出處：人工智能：成功必備的五個條件
這條音頻給你說說人工智能成功的五個必要條件。
人工智能近來一直是科技界的寵兒。做人工智能怎樣能成功？有什麼必要條件？
最近，大數據科技公司“第四範式”的聯合創始人、
首席研究科學家陳雨強跟業內人士做了一次分享，
總結了人工智能成功的五個必要條件，下面給你說說。
首先，陳雨強認為，當前的趨勢，正在從之前的“互聯網+”或者“移動+”，慢慢轉向為“AI+”，
也就是“人工智能+”。比如滴滴是“互聯網+打車”，
很多公司之前做的是怎樣用互聯網改變傳統行業；
但是現在，他們紛紛轉向“如何用積累下來的數據提供更多的價值”。
還有一些公司，從創立初始就是“人工智能+”，
比如今日頭條是“人工智能+新聞”、大疆是“人工智能+無人機和機器人”。
可以看到，“人工智能+”正在慢慢滲透並在改變所有的行業。
那為什麼人工智能在 20 年前、10 年前沒有這麼火？
為什麼 AlphaGo 能在2016年打敗李世石而不是更早？我們會直觀地認為是因為算法創新。
但是陳雨強說，算法創新只是其中一點，
國內外很多專家分析總結出了人工智能成功的五個必要條件，這裡跟大家分享一下：
第一是邊界清晰。
問題需要定義得非常清晰，比如 AlphaGo 做的就是圍棋，活動範圍就是在 19×19 的棋盤上，
黑白兩方輪流下子，邊界和規則都很清晰。如果變成一個開放的問題，
或者變成20×20 的棋盤，或者變成黑白灰三方下棋，那都成不了。
第二是要有外部反饋。
算法要不斷地有外部輸入，它需要知道在什麼樣的情況、什麼樣的行為下，
外部給出的反饋是什麼，這樣才能促進提高。
比方說AlphaGo ，你要不斷地讓它進行對弈，並且告訴它對弈的輸贏，它才能不斷提升。
第三是計算資源很重要，計算資源，也就是計算過程中需要的各種資源。
近幾年，算法雖然有很大的進步，但計算資源也是產生智能的關鍵。
最近業界在分佈式計算上的成功，讓我們相對於幾十年前有了飛躍的基礎。
舉個很有趣的例子，Google 在描述 AlphaGo 不同版本的時候，
為了簡潔明了，直接使用計算能力來分類，而不是使用算法來分類。
簡版的 AlphaGo 被稱為“單機訓練的AlphaGo”；
複雜和更高智能的 AlphaGo 稱為“多機、並行訓練的 AlphaGo”，
從這裡也可以看出來，計算資源起著至關重要的作用。
第四，要有頂尖的數據科學家和人工智能科學家。
增強學習、深度學習最近重新被提出，
需要很多科學家做大量的工作，才能讓這些算法真正地推行。
除了圍棋、視覺、語音之外，還有非常多的領域等待被探索。
第五是大數據的完善。
AlphaGo的成功，關鍵的一點是KGS 棋社的流行，
KGS是一個免費的圍棋對弈平台，KGS上有數十萬盤高手對戰的棋譜，
如果沒有這些數據做支撐，AlphaGo 絕對不可能在這麼短的時間內打敗人類。
陳雨強把這些要素歸結為三點，那就是要關注技術、關注業務、關注人。
一方面，要有技術、計算資源和大數據方面的支持；
另一方面，業務、邊界要清晰，業務要有反饋；
再有就是人，要有科學家，一些應用到場景也需要和人打交道。
以上就是陳雨強分享的人工智能成功的五個必要條件，供你參考。
本文源自：公眾號“機器之心”（第四範式聯合創始人陳雨強：機器學習在工業應用中的新思考）
稿：王繼玲
轉載:得到
--------------
主旨：
1. 邊界清晰
問題需要定義得非常清晰，比如 AlphaGo 做的就是圍棋，
活動範圍就是在 19×19 的棋盤上，黑白兩方輪流下子，邊界和規則都很清晰。
如果變成一個開放的問題，或者變成20×20 的棋盤，
或者變成黑白灰三方下棋，那都成不了。
2. 要有外部反饋
算法要不斷地有外部輸入，它需要知道在什麼樣的情況、什麼樣的行為下，
外部給出的反饋是什麼，這樣才能促進提高。
比方說AlphaGo ，你要不斷地讓它進行對弈，並且告訴它對弈的輸贏，它才能不斷提升。
3. 計算資源
近幾年，算法雖然有很大的進步，但計算資源也是產生智能的關鍵。
最近業界在分佈式計算上的成功，讓我們相對於幾十年前有了飛躍的基礎。
舉個很有趣的例子，Google 在描述 AlphaGo 不同版本的時候，
為了簡潔明了，直接使用計算能力來分類，而不是使用算法來分類。
簡版的 AlphaGo 被稱為“單機訓練的AlphaGo”；
複雜和更高智能的 AlphaGo 稱為“多機、並行訓練的 AlphaGo”，
從這裡也可以看出來，計算資源起著至關重要的作用。
4. 要有頂尖的數據科學家和人工智能科學家
增強學習、深度學習最近重新被提出，
需要很多科學家做大量的工作，才能讓這些算法真正地推行。
除了圍棋、視覺、語音之外，還有非常多的領域等待被探索。
5. 大數據的完善
AlphaGo的成功，關鍵的一點是KGS 棋社的流行，
KGS是一個免費的圍棋對弈平台，KGS上有數十萬盤高手對戰的棋譜，
如果沒有這些數據做支撐，AlphaGo 絕對不可能在這麼短的時間內打敗人類。
這條音頻給你說說人工智能成功的五個必要條件。
人工智能近來一直是科技界的寵兒。做人工智能怎樣能成功？有什麼必要條件？
最近，大數據科技公司“第四範式”的聯合創始人、
首席研究科學家陳雨強跟業內人士做了一次分享，
總結了人工智能成功的五個必要條件，下面給你說說。
首先，陳雨強認為，當前的趨勢，正在從之前的“互聯網+”或者“移動+”，慢慢轉向為“AI+”，
也就是“人工智能+”。比如滴滴是“互聯網+打車”，
很多公司之前做的是怎樣用互聯網改變傳統行業；
但是現在，他們紛紛轉向“如何用積累下來的數據提供更多的價值”。
還有一些公司，從創立初始就是“人工智能+”，
比如今日頭條是“人工智能+新聞”、大疆是“人工智能+無人機和機器人”。
可以看到，“人工智能+”正在慢慢滲透並在改變所有的行業。
那為什麼人工智能在 20 年前、10 年前沒有這麼火？
為什麼 AlphaGo 能在2016年打敗李世石而不是更早？我們會直觀地認為是因為算法創新。
但是陳雨強說，算法創新只是其中一點，
國內外很多專家分析總結出了人工智能成功的五個必要條件，這裡跟大家分享一下：
第一是邊界清晰。
問題需要定義得非常清晰，比如 AlphaGo 做的就是圍棋，活動範圍就是在 19×19 的棋盤上，
黑白兩方輪流下子，邊界和規則都很清晰。如果變成一個開放的問題，
或者變成20×20 的棋盤，或者變成黑白灰三方下棋，那都成不了。
第二是要有外部反饋。
算法要不斷地有外部輸入，它需要知道在什麼樣的情況、什麼樣的行為下，
外部給出的反饋是什麼，這樣才能促進提高。
比方說AlphaGo ，你要不斷地讓它進行對弈，並且告訴它對弈的輸贏，它才能不斷提升。
第三是計算資源很重要，計算資源，也就是計算過程中需要的各種資源。
近幾年，算法雖然有很大的進步，但計算資源也是產生智能的關鍵。
最近業界在分佈式計算上的成功，讓我們相對於幾十年前有了飛躍的基礎。
舉個很有趣的例子，Google 在描述 AlphaGo 不同版本的時候，
為了簡潔明了，直接使用計算能力來分類，而不是使用算法來分類。
簡版的 AlphaGo 被稱為“單機訓練的AlphaGo”；
複雜和更高智能的 AlphaGo 稱為“多機、並行訓練的 AlphaGo”，
從這裡也可以看出來，計算資源起著至關重要的作用。
第四，要有頂尖的數據科學家和人工智能科學家。
增強學習、深度學習最近重新被提出，
需要很多科學家做大量的工作，才能讓這些算法真正地推行。
除了圍棋、視覺、語音之外，還有非常多的領域等待被探索。
第五是大數據的完善。
AlphaGo的成功，關鍵的一點是KGS 棋社的流行，
KGS是一個免費的圍棋對弈平台，KGS上有數十萬盤高手對戰的棋譜，
如果沒有這些數據做支撐，AlphaGo 絕對不可能在這麼短的時間內打敗人類。
陳雨強把這些要素歸結為三點，那就是要關注技術、關注業務、關注人。
一方面，要有技術、計算資源和大數據方面的支持；
另一方面，業務、邊界要清晰，業務要有反饋；
再有就是人，要有科學家，一些應用到場景也需要和人打交道。
以上就是陳雨強分享的人工智能成功的五個必要條件，供你參考。
本文源自：公眾號“機器之心”（第四範式聯合創始人陳雨強：機器學習在工業應用中的新思考）
稿：王繼玲
轉載:得到
--------------
主旨：
1. 邊界清晰
問題需要定義得非常清晰，比如 AlphaGo 做的就是圍棋，
活動範圍就是在 19×19 的棋盤上，黑白兩方輪流下子，邊界和規則都很清晰。
如果變成一個開放的問題，或者變成20×20 的棋盤，
或者變成黑白灰三方下棋，那都成不了。
2. 要有外部反饋
算法要不斷地有外部輸入，它需要知道在什麼樣的情況、什麼樣的行為下，
外部給出的反饋是什麼，這樣才能促進提高。
比方說AlphaGo ，你要不斷地讓它進行對弈，並且告訴它對弈的輸贏，它才能不斷提升。
3. 計算資源
近幾年，算法雖然有很大的進步，但計算資源也是產生智能的關鍵。
最近業界在分佈式計算上的成功，讓我們相對於幾十年前有了飛躍的基礎。
舉個很有趣的例子，Google 在描述 AlphaGo 不同版本的時候，
為了簡潔明了，直接使用計算能力來分類，而不是使用算法來分類。
簡版的 AlphaGo 被稱為“單機訓練的AlphaGo”；
複雜和更高智能的 AlphaGo 稱為“多機、並行訓練的 AlphaGo”，
從這裡也可以看出來，計算資源起著至關重要的作用。
4. 要有頂尖的數據科學家和人工智能科學家
增強學習、深度學習最近重新被提出，
需要很多科學家做大量的工作，才能讓這些算法真正地推行。
除了圍棋、視覺、語音之外，還有非常多的領域等待被探索。
5. 大數據的完善
AlphaGo的成功，關鍵的一點是KGS 棋社的流行，
KGS是一個免費的圍棋對弈平台，KGS上有數十萬盤高手對戰的棋譜，
如果沒有這些數據做支撐，AlphaGo 絕對不可能在這麼短的時間內打敗人類。
沒有留言:
張貼留言