出處：傅盛：獵豹將全力投入人工智能
這條音頻的內容是，深度學習給未來帶來的三個機會。
最近，獵豹CEO傅盛參加了2017雪球中概高峰論壇，
並發表了演講，透露了獵豹未來的戰略方向。
傅盛說，獵豹的成功是因為抓住了移動互聯網國際化這個機遇，
但是隨著移動互聯網的競爭越來越激烈，往前走也越來越難了，
所以移動互聯網本質的核心競爭很可能已經結束了。
在這個前提下，獵豹將會全力投入在人工智能領域。
傅盛認為，(人工智能)深度學習給我們帶來了三個機會。
第一點，深度學習是算法革命，把以前很多分散在各個領域的算法集中起來。
傅盛說，自己過去在不斷面試人、看公司的過程中，
發現了一個問題，那就是像語音、圖像、無人駕駛這些不同的專業之間，算法差距非常大。
但深度學習出現之後，既能解決語音問題，又能解決圖像問題，還能解決無人駕駛問題。
所以一旦出現這樣一個歸一式的算法，人類最聰明的腦力就都集中到這裡來了。
傅盛認為，
有了深度學習這個技術之後，最恐慌的應該是大公司，因為他們積累了很多的技術，
但這些技術積累，在深度學習的衝擊下都被顛覆掉了。
比如，傅盛前不久見了一位國內某知名大公司實驗室的負責人，
他對傅盛說，自己在翻譯這個領域做了7年，後來看到谷歌的一篇論文，
突然發現他原來的技術都白積累了。所以傅盛認為深度學習本質在降低技術壁壘，
越是大公司想做的，其實越是他們恐慌的。
第二點是算法驅動變成了數據驅動。
傅盛說，雖然每一篇論文對整個行業還是有推進作用的，
但由於基本算法模型的固定化，算法的驅動力已經大大地降低了。
從今天的動向來看，是以工業化和數據驅動為主的。
數據量大了之後，產生的巨大推進量，可能遠遠勝於一篇論文。
而大量的數據，同時也需要進行標註。所以大規模標註數據變成了核心競爭力。
什麼意思呢？舉個例子，人們說話的聲音被傳到網上，它並不是人工智能可用的數據。
你必須找人把聲音數據裡面的關鍵點標註出來，才是人工智能可用的有效數據。
數據的標註才剛剛開始，有些公司看起來很大，
可是他們的標註數據量非常少，今天有大量的數據在互聯網上，供人自由地使用。
這裡面的關鍵路徑，是要想出一些辦法，
怎麼去標註這些數據，怎麼才能快速生成自己的數據集。
比如對AlphaGo來說，人類歷史上的棋譜是遠遠不夠它學習的，
最新的AlphaGo已經要去掉人類的棋譜了，因為它覺得人類下得不好。
谷歌做翻譯的產品經理說，最新版的谷歌翻譯之所以有了大幅度地提升，
就是因為從網上抓了大量的數據，進行了二次標註，
但網上很多的數據是以前的谷歌翻譯出來的，他們得慢慢地把差的數據剔除出來。
第三點，傅盛說深度學習的機會在於和應用的結合，而不是技術輸出。
因為未來深度學習會變成基礎的技術運用，很多公司都會具備深度學習的研發能力，
所以目前很難想像一家公司通過提供技術輸出就能成功。
獵豹也進行了相關的研發，他們的人臉識別技術，在色情和兒童識別上有大量應用，
而且這個技術在世界是排名前幾位的。傅盛說未來獵豹會全力出擊，
讓AI助力獵豹內容戰略升級。獵豹新的使命是成為一家有偉大技術理想的人工智能公司。
以上就是傅盛在這次演講中的主要觀點，供你參考。
本文源自：公眾號“盛盛go”
（傅盛雪球分享：深度學習的機會在應用結合，而不是技術輸出）
音頻稿：寶利
講述：成亞
------------------
主旨：
(人工智能)深度學習給我們帶來了三個機會。
1. 深度學習是算法革命，把以前很多分散在各個領域的算法集中起來。
語音、圖像、無人駕駛這些不同的專業之間，算法差距非常大。
但深度學習出現之後，既能解決語音問題，又能解決圖像問題，還能解決無人駕駛問題。
所以一旦出現這樣一個歸一式的算法，人類最聰明的腦力就都集中到這裡來了。
有了深度學習這個技術之後，最恐慌的應該是大公司，因為他們積累了很多的技術，
但這些技術積累，在深度學習的衝擊下都被顛覆掉了。
比如，傅盛前不久見了一位國內某知名大公司實驗室的負責人，
他對傅盛說，自己在翻譯這個領域做了7年，後來看到谷歌的一篇論文，
突然發現他原來的技術都白積累了。所以傅盛認為深度學習本質在降低技術壁壘，
越是大公司想做的，其實越是他們恐慌的。
2. 算法驅動變成了數據驅動
數據量大了之後，產生的巨大推進量，可能遠遠勝於一篇論文。
而大量的數據，同時也需要進行標註。所以大規模標註數據變成了核心競爭力。
什麼意思呢？舉個例子，人們說話的聲音被傳到網上，它並不是人工智能可用的數據。
你必須找人把聲音數據裡面的關鍵點標註出來，才是人工智能可用的有效數據。
怎麼去標註這些數據，怎麼才能快速生成自己的數據集。
比如對AlphaGo來說，人類歷史上的棋譜是遠遠不夠它學習的，
最新的AlphaGo已經要去掉人類的棋譜了，因為它覺得人類下得不好。
谷歌做翻譯的產品經理說，最新版的谷歌翻譯之所以有了大幅度地提升，
就是因為從網上抓了大量的數據，進行了二次標註，
但網上很多的數據是以前的谷歌翻譯出來的，他們得慢慢地把差的數據剔除出來。
3. 深度學習的機會在於和應用的結合，而不是技術輸出。
因為未來深度學習會變成基礎的技術運用，很多公司都會具備深度學習的研發能力，
所以目前很難想像一家公司通過提供技術輸出就能成功。
這條音頻的內容是，深度學習給未來帶來的三個機會。
最近，獵豹CEO傅盛參加了2017雪球中概高峰論壇，
並發表了演講，透露了獵豹未來的戰略方向。
傅盛說，獵豹的成功是因為抓住了移動互聯網國際化這個機遇，
但是隨著移動互聯網的競爭越來越激烈，往前走也越來越難了，
所以移動互聯網本質的核心競爭很可能已經結束了。
在這個前提下，獵豹將會全力投入在人工智能領域。
傅盛認為，(人工智能)深度學習給我們帶來了三個機會。
第一點，深度學習是算法革命，把以前很多分散在各個領域的算法集中起來。
傅盛說，自己過去在不斷面試人、看公司的過程中，
發現了一個問題，那就是像語音、圖像、無人駕駛這些不同的專業之間，算法差距非常大。
但深度學習出現之後，既能解決語音問題，又能解決圖像問題，還能解決無人駕駛問題。
所以一旦出現這樣一個歸一式的算法，人類最聰明的腦力就都集中到這裡來了。
傅盛認為，
有了深度學習這個技術之後，最恐慌的應該是大公司，因為他們積累了很多的技術，
但這些技術積累，在深度學習的衝擊下都被顛覆掉了。
比如，傅盛前不久見了一位國內某知名大公司實驗室的負責人，
他對傅盛說，自己在翻譯這個領域做了7年，後來看到谷歌的一篇論文，
突然發現他原來的技術都白積累了。所以傅盛認為深度學習本質在降低技術壁壘，
越是大公司想做的，其實越是他們恐慌的。
第二點是算法驅動變成了數據驅動。
傅盛說，雖然每一篇論文對整個行業還是有推進作用的，
但由於基本算法模型的固定化，算法的驅動力已經大大地降低了。
從今天的動向來看，是以工業化和數據驅動為主的。
數據量大了之後，產生的巨大推進量，可能遠遠勝於一篇論文。
而大量的數據，同時也需要進行標註。所以大規模標註數據變成了核心競爭力。
什麼意思呢？舉個例子，人們說話的聲音被傳到網上，它並不是人工智能可用的數據。
你必須找人把聲音數據裡面的關鍵點標註出來，才是人工智能可用的有效數據。
數據的標註才剛剛開始，有些公司看起來很大，
可是他們的標註數據量非常少，今天有大量的數據在互聯網上，供人自由地使用。
這裡面的關鍵路徑，是要想出一些辦法，
怎麼去標註這些數據，怎麼才能快速生成自己的數據集。
比如對AlphaGo來說，人類歷史上的棋譜是遠遠不夠它學習的，
最新的AlphaGo已經要去掉人類的棋譜了，因為它覺得人類下得不好。
谷歌做翻譯的產品經理說，最新版的谷歌翻譯之所以有了大幅度地提升，
就是因為從網上抓了大量的數據，進行了二次標註，
但網上很多的數據是以前的谷歌翻譯出來的，他們得慢慢地把差的數據剔除出來。
第三點，傅盛說深度學習的機會在於和應用的結合，而不是技術輸出。
因為未來深度學習會變成基礎的技術運用，很多公司都會具備深度學習的研發能力，
所以目前很難想像一家公司通過提供技術輸出就能成功。
獵豹也進行了相關的研發，他們的人臉識別技術，在色情和兒童識別上有大量應用，
而且這個技術在世界是排名前幾位的。傅盛說未來獵豹會全力出擊，
讓AI助力獵豹內容戰略升級。獵豹新的使命是成為一家有偉大技術理想的人工智能公司。
以上就是傅盛在這次演講中的主要觀點，供你參考。
本文源自：公眾號“盛盛go”
（傅盛雪球分享：深度學習的機會在應用結合，而不是技術輸出）
音頻稿：寶利
講述：成亞
------------------
主旨：
(人工智能)深度學習給我們帶來了三個機會。
1. 深度學習是算法革命，把以前很多分散在各個領域的算法集中起來。
語音、圖像、無人駕駛這些不同的專業之間，算法差距非常大。
但深度學習出現之後，既能解決語音問題，又能解決圖像問題，還能解決無人駕駛問題。
所以一旦出現這樣一個歸一式的算法，人類最聰明的腦力就都集中到這裡來了。
有了深度學習這個技術之後，最恐慌的應該是大公司，因為他們積累了很多的技術，
但這些技術積累，在深度學習的衝擊下都被顛覆掉了。
比如，傅盛前不久見了一位國內某知名大公司實驗室的負責人，
他對傅盛說，自己在翻譯這個領域做了7年，後來看到谷歌的一篇論文，
突然發現他原來的技術都白積累了。所以傅盛認為深度學習本質在降低技術壁壘，
越是大公司想做的，其實越是他們恐慌的。
2. 算法驅動變成了數據驅動
數據量大了之後，產生的巨大推進量，可能遠遠勝於一篇論文。
而大量的數據，同時也需要進行標註。所以大規模標註數據變成了核心競爭力。
什麼意思呢？舉個例子，人們說話的聲音被傳到網上，它並不是人工智能可用的數據。
你必須找人把聲音數據裡面的關鍵點標註出來，才是人工智能可用的有效數據。
怎麼去標註這些數據，怎麼才能快速生成自己的數據集。
比如對AlphaGo來說，人類歷史上的棋譜是遠遠不夠它學習的，
最新的AlphaGo已經要去掉人類的棋譜了，因為它覺得人類下得不好。
谷歌做翻譯的產品經理說，最新版的谷歌翻譯之所以有了大幅度地提升，
就是因為從網上抓了大量的數據，進行了二次標註，
但網上很多的數據是以前的谷歌翻譯出來的，他們得慢慢地把差的數據剔除出來。
3. 深度學習的機會在於和應用的結合，而不是技術輸出。
因為未來深度學習會變成基礎的技術運用，很多公司都會具備深度學習的研發能力，
所以目前很難想像一家公司通過提供技術輸出就能成功。
沒有留言:
張貼留言