出處：李飛飛：雲的靈魂是人工智能
這條音頻給你分享谷歌云首席科學家李飛飛對人工智能科研及創業的觀點。
李飛飛是全球計算機視覺領域的知名專家、谷歌云首席科學家，
她帶頭創建的 ImageNet 已經成為全球最大的圖像識別數據庫。
最近，李飛飛在回國期間，接受了人工智能垂直社交資訊平台“新智元”的專訪，
分享了她對人工智能科研和創業的觀點，下面給你說說。
首先，李飛飛認為，人工智能是雲的戰略佈局，是新的計算。
李飛飛說，過去20多年，人工智能，尤其是科研方面的進步，
主要來自於三大子領域的蓬勃發展：機器學習、計算機視覺和自然語言處理。
這三大子領域的發展，又主要來自互聯網數據的推動。
可以說，數據帶來了算法的思路，算法又促進了數據的信息化和知識化。
而雲是人類最大的計算平台，這是雲最大的特色。
雲最開始可能只是一個存儲設施，後來數據經過轉化得到信息，
再形成商業決策，這是對企業具有戰略意義的資源。
我們平時說人工智能要幫助人類生活得更美好，但怎麼落地呢？
雲可能就是目前最好的落地平台之一。而人工智能就是雲的戰略佈局，是新的計算。
現在幾乎所有需要計算的任務都需要人工智能的元素。
計算本身就是讓數據產生信息、從知識中提煉決策的過程。
現在的計算都是用人工智能來完成的，這也是人工智能該做的事情。
當然，雲還包括硬件、平台、基礎設施和存儲空間，但雲的靈魂應該是人工智能。
李飛飛的第二個觀點是，對於研究者來說，
往後看要知道過去的傳承，往前看要視野空曠不湊熱鬧。什麼意思呢？
李飛飛說，要學習和研究計算機視覺，必須要做兩件重要的事，
一是知道過去，二是展望未來。
知道過去就是要大量閱讀文獻。
現在深度學習的熱度很高，很多學生就只讀深度學習的論文。
但實際上，不管是計算機視覺還是自然語言處理、機器學習，都是走過了幾十年的路程。
就拿識別這個工作來說，在學術界基本上已經完成了，
可是很多學生可能都不知道，對於識別的研究，從上世紀五六十年代就開始了，
並且從那時候一直傳承到現在，年輕的學生如果不去了解這些傳承過程，
就很難創造新的東西。
而展望未來的時候，就需要研究者視野空曠，不要繁雜。
如果你眼睛看到的前方是熱鬧的，那這個方向就不是最好的研究方向。
但是，空曠的地方一般都不是熱點，所以對於個人來說，就必須找准自己的焦點。
科學家是最不能跟風、追求時尚的，科學家一定是追求原則性和原創性的東西。
最後，李飛飛對創業者提出了自己的建議：
先去找你的市場，理解你需要解決的問題和需要滿足的需求，
而不是拿著一個錘子到處去找釘子。
當李飛飛被問到對自動駕駛和計算機視覺領域的創業有什麼建議，是否有好的切入點時，
李飛飛表示，創業需要有一種使命感，要想著去解決問題，
不管是為企業解決問題，還是為個人、消費者解決問題，
總之，解決問題是創業的目的，你要理解你需要解決的問題和要去滿足的需求。
其實每一個產業都有自己具體的應用場景，需要有懂這個場景、
懂機器學習和人工智能的人去尋找解決方案，所以更冷靜的做事方法是先找到需求，
找准問題，而不是拿著一個錘子到處去找釘子。
以上就是李飛飛在這次專訪中的主要觀點，供你參考。
本文源自： 公眾號“新智元”（李飛飛：從斯坦福到谷歌云，讓 AI 成為計算之魂）
稿：王繼玲
轉載:得到
--------------
主旨：
過去20多年，人工智能，尤其是科研方面的進步，
主要來自於三大子領域的蓬勃發展：機器學習、計算機視覺和自然語言處理。
這三大子領域的發展，又主要來自互聯網數據的推動。
可以說，數據帶來了算法的思路，算法又促進了數據的信息化和知識化。
計算本身就是讓數據產生信息、從知識中提煉決策的過程。
現在的計算都是用人工智能來完成的，這也是人工智能該做的事情。
當然，雲還包括硬件、平台、基礎設施和存儲空間，但雲的靈魂應該是人工智能。
要學習和研究計算機視覺，必須要做兩件重要的事，一是知道過去，二是展望未來。
1. 知道過去就是要大量閱讀文獻。
對於識別的研究，從上世紀五六十年代就開始了，
並且從那時候一直傳承到現在，年輕的學生如果不去了解這些傳承過程，
就很難創造新的東西。
2. 展望未來的時候，就需要研究者視野空曠，不要繁雜。
如果你眼睛看到的前方是熱鬧的，那這個方向就不是最好的研究方向。
但是，空曠的地方一般都不是熱點，所以對於個人來說，就必須找准自己的焦點。
科學家是最不能跟風、追求時尚的，科學家一定是追求原則性和原創性的東西。
對創業者的建議：
解決問題是創業的目的，你要理解你需要解決的問題和要去滿足的需求。
其實每一個產業都有自己具體的應用場景，需要有懂這個場景、
懂機器學習和人工智能的人去尋找解決方案，所以更冷靜的做事方法是先找到需求，
找准問題，而不是拿著一個錘子到處去找釘子。
這條音頻給你分享谷歌云首席科學家李飛飛對人工智能科研及創業的觀點。
李飛飛是全球計算機視覺領域的知名專家、谷歌云首席科學家，
她帶頭創建的 ImageNet 已經成為全球最大的圖像識別數據庫。
最近，李飛飛在回國期間，接受了人工智能垂直社交資訊平台“新智元”的專訪，
分享了她對人工智能科研和創業的觀點，下面給你說說。
首先，李飛飛認為，人工智能是雲的戰略佈局，是新的計算。
李飛飛說，過去20多年，人工智能，尤其是科研方面的進步，
主要來自於三大子領域的蓬勃發展：機器學習、計算機視覺和自然語言處理。
這三大子領域的發展，又主要來自互聯網數據的推動。
可以說，數據帶來了算法的思路，算法又促進了數據的信息化和知識化。
而雲是人類最大的計算平台，這是雲最大的特色。
雲最開始可能只是一個存儲設施，後來數據經過轉化得到信息，
再形成商業決策，這是對企業具有戰略意義的資源。
我們平時說人工智能要幫助人類生活得更美好，但怎麼落地呢？
雲可能就是目前最好的落地平台之一。而人工智能就是雲的戰略佈局，是新的計算。
現在幾乎所有需要計算的任務都需要人工智能的元素。
計算本身就是讓數據產生信息、從知識中提煉決策的過程。
現在的計算都是用人工智能來完成的，這也是人工智能該做的事情。
當然，雲還包括硬件、平台、基礎設施和存儲空間，但雲的靈魂應該是人工智能。
李飛飛的第二個觀點是，對於研究者來說，
往後看要知道過去的傳承，往前看要視野空曠不湊熱鬧。什麼意思呢？
李飛飛說，要學習和研究計算機視覺，必須要做兩件重要的事，
一是知道過去，二是展望未來。
知道過去就是要大量閱讀文獻。
現在深度學習的熱度很高，很多學生就只讀深度學習的論文。
但實際上，不管是計算機視覺還是自然語言處理、機器學習，都是走過了幾十年的路程。
就拿識別這個工作來說，在學術界基本上已經完成了，
可是很多學生可能都不知道，對於識別的研究，從上世紀五六十年代就開始了，
並且從那時候一直傳承到現在，年輕的學生如果不去了解這些傳承過程，
就很難創造新的東西。
而展望未來的時候，就需要研究者視野空曠，不要繁雜。
如果你眼睛看到的前方是熱鬧的，那這個方向就不是最好的研究方向。
但是，空曠的地方一般都不是熱點，所以對於個人來說，就必須找准自己的焦點。
科學家是最不能跟風、追求時尚的，科學家一定是追求原則性和原創性的東西。
最後，李飛飛對創業者提出了自己的建議：
先去找你的市場，理解你需要解決的問題和需要滿足的需求，
而不是拿著一個錘子到處去找釘子。
當李飛飛被問到對自動駕駛和計算機視覺領域的創業有什麼建議，是否有好的切入點時，
李飛飛表示，創業需要有一種使命感，要想著去解決問題，
不管是為企業解決問題，還是為個人、消費者解決問題，
總之，解決問題是創業的目的，你要理解你需要解決的問題和要去滿足的需求。
其實每一個產業都有自己具體的應用場景，需要有懂這個場景、
懂機器學習和人工智能的人去尋找解決方案，所以更冷靜的做事方法是先找到需求，
找准問題，而不是拿著一個錘子到處去找釘子。
以上就是李飛飛在這次專訪中的主要觀點，供你參考。
本文源自： 公眾號“新智元”（李飛飛：從斯坦福到谷歌云，讓 AI 成為計算之魂）
稿：王繼玲
轉載:得到
--------------
主旨：
過去20多年，人工智能，尤其是科研方面的進步，
主要來自於三大子領域的蓬勃發展：機器學習、計算機視覺和自然語言處理。
這三大子領域的發展，又主要來自互聯網數據的推動。
可以說，數據帶來了算法的思路，算法又促進了數據的信息化和知識化。
計算本身就是讓數據產生信息、從知識中提煉決策的過程。
現在的計算都是用人工智能來完成的，這也是人工智能該做的事情。
當然，雲還包括硬件、平台、基礎設施和存儲空間，但雲的靈魂應該是人工智能。
要學習和研究計算機視覺，必須要做兩件重要的事，一是知道過去，二是展望未來。
1. 知道過去就是要大量閱讀文獻。
對於識別的研究，從上世紀五六十年代就開始了，
並且從那時候一直傳承到現在，年輕的學生如果不去了解這些傳承過程，
就很難創造新的東西。
2. 展望未來的時候，就需要研究者視野空曠，不要繁雜。
如果你眼睛看到的前方是熱鬧的，那這個方向就不是最好的研究方向。
但是，空曠的地方一般都不是熱點，所以對於個人來說，就必須找准自己的焦點。
科學家是最不能跟風、追求時尚的，科學家一定是追求原則性和原創性的東西。
對創業者的建議：
解決問題是創業的目的，你要理解你需要解決的問題和要去滿足的需求。
其實每一個產業都有自己具體的應用場景，需要有懂這個場景、
懂機器學習和人工智能的人去尋找解決方案，所以更冷靜的做事方法是先找到需求，
找准問題，而不是拿著一個錘子到處去找釘子。
沒有留言:
張貼留言