, Alexa, Google Home, and Cortana use AI to recognize and respond to voice commands.The core idea behind its implementation is the facilitation of customer experience. They find it more convenient to speak to and search on the web.

    Siri,Alexa,Google Home和Cortana等虚拟助手的真实示例使用AI来识别和响应语音命令,其实现的核心思想是促进客户体验。 他们发现在网络上交谈和搜索更加方便。

    As a web developer, voice search adaptability is an essential accessory for your toolkit if you want to rule the future market. And if we check the stats then 58% of consumers are already using voice search features to find information on local businesses.

    作为网络开发人员,如果您想统治未来的市场,语音搜索的适应性是您工具包的重要附件。 而且,如果我们查看统计信息,那么58%的消费者已经在使用语音搜索功能来查找有关本地商家的信息。

    Here, AI turns into a critical element of web development in providing consistent voice communication between the customer and websites. In the near future, every business will invest in it.

    在这里,AI成为Web开发中在客户和网站之间提供一致的语音通信的关键要素。 在不久的将来,每个企业都将对其进行投资。

    营销学 (Marketing)

    This is where AI applies Machine Learning, and both collaborate to make marketing predictions. These predictions provide the following insights:

    这是AI应用机器学习的地方,并且两者都可以共同做出市场预测。 这些预测提供以下见解:

    1. What are customers planning to buy next?

      客户下一步打算购买什么?
    2. Which products do customers not like?

      客户不喜欢哪些产品?
    3. What are the mediums and devices that customers use to browse your site?

      客户用来浏览您的网站的媒介和设备是什么?
    4. What is the customer's ideal time to shop for your products?

      客户购买产品的理想时间是什么?

    Owing to the above points, we can say that AI bridges the gap between customers and businesses. AI technology is something that marketers must adopt in their marketing analytics techniques to achieve better results and, possibly, increases the business’s ROI.

    基于以上几点,我们可以说人工智能弥合了客户与企业之间的鸿沟。 营销人员必须在营销分析技术中采用AI技术,以获得更好的结果,并有可能提高企业的ROI。

    底线 (Bottom Line)

    As you can see, AI should be used frequently in web development for better results. Machine learning programs enabled with AI help you develop an excellent site that serves multiple purposes for your company, and help you gain traction with your users.

    如您所见,在Web开发中应该经常使用AI以获得更好的结果。 启用了AI的机器学习程序可帮助您开发一个出色的网站,该网站可为您的公司提供多种用途,并帮助您吸引用户。

    This means that developers need to put in a great amount of effort, as AI has become a highly in-demand technology around the web world. Hire a web developer and get an advanced site enabled with AI - your business will thank you.

    这意味着开发人员需要付出很大的努力,因为AI已成为网络世界中高度需求的技术。 雇用一名Web开发人员,并获得启用了AI的高级网站-您的业务将感谢您。

    翻译自: https://www.freecodecamp.org/news/how-ai-boosts-website-development/

    ai人工智能开发

    展开全文
  • 莫衷一是的AI 做了多年的业务工作,一直希望能够用机器代替人力,把人从繁琐的具体工作中解放出来,从技术发展看AI或许可以支撑实现这个愿景。 但最近关于AI的讨论和争论比较多,学术上,纽约大学的Gary Marcus...

    莫衷一是的AI

    做了多年的业务工作,一直希望能够用机器代替人力,把人从繁琐的具体工作中解放出来,从技术发展看AI或许可以支撑实现这个愿景。

    但最近关于AI的讨论和争论比较多,学术上,纽约大学的Gary Marcus教授说,业界大牛Lecun等神话了深度学习,大牛们回击说,早就知道提到的问题,说法毫无新意。一边很多文章说AI纯属是泡沫,是炒作出来的结果;一边AI应用已经随处可见,看起来欣欣向荣的感觉。

    实际工作中,不用AI吧,好像与业界趋势不符。用吧,AI项目失败的例子太多了。结果搞得大家对AI将信将疑,莫衷一是。

    分裂的AI

    从细节上近看AI,一堆数学符号,当然是科学。但是从宏观上看,现在的AI宣传,咋看咋像一种思想信仰。随便找几篇AI的介绍文章,就会发现其实啥是AI、人工智能都没有统一。

    有些人是实用派的,不关心AI具体是什么,关注的是AI能帮助我们做什么。能把人从工作中解放出来,做到工作极简的技术都归为AI。操作上关心怎么利用AI对原有业务改造,怎么好用怎么来。

    有些人是神经网络派的,因为深度学习为代表的神经网络技术效果非常好,买东西刷脸,停车刷车牌,颠覆了很多日常体验,特别是神经网络训练时不用人工干预,貌似可以减少人力,所以更觉得神经网络是AI利器了。爱屋及乌,对其他场景自然想是不是也都可以用神经网络技术来解决问题,非神经网络不AI。

    现在看起来深度学习俨然一家独大了,当然可以想到,其他门派一定有不服的,就出现了开头两个AI大师吵架的事情。其实这种事情想想就知道吵不出结果,但是吵还是有效果的,最起码我知道了原来大师们做事有时也是一地鸡毛!

    本来实用派也好,神经网络派也好,各有各的场景,大家相安无事。怕的是你讲实用的时候,别人谈理论。等你和他谈理论吧,他又转过来和你谈实用了。最怕的是,他是投资的,没谈的时候你就输了。所以这里把实用派和神经网络派的理解都讲了,以免输在起跑线上。

    插播点沟通知识

    为了能够更好的讨论,我先插播一点沟通的基本知识。

    沟通的目的是传递信息。语言沟通的目的是传递语义,而语义是由语句和语境共同构成的。

    沟通的三个主要障碍:概念不一致,语境补充错误和情感障碍。

    概念的不同理解是第一个障碍,一个概念在不同语境都有不同的含义,有时是通称,有时又是特称,不过日常的概念成年人会很自如的切换。比如说请人吃饭,大家当然理解绝不是请人只吃白米饭。但是一旦事情复杂了,就不一定一下子反应过来。我记得大学哲学课中赫拉克利特有句话“人不能踏进同一条河流”,理由就是河水总变,所以河就不是同一条河,这次踏入和下次踏入的河就不同了。这个说法直觉上就有问题,但违反直觉不一定不对。当时没想明白问题在哪,最后才发现其实是老先生偷换概念。因为我们说河这个概念的时候其实已经确定了不管里面流的是什么,哪怕没水了也是那条河。

    语境的不同理解是第二个障碍,传递语义不仅仅是语言本身,还依赖说话时的场景,也就是语境。如句子“你吃饭了么”,没有语境就不知道是想请你吃饭还是要拉上你一起开会。成年人都有一种约定俗成的语境解读方案,会无意识地补充语境,这样才能高效沟通。一旦事情复杂了,语境理解就不一定容易了。有个将军怎么立鸡蛋的心灵鸡汤故事,说将军当时把鸡蛋打破再立住,证明将军多与众不同,这就是一种偷换语境的游戏,别当真。

    情感障碍是最难克服的,不同人关注点是有倾向性的。有的人总会选择性倾向听与自己想法相同的意见,凡是不相同的,就会想方设法的找理由屏蔽掉,从而保护自己脆弱的心理状态,这叫认知失调。像前几天报道的权健公司事件,明明是已经证明了是个传销骗局,但是搞传销的仍然坚信他们从事的是一个事业。

    什么是AI(人工智能)

    好了,再拉回来,为了搞清啥是AI,我们先从基本概念开始。AI是Artificial Intelligence的缩写,一般翻译成人工智能。那什么是智能呢?现在还一个公认的定义。从狭义讲,一般我们说一个人的智力好,是指一个人的逻辑推理能力好,度量的指标就是智商了。智能和智力可以认为是一个意思,只是用的场景有些不同,智能用的范围更广,智力一般指人或动物的智能,是一种精神能力。再后来衍生了一下,把处理人与人、人与自身的关系的能力叫做情绪智力,度量的指标就是情商了。

    什么是智能

    人的大脑能力显然不止这些,结构要复杂得多。根据脑科学的一些研究成果,我梳理了人大脑的基本能力,做了一个人的元能力框架图。元能力中的“元”是初始,基本的含义,是指大脑中有生理基础的,不可再拆分的能力。这个能力图也是我写的NARPE forest人格模型的一部分,图中包含的内容比较多,我这里只把和AI最相关的内容简单解释一下。

    NARPE forest人格模型是我对马斯洛的人格模型进行的扩展,人格包含元需要(Meta Need)模块、精神元能力(Mental Meta Ability)模块、奖惩感受(Reward and Punishment Feeling)模块及情绪表达(Emotion Expression)模块。每个模块又由不同结构、强度的单元构成,类似一个小树丛(bosk),4个小树丛就形成一个大的复杂的森林(forest)系统,这个模型还在完善过程中,有兴趣的同学可以在评论区留言,共同讨论。

    从下面这个图我们可以看出,人的大脑能力范围是极为广泛的,这也是智能定义难产或是难以统一的原因。借鉴计算机的概念定义,广义上,我把智能定义为对信息输入到信息输出的复杂处理能力。这个定义比较抽象,但是可以比较好的涵盖智能的范围。

    根据大脑处理信息的复杂程度,我将大脑能力划分了4个层,分为感觉能力层,模式处理层,推理处理层,泛能力处理层。图中除了感知层类似物理量感知器,属于直接应激响应,处理的神经元在大脑中非常原始的部位或是干脆不在大脑中,可以不认为是智能。其他层都需要复杂处理,都可以归为智能范畴。

    模式处理层,包含有【知觉】【动作】【低阶心理思维】三个大模块,这类能力类似计算机的“单入单出”处理,很多是本能反应,可以称作动物级智能。但千万不要以为这些大脑能力比较基础就简单,现在很火的深度学习大概只对应【知觉处理】模块中比较简单功能。目前的深度学习算法在特定场景比较好,像简单光线场景下的人脸识别,车牌识别,这个已经引起了产业革命。但就能力而言,像快速学习能力、复杂场景的处理,人的知觉能力要远强于目前的AI算法。因为我们的大脑能力太强了,日常做这个根本就不用花心思,所以我们感觉不到大脑能力的强大,看着AI的效果就觉得很神奇了。这个类似印第安人当时拿黄金和西班牙人换玻璃珠,还高兴得不要不要的,现在听着挺逗吧。

    在这一层中【低阶分析】【模式印象【意图推测】的能力,涉及动物的推理学习能力,我家养鱼,每次喂食的时候鱼就会游过来抢食,鱼要做到这点,就得从以前的经验中学习得出结论。不过这层能力都是用图像进行思维的,没有概念思维,这是动物和人思维的一个本质区别。朱松纯教授有篇文章就是介绍根据图像做意图推测,来实现这个动物级智能的。不过以现有的神经网络架构实现应该有点难,但致敬一下探索者。

    推理处理层,包含【感性思维】【逻辑思维】【形象思维】【高阶心理思维】4个模块,类似计算机的“多入单出”处理,这些都是人类独有的能力,可以称作人类智能。一般说的强人工智能大概只对应【逻辑思维】模块。最早的AI想模拟逻辑推理过程,不过选错了应用对象,拿这个用于自然语言处理NLP了,后面可以看到,语言能力是极为复杂的,所以处理起来自然举步维艰,现在已经没人待见个方法了。不过如果是简单系统用规则处理会比较好用的,只是风口不在,没人去想了。

    泛能力层,包含【语言能力】【审美能力】【思想顿悟】,类似计算机的“多入多出”处理。【思想顿悟】大概可以对应我们有时说的智慧,其他两个模块比较好理解。虽然现在NLP自然语言处理号称处理的是语言,其实主要处理的都是【知觉】模块的语音识别问题,一旦涉及语言中最关键的语义理解就有点傻,像这两句话“奖杯放不进箱子,它太大了。”,“奖杯放不进箱子,它太小了。”中“它”指什么?人一看就懂,但是AI对这种情况的处理最近才刚有点突破。NLP日常打字,网络搜索用用还行,一旦关键应用就会掉链子。其他的模块能力是现在AI想都没敢想的。

    总结一下,目前AI中的弱智能大概相当于知觉能力的部分能力,日常我们并不认为这是智能。AI中的强智能大概相当于日常我们理解的智能范围,就是逻辑思维能力。

    看到这你是不是感到很郁闷,原来人工智能这么弱智啊,不过别急,机器也有机器的强项,啥强项呢?就是记忆力,这东西记住啥了就不忘,所以我智力不行我记性好啊,一样吃得开。如果问一下哪个同事工作最努力,您凭直觉可以给出答案,这个就是大脑的【感性思维】模块在工作,不过很不幸这个模块工作极不可靠,存在很多认知偏见,你给出的答案可能是错的。而这个问题只要有工作记录,概率统计应用分分钟给你详细答案。机器轻松就把人打趴下了。至于这个算不算AI,就看你是不是属于实用派,反正我觉得这个是AI。

    好了,说了半天看起来AI也就是那么一回事,但是怎么和生活中感受的有点不同啊,明明AI如火如荼的在开展啊。其实这个不是AI技术的成功,而是AI商业的成功。AI战胜人类就是山寨货的思路,我能力不强但我成本低啊,我分分钟就扩两个服务器上去,然后不要工钱的不分日夜的干活,整个就是一奴隶,这在商业上能不成功吗。

    什么是机器学习

    说了半天智能的概念,那啥是机器学习,机器学习和人工智能啥关系,这又是一个坑。继续从概念讲起。先说啥是学习,学就是依葫芦画瓢,把别人的知识拷贝过来。习就是反复的练。学而时习之就是学好了要多练练,别给忘了的意思。机器学习的任务就是从一堆数据中找点有用的东西出来。我们可以把数据想成矿山,要找点矿产出来就用锹一点点挖。所以早期的机器学习叫数据挖掘,名字贴切倒是挺贴切的,但一副干苦力的样子,显得一点都不高级。挖矿一般先有个矿脉,知道矿脉大概的特点,之后就挖吧。效果好坏,首先看矿脉,贫矿是挖不出多少金子的。还有如果对矿脉熟悉,沿着矿脉挖,就事半功倍。要是不熟悉情况乱挖,效果只好呵呵了。数据挖掘也一样道理,首先数据本身要靠谱,也需要熟悉数据情况,干这个就是数据科学家的事情。数据科学家一定要熟悉业务数据特点,还要能建模。我看好多兄弟挖矿不看储量,不看矿脉,都是贫矿了还在那使劲乱挖,希望出奇迹。同情这些兄弟们一下。

    数据科学家挺贵,也不好找,而且还有一些矿根本就不聚集在一起,像沙金一样,散落在各处,没法给出矿脉。咋办呢?数据挖掘的升级版机器学习就上场了,既然数据科学家贼贵,数据本身的规律不好找,那干脆就别找矿脉了,换个方法吧!用“淘沙金”的办法,让好多人去捡金子,然后根据捡的结果推测出哪里有金子的规律。这个时候的算法就升级为大火的深度学习了。挖金子都有监工看着,最后统计每个人挖的情况,所以这个办法就叫监督学习。是不是感觉一下子档次就高起来了。既然学习这个词看起来这么高级,那顺便把数据挖掘那个老土的名字也改一下,叫无监督学习吧。机器学习这个山头这么火,凡是能和数据沾点亲带点故都拜码头,归在这个大旗下了。像数据统计类应用也改成机器学习了,自动控制类算法也发展到强化学习了。正所谓穷在闹市无人问,富在深山有远亲。

    不过搞笑的是从让机器学习发扬光大的深度学习算法看,实现过程其实一点都看不出“学习”的意思来。既没有“学”,因为知识不是现成的,都是机器吭哧吭哧自己找出来的,没有葫芦自然不能画瓢。也没有“习”。因为机器记住就记住了,不需要反复“习”。倒是建模中训练这个词挺贴切的,训练的“训”比喻像河水一样滔滔不绝地教说。“练”本意是丝品浸染后精选色泽统一的成品,表示反复操作以求品质的改变。这个过程倒是符合深度学习的样子。

    不过这种训练能用是能用,就是太笨了,一次训练有时要几万,几十万个数据,要搞很多服务器才行,还不一定好用。俗话说笨的像猪,就不要侮辱猪了,猪比AI深度学习的训练容易多了。而且除了深度学习和强化学习,可惜其他所谓的机器学习根本连训练这个过程都没有。

    说到这大家明白了吧,机器学习就是个筐,根据需要啥都可以往里装,所以说不清或是清楚了不想说就很自然了。

    好了,再总结一下,AI是从人的角度定义的,涉及范围很广。机器学习是从数据应用角度出发的。来源不一样,之间自然可能会发生交叉。比如人工智能中的老大难问题NLP是个AI问题,刚开始基于规则搞,这个和机器学习没啥关系,后来实在做不下去了,就改用机器学习中的深度学习算法搞,效果就比较好,这时候AI和机器学习就交叉了。

    AI是个最大的筐,按照广义的智能定义,智能就是对信息的复杂处理过程,这世界有啥不是信息呢?数据当然是。所以万法归一,所有的机器学习,各个算法都可以归为AI。

    概念都是人定义的,因为各种来源、各种目的的原因,概念会交叉重叠。下面这张图中,我把目前AI相关的概念脉络重新进行了梳理,未必正确,希望提供给理解这些概念的一些新视角,别被这些高大上的概念绕进去。

    怎么开展AI项目

    AI是什么很重要,但更重要的是怎么做。实践中怎么应用好这些AI技术?管理好一个AI产品项目?让AI实实在在的产生价值。下面是做AI项目的思考要点:

    AI产品是个系统工程

    AI产品很多时候不单单是AI技术本身,更多的时候体现为一个复杂系统,AI只是其中的一个关键环节。以一个故障处理AI OSS产品为例,故障处理是一个系统的工作,会涉及到物理设备智能化、业务流程优化、OSS自身产品的协同。还有系统架构,软件架构,易用性,生态等多个方面的考虑。下面是极简运维的框架图,AI只是其中一部分工作。

     

    要理解业务特点

    开展AI项目一定要“理解业务,理解业务,理解业务”,重要的事情说三遍。下面是理解业务7P模型,包含了对业务需要了解的7个方面。上面两层的6个P主要讲业务整体运作的,内容比较好理解。AI项目不是孤立的存在,一定是为业务服务的,项目能给业务带来什么价值要依赖对业务的理解,所以搞清楚这些P很重要。图中最下面的P,Data Pattern要特别注意,这个将业务和AI联系起来的桥梁。数据有哪些模式后面会专门讲一下。

    理解了业务特点之后,还要理解业务问题是什么,就是下面的PEK模型。前面的痛点和期望比较好理解,最后的关键点需要注意一下,业务既然存在了很长时间,存在的问题没有解决一定有其原因,不会无缘无故的没人解决问题。这些原因就是关键点,一定要了解清楚是技术门槛原因(在技术原理Principle上就存在障碍),还是因为经济原因(Economic),还是因为工作习惯原因(人的感受习惯了Feeling)。

    这些问题都要搞清楚,才能更好的开展AI项目。做AI项目切忌不看业务特点,从算法出发做项目,拿着锤子看什么都像钉子,这样是做不好项目的。

    要理解业务数据特点

    业务理解完了,就要抽象出解决问题的业务数据模式是什么了。这个时候特别需要业务专家知识输入,要根据现实世界的关系理解数据并建立业务数据模型。现实世界的事物关系从本质特征讲,就有两大类关系,一个是沿着时间维度的关系,包括因果关系,随机关系,可控关系三种,前两者好理解,可控关系是指通过计算机算法控制的关系,一般AI并不涉及。一个是沿着空间维度的关系,如低维关系和高维关系。比如人长相区别无法用语言准确描述,几十亿人,每个都不一样,这时候语言都是苍白的,这个就是高维模式。而象商品种类这类用有限的语言就能相对准确描述的就是低维度关系。跑和走的关系比较特殊,大家可以考虑一下是什么关系?我总结了事件间关系,见下图分类。

    有了业务数据关系的分类,还要确定业务输出的类型。有些业务输出要求就是要根据事件的空间关系对事件分类,比如人脸识别。有些业务输出还要进一步预测和动作,比如广告推荐,要通过分析购买商品之间的因果关系和随机关系,进行预测和商品推荐。

    再举个实际例子,如果利用AI做故障定位,一定要知道故障处理模式是啥,故障业务数据有啥特点。大家可以根据下图材料感受一下。

    这里有个经验法则,就是专家知识注入越多,对算力要求越小。

    要根据业务数据特点选择算法

    建好了业务数据模型,就可以选择算法了。一个项目组里面有AI算法专家,也有业务专家,谁来选择算法呢?现在一般项目都是AI专家选择算法。不过除了研究项目外,一般的AI项目我建议还是业务人员进行算法大类选择。这个选择方法其实很简单,别忘了人脑的智能算法超强,想想人咋处理的,对照一下业界的算法特点,选出大类算法就行了,具体算法由AI专业人员再进行选择。为啥不推荐AI专家直接选算法呢,主要因为实践中AI专家经常都有算法绝技,手里拿着锤子,啥都是钉子。谁来选当然也没有那么绝对,也有AI的牛人,啥武器都会,大家可以一拍即合,这时候谁选算法都一样。最后开发的时候肯定是一起商量,没有那么清晰的界限。

    总结一下AI项目算法选择方法:1.理解业务数据特征。2.用大脑模拟跑一把,体验业务活动。3.根据脑补的特点选择算法。

    AI项目的基础,理解AI算法

    选择AI算法之前一定要知道各类算法的特点,我在下图中总结了一下各算法的特点,其实就那么几个大类。

    像故障定位问题,就是数据维度有限的推理问题,所以传统的基于规则的专家系统是最有效的。如果用深度学习来做这个,就是一个自讨没趣的方案。而如何生成专家系统需要的规则,则是一个有趣的问题,有基于专家,基于统计,基于规则几个路径。如果有拓扑信息,生成规则就用专家系统,用规则生成规则。如果没有拓扑,就要基于统计了。最后都要用到专家人工校验。

    AI算法的理解

    AI算法的介绍材料比较多,这里就不重复了。我只介绍一下从业务人员角度怎么对算法理解,以便在算法选择中进行使用。

    先介绍一下对SVM的理解,这个算法基本上不用了,但是理解SVM后对深度学习理解就容易了。

    SVM是一种分类算法,如果能够理解下面二维图的原理,高维数据推而广之就行了。按照前面对业务数据的理解方式,要确定数据本身是可分的,如下图中①所示,显然从数据间关系看是线性可分的,这种情况就比较简单了,如②所示,用算法找出最合适的分割面就行了。最关键的是如果像③的情况,数据分为里外圈,显然是可以区分的,但数据又不能用一根线分开。这个时候,可以通过极坐标变换变成④的情况,就又可以用一条线分开了。这种变换如果在高维上应用就是核变换。

    关于核变换基本上所有资料都介绍说,这种变换就是把低维数据变成了高维数据,数据在高维上变得可分了。对这个问题困扰了我很长时间,为什么数据变成高维之后就会变得可分了。后来意识到这么说应该大家把因果关系混淆了。从本质上,这种变换应该是一种域的变换,维度多只是变换的副产品。类似信号处理中把时域变换到频域,时域看起来很混乱的信号在频域就一目了然了。但是这种变换的副作用就是时域很短的一段信号在频域中数据维度就是无穷多。

    从这种理解出发,选择核函数的技巧更多的是要理解业务数据本身的可分性,不过这种可分性却没有合适的判断依据,大部分都是根据历史经验进行试验,或者干脆把每种变换都试一遍。

    理解完SVM,我们理解一下深度学习,还是上面那个例子,在SVM方法中是对数据进行了变换。而深度学习的方法是不对数据处理,而是通过画多个线段的方法把内外圈分隔开。这样就避开了SVM要靠蒙各种变换的尴尬。方法比较统一,这样算法选择就比较容易了。对高维数据也一样,只要数据本身是可分的,只要深度学习的神经网络设计够复杂,就不会走到死胡同。

    AI发展的理解

    现在基于神经网络的学习算法还有巨大的应用空间可以挖掘,所以在商业上会继续成功,但是从结构上还有很多需要完善的空间。

    一是神经网络内部结构比较简单,类似平铺,只是对人的神经网络最简单的模拟。而人的实际神经网络是有结构的,要复杂得多。例如人的视觉处理有专门检测特征的细胞,神经网络中有专门的柱状结构,还有延时处理机制。这两个结构造成的差异类似中国和德国厨房的差异,中国的厨具简单,而德国厨房每个事情都要专门工具,效率自然就高。

    现在AI视觉处理就靠暴力堆算力,简单场景还行,但是一旦遇到复杂光线场景,效果就会急剧下降,所以像现场质量检测方面的应用,一定要控制好使用环境,不然算法很难解决。最近有了胶囊网络,神经网络的结构化算是往前走了一步。

    举个形象的例子来看看AI和人的智能处理有啥区别:

    二是没有长期存储机制,所以很多事情比较难以突破了。现在语音输入法说是正确率97%以上,不过这个数字就是一个参考,只能说日常口语实用性可以了,稍微离日常场景远一点就处理不了。为啥呢?因为现在的算法只记住最近几句话的情况,而人可以快速调取非常久远的记忆,还有常识理解也要能够调用常识才行。

    所以知道这些特点,也就知道AI行业目前大概发展到什么水平,对AI项目也就有了合理的期望。

    最后的心得

    最近一段时间,学了很多庞杂的东西,粗看起来很不一样,但是细究起来还有一些共通的东西,补充一下心得,大家随便看看:

    1. 对常见事物的认识,如果深究下去,会发现事实和你的第一感觉可能完全是相反的。

    2. 很多看是不相干的事情的方法,从大的逻辑上其实是一致的。

    3. 看似很怪异的事情,用历史学的方法看,其实很有道理。

    4. 做事的方法不对,越努力会越偏离目标。

     

    作者:华为云专家 秦广溥

    展开全文
  • 美国的一家跨国农业公司——孟山都将与Atomwise合作,将通过AI技术快速筛选能抵御疾病或昆虫的分子,以开发新型农作物保护品种。 雷锋网(公众号:雷锋网)了解到,孟山都主要生产农业种子、除草剂、杀虫剂、食品添加...
  • 本文来自作者 微软公开课 在 GitChat 上分享 「60分钟轻松搞定树莓派 AI 服务开发」编辑 | Mc Jin作者:施炯,浙江万里学院物联网工程系主任,硕士研究生...
  • 奇技指南本文主要介绍了如何通过WebRTC开发实时互动AI视频应用根据最初的调研结果和实现条件,作者所在团队前后给出了两种解决方案本文转载自奇舞周刊项目背景前段时间负责一...
  • 供学生和工程师学习如何开发基于 AI 的自主移动机器人的实践内容。我们使用 MATLAB :registered: 和 Simulink :registered: 的目的是通过 3D 仿真环境直观地学习深度学习和控制算法。它还包括可选的硬件连接和使用 ...
  • AI: Azure Bot Service 介绍 Azure Bot Service提供了在一个地方构建,测试,部署和管理智能机器人的工具。通过SDK提供的模块化和可扩展的框架,开发人员可以利用模板创建提供语音,语言理解,问题和答案等的机器人...
  • 面对AI开发,建模、训练、优化、应用开发,处处都有难题,迁移成本,分分都要考虑,在转型AI开发的过程中,作为开发者的你,都遇到了哪些问题?是如何实现转型的? 不管个人是否向AI转型,对于个人来说,了解AI也...
  • AI在游戏开发过程中一直都是被反复修改的一部分。随着游戏内容越来越丰富,难免会需要调整AI行为,所以我长久以来一直想有一个完全交给策划同志们编辑的游戏AI编辑器。游戏AI自定义我们考虑一下游戏实际逻辑AI,比如...
  • 在游戏开发AI系统

    千次阅读 2014-05-24 20:02:07
    从今天开始,我为大家讲解开发AI系统,在游戏开发,特别是大型三维网络游戏中,人工智能的开发占有重要的比例。一个游戏的好玩程度跟人工智能部分的开发有很大关系。我们首先学习 一些关于游戏AI方面的基础知识,让...
  • 推理用到的硬件分两种,一种是专业AI硬件公司出的AI芯片,一种就是我们平时熟知的GPU显卡了,前者不太适合入门学习,而后者无论从入门难度还是性价比上讲,对于新手来说都是优先的选择。而GPU显卡主流厂商大概两家,...
  • 金磊 发自 凹非寺 量子位 报道 | 公众号 QbitAI高达86%,这就是目前市场对「定制开发AI模型」需求的占比。但在这个过程中,企业用户和开发者往往存在着以下诸多问题:缺少模型训练...
  • 近期,国际著名咨询公司Gartner 在一份研究报告中将 "AI-Driven Development" 列为 2019 年的 Top 10 Strategic Technology Trends之一,并预测到2020年将会出现"虚拟软件...但如何AI技术应用于软件开发过程?估计...
  • 常听技术大佬侃侃而谈AI模型开发,小白不知从何开始?自动驾驶车辆分割、智慧农业小麦计数、智能硬件垃圾分拣、智慧城市交通流量、结构化文字识别模型定制,这些在视觉、机器学习、OCR等领域具备广...
  • 目录 系列开篇语 深度学习初探 ...从而让我萌发了写一个一步步手把手带大家如何从零开始学习,使得基础薄弱的人员能以更简单易懂的方式入门深度学习与实战开发系列教程——《带你学AI与TensorFlo.
  • “开源之路已被证明是开发软件解决方案的领先方式” 软件开发的现代世界以开源为特征。 如今,全球公司中约有80%的IT堆栈由开源软件(OSS)组成。 上周,红帽EMEA开源传教士Jan Wildeboer在我们的采访中解释了这是...
  • 如何基于 AI 打造出低码高清视频体验》 演讲摘要: 随着直播等视频行业的兴起,低码率、低带宽的高清视频也成为趋势。本次演讲将基于 AI 的内容自适应编码能力,解析视频清晰度增强和超分相关技术,达到高清视频与...
  • python开发助理sAn AI personal assistant is a piece of software that understands verbal or written commands and completes task assigned by the client. It is an example of weak AI that is it can only ...
  • 我曾经有一个开发小程序的梦想,终于在年前将他实现。...我将会以我开发小程序的经验教会你如何零成本开发一款具有特色的 AI 小程序,在本篇文章中你能收获: 如何搭建小程序云开发环境; 如何在小...
  •   2019-01-03 17:00:00 ...芯片公司被迫花大量精力做上层开发环境和平台,应用/算法公司被迫做大量底层适配优化成为全栈AI公司。如何创造性解决这些问题,加速产业协作? 嵌入式前端深度学习框架Tengine...
  • HiLens是华为云的端云协同多模态AI开发应用平台,提供简单易用的开发框架、开箱即用的开发环境、丰富的AI技能市场和云上管理平台,对接多种端侧计算设备,支持视觉及听觉AI应用开发AI应用在线部署、海量设备管理等...
  • 如何AI到IA?

    2019-04-28 18:04:22
    它是研究、开发用于模拟、延伸及扩张人类智能的理论、方法、技术及应用的一套科学技术。 是的,听起来很高深,也很神奇。最近几年比较火。各个大小公司开始使用这个概念,包括很多创业公司开始使用这个概念来拉融资...
  • 在Dota2 AI 开发(一)环境配置 中介绍了如何搭建 Dota2 AI开发环境,但这是远远不够的,在这篇文章中,主要介绍Dota2中AI的常规控制方式,并介绍如何在人机比赛中配置一个裸跳刀的Sven。
  • 如何测试AI系统?

    2020-05-19 17:51:19
    曾经从事过应用程序开发项目的人都知道,不仅是要将代码和内容在生产中,向客户,员工或利益相关者展示出来,而且需要先对其进行测试以确保其不会损坏或交付失败。质量保证(QA)是任何技术或业务交...
  • matlab代码输入如何换行符星际争霸II AI 学士学位项目的资料库,目标是使用机器学习开发StarCraft 2 AI。 该项目下开发的所有代码都可以在MIT许可下获得,请参阅LICENSE.txt 。 该存储库包含以下内容: Agents -多个...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,859
精华内容 743
关键字:

如何开发ai