因?yàn)樗〈巳肆?，使機(jī)器生產(chǎn)出更先進(jìn)的產(chǎn)品。判斷和決策是業(yè)務(wù)的核心。3月27日，搜狗CEO王小川在宏泰基金CEO春分大會上發(fā)表了題為“人工智能技術(shù)的思考與應(yīng)用”的演講。王小川認(rèn)為，概括了人工智能的三個應(yīng)用層次。第一個層次是向機(jī)器傳授傳統(tǒng)規(guī)則；第二個層次是教授機(jī)器記憶學(xué)習(xí)的答案；第三層是將目標(biāo)交給機(jī)器進(jìn)行自學(xué)習(xí)。他認(rèn)為，現(xiàn)階段的人工智能有很多局限性。例如，機(jī)器需要學(xué)習(xí)和判斷的先決條件，例如對環(huán)境的極端嚴(yán)格要求。在TOC方面，對圖像和聲音的深入學(xué)習(xí)非常重要。在談到人工智能的商業(yè)價值時，王小川認(rèn)為，人工智能有機(jī)會做出判斷和決定。以下是王小川演講的一部分：人工智能將分為三個階段。我們?nèi)蕴幱诘诙A段的高級階段。人工智能并不是一個新的話題。這是在20世紀(jì)60年代和80年代完成的。不幸的是，當(dāng)時是一名人工智能教授，因?yàn)槿斯ぶ悄艿乃竭h(yuǎn)遠(yuǎn)不夠。那時，人們把對自己世界的認(rèn)知變成了規(guī)則，變成了機(jī)器人，機(jī)器人告訴機(jī)器規(guī)則。這是那個時代的作品。那是20世紀(jì)60年代和80年代。人們對規(guī)則的表達(dá)偏離了這一目標(biāo)。20世紀(jì)80年代后，基于統(tǒng)計方法的人工智能不再試圖告訴機(jī)器人們對世界的認(rèn)知，而是讓機(jī)器學(xué)習(xí)并讓你看到答案。一方面，他給了他原來的問題和答案后，看到了問題，這是一個機(jī)器人學(xué)習(xí)的道路。花了好幾年時間。答案很清楚。一個典型的例子是人臉識別。如何描述它？我知道這個人是誰，但我無法描述。在2000年之后的突破點(diǎn)，我們發(fā)現(xiàn)，使用更粗略的方法，我們不應(yīng)該試圖找到這個問題的特征，將特征告訴機(jī)器，并將原始問題和原始數(shù)據(jù)移交給機(jī)器。我給了他2000多張照片，讓他找出自己的特點(diǎn)，最后得到答案。2000年后的疫情與此有關(guān)。阿爾法犬就是這樣出來的。他不是按原來的方式做的。今天，一些人工智能開始進(jìn)入第三階段。Alphago屬于第二階段，再加上第三階段的一點(diǎn)，給它一些答案，告訴它人們在每種情況下的表現(xiàn)，讓機(jī)器學(xué)習(xí)。這樣，可以發(fā)現(xiàn)機(jī)器很難趕上頂尖人物。最后，我告訴機(jī)器你是對的，你贏了還是輸了。目前，我們主要處于第二階段，必須使用大數(shù)據(jù)。優(yōu)點(diǎn)是我們不需要工程師對原始行業(yè)有特別深入的了解。例如，醫(yī)生知道如何查看心臟病的心電圖，但他們很難向工程師清楚地描述這一規(guī)則。自去年以來，這位工程師獲得了一項非常重要的經(jīng)驗(yàn)。我不需要醫(yī)生了解他詳細(xì)的技術(shù)經(jīng)驗(yàn)，只要醫(yī)生告訴我這代表什么。有了大量的工程數(shù)據(jù)，就可以建立這樣一個模型，消除了行業(yè)與人工智能之間的天然溝通鴻溝。這將很快成為人工智能領(lǐng)域的突破性應(yīng)用。在接下來的兩三年里，成功的工作經(jīng)驗(yàn)有了很大的提升，今年在情報領(lǐng)域有了很大的發(fā)現(xiàn)。今天的人工智能仍然有許多局限性。核心問題是有一個先決條件。例如，在有背景音樂的環(huán)境中，兩到三個人同時說話。人們可以清楚地分辨出人們所說的聲音，但機(jī)器卻不能做到這一點(diǎn)。因?yàn)槿斯ぶ悄苁菍λ娐曇舻奶幚?，如果兩個人在一起說話，它就不起作用了。例如，在一個非常安靜的環(huán)境中，如果環(huán)境中有背景音樂，兩到三個人一起說話，人們可以清楚地分辨出來，但機(jī)器無法做到。對于機(jī)器來說，如果聲音與聲音混合，人工智能就是對聲音的處理。如果兩個人一起說話，那是行不通的。如何處理？一種方法是使用麥克風(fēng)。例如，當(dāng)我們在車內(nèi)時，車內(nèi)有輪胎噪音和風(fēng)噪音。將此記錄下來，然后將其混合到培訓(xùn)中。我們這樣做并不是為了表示認(rèn)可，但它看到了這樣的聲音。有噪音。另一個困難是自然語言的處理。盡管機(jī)器翻譯有了很大的發(fā)展，但它可以將漢語翻譯成英語，將英語翻譯成漢語。這可以很順利地翻譯。因?yàn)槟壳暗臋C(jī)器人學(xué)習(xí)不是基于理論的方法。如果人說得流利，機(jī)器也能說得流利。例如，去年六月我去了劍橋的一個頂級語言實(shí)驗(yàn)室。他們正在演示人機(jī)對話系統(tǒng)。示威游行非常清楚。我想吃辣的食物。這臺機(jī)器會幫你找到我想要的東西。當(dāng)我找到餐館時，機(jī)器問我，你需要停車位嗎？我說我沒有車，它不會回答。因?yàn)樗恢榔嚭屯＼囄恢g的關(guān)系。所以自然語言處理是不夠的。如果我們對產(chǎn)品進(jìn)行分類，我將人工智能分為三類：識別、判斷、決策和創(chuàng)造。今天要做的第一件事是對物理世界中的事物進(jìn)行建模，如語音識別、圖像識別等。這是一種。還有創(chuàng)造性的一代，如語音合成和圖像合成，這是第一類和第三類的結(jié)合，如在安全領(lǐng)域的應(yīng)用。我個人認(rèn)為，第二類，即讓機(jī)器做出判斷和決定，具有巨大的商業(yè)價值。因?yàn)樗〈巳肆Γ箼C(jī)器生產(chǎn)出更先進(jìn)的產(chǎn)品。判斷和決策實(shí)際上是業(yè)務(wù)的核心。早些時候，我談到了人工智能的判斷。我將在這里分享一些關(guān)于搜狗的想法。首先，人工智能的基本實(shí)踐是學(xué)習(xí)。事實(shí)上，對于搜索引擎公司來說，無論是百度還是搜狗，他們中的大多數(shù)人仍在學(xué)習(xí)。現(xiàn)在隨著學(xué)習(xí)的深入，我們可以想象更多。例如，在網(wǎng)絡(luò)搜索中，我們的工程師如何讓這臺機(jī)器高質(zhì)量地學(xué)習(xí)，或者如何在圖像識別中更好地找到人臉和特征。經(jīng)過深入學(xué)習(xí)，需要更多的數(shù)據(jù)進(jìn)行改進(jìn)。第二，對于TOC來說，圖像和聲音非常重要，這應(yīng)該稱為深度學(xué)習(xí)，它已經(jīng)取得了很大的進(jìn)步。我想表達(dá)的是，搜狗自2011年以來一直在這樣做。其語音收入的80%將每天產(chǎn)生200000個語音數(shù)據(jù)。順便說一句，語音識別的識別價值高于其他國家。這有一個清晰的應(yīng)用場景。tob和TOC公司之間存在差異。應(yīng)該有數(shù)據(jù)場景。如果沒有情景，我們必須依賴其他國家的數(shù)據(jù)情景，這是一種合作方式。我們首先使用這項技術(shù)為自己服務(wù)，因?yàn)槲覀冇凶銐虼蟮臄?shù)據(jù)場景來支持。第三，語音識別是人工智能的核心，還是未來人工智能的重要組成部分？我不這么認(rèn)為。因?yàn)檎Z音搜索只是一個擦傷。例如，使用語音搜索“王先生”“，這與用文字搜索基本上沒有區(qū)別。它只是把我的新聞、百度和微博推給你。我們也在做把語言變成聲音的事情，但我們正在考慮以個人為核心的周邊地區(qū)的發(fā)展。它包括兩種聲音的轉(zhuǎn)換和翻譯，最后是對聲音的理解。這就是我們在TOC公司的想法，這被稱為自然交互和知識計算，自然交互關(guān)注于語音，以及如何建立對語音的分析和理解。業(yè)界將達(dá)成共識。演講是未來最重要的事情。演講是對話、翻譯和問答，它們是最前沿的作品。我們?yōu)槭裁匆紤]它？今天是單詞搜索，未來是向機(jī)器提問，以便它能得到準(zhǔn)確的答案。我們在這里工作，在w

« 國有資產(chǎn)部門和銀行部門相互競爭，愛錢有助于關(guān)注共同基金市場 | 今年春天，風(fēng)險投資圈中規(guī)模最大的一次跑步活動以“創(chuàng)業(yè)跑步”為標(biāo)題，將創(chuàng)業(yè)者聯(lián)系起來 »