温哥华Lipont Place力邦艺术港:活动场地租赁,拍摄场地租赁!

能学习的机器正盯着你的职位

QR Code
请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!
  2016年AlphaGO轰动地冲击人类的自信。鲍勃迪伦得了诺贝尔文学奖,IBM请他与机器对话,机器花几秒钟通读了他一生的作品,总结一句话:你的歌曲反映了两种情绪,流逝的光阴和枯萎的爱情。同一个机器花20分钟,读了2000万页文献,给一个医者束手的病患作出建议,救了她的命。经过这段时间科普,爱学习的人对Master完胜人类围棋顶尖高手的战绩不再惊讶了。现在的人工智能,不是几十年前哲学家争论的,影视让大家熟悉的,那种按规则推理的机器。人类创造的精灵通过学习,如同吃了智慧果,自己能知善恶,想制定机器人N定律来规范它的行为,已是逝去的帝王旧梦。这一波的人工智能已是不同种族那样的动物,与我们有同源的智力,它的核心是机器学习。我们不告诉它怎么做,而是提出问题,让它从过去经验中自己得出答案。这个行为模式,注定它的“思考”与我们一样的独立,不听令行禁止,只受我们提问导向和供它学习经验的影响,它很快便能自行收集数据,将来能否自己设问,具备独立的“人格”,我们将与之如何相处,这些问题留给哲学家去苦恼。普罗大众先要考虑与自己切身相关的问题:在今后十来二十年内,对我们的工作,现在的职位,将来的职场有什么影响?

  就像“狼来了”听多了一样,大多数人觉得觉得机器智能离成熟还很遥远。经历过几次激动失望后的AI研究者,已经学会谨慎,大多不相信“奇点”之事,只是务实耕耘,低调走出实验室。实际上,早在石破天惊的围棋赛之前,机器学习的人工智能已经无声地渗入我们的生活。当你拿出傻瓜机照相,那聚焦的方块是机器在识别人脸;在信息输入中,机器通过识别手写字、语音或联想的词组帮助你;银行信用卡股市保安情治局,用机器监督流过的巨量数据,对不合常规的模式响起警讯;网上定向弹出各种愈来愈符合你口味的广告,网店不再询问只是根据你购物历史推销产品,旅行、照片或不经意的网上交谈,都成为喂进机器的数据,提供犹如私人定制般的服务。无数的机器围着我们,窥视我们习惯,捕捉偏好模式,发掘私密,更好的服务让我们沉醉其中。你了解后或许承认,它确实影响着我们生活,这是科技进步,很好很喜欢,但这只关商家,工厂和从事AI专业人员的事,与我工作何干?

  机器学习不仅仅是大学的课程和研究的项目了。


  2016年硅谷几乎所有大公司开发部门,都把重兵压在人工智能上,国内业者也不甘其后。如果你生活在旧金山湾区硅谷,会意识到“Machine Learning”,已是职场上的热门词,不是研究所大公司才需要这方面的人才。个性化推荐系统,已是商家必备,这是与机器学习有关的开发项目。过去依靠数据库管理员、统计分析师发掘数据规律只是手工业,要升级到让机器自己去学习去应用,这要懂行的程序员。电器应用程序,只靠固定规则不能学习,现在都不好意思称是具有智能,这要有训练的工程师来开发。机器学习已经到处开课,公司付钱让员工学习。在职工程师上这课不为做研究只为工作要用,会上听得懂。网上搜一下,你会愕然发现不仅工程师在学,也有专门为医生开班设课,用医疗诊断体检数据举例设题。机器图像识别已堪与人匹敌,帮医生看个片,识别病患是现在进行时,综合各种检查报告的数据,判断病症将比专家更胜任。金融管理股市财经保险分析正用机器代替人力。哲学家考虑的全面独立机器人还在远方,专司一智的机器正走近你的身旁,盯着只需要经验判断按规则办事单一技能的脑力职位,不久只需留下一半人辅助,与不知疲倦工作狂的机器偕行。这一波技术进步来的凶猛,改变不是远在下一代人的工作,机器学习正开始冲击医生、律师、管理、教师、科研、工程设计等等几乎所有的工作,不出十年,职场将面目全非。斯坦福教授卡普兰调查说,美国


  720个职业中47%的人将被人工智能替代,中国会是70%的人。在座的是否想大致了解机器学习能做什么,为什么在这时候爆发,怎么规划自己的定位,在这潮流中如何趋吉避凶?


  这一波人工智能技术依靠机器学习,在原理上几乎没有新意,你会发现它们基本还是线性回归、逻辑回归、统计分类、支持向量机(SVM)、神经网络等很早就有东西的新版。它的惊人发展不是在理论上的突破,而是巨量的数据、有效的算法和强大的计算机功能,这些条件的成熟,涌现出巨量的市场应用需求,让它的时代到来。现在实践中被应用的,即使是最新的深度学习,除了一些技术层面的技巧和组合,其原理算法仍然与二三十年前并没多大的不同,基本的算法早已充分研究,通用程序库在各种语言都已开发可供下载。最重要不同点的是,现在较容易拥有巨量的数据和具有能处理这巨量数据的计算机。

  人工神经网络研究已有五十多年,计算机视觉研究已有几十年了。我的同学1986年获得法国计算机视觉与图像处理国家博士,回国后任科学院自动化所模式识别实验室主任,早就用神经网络来探索视觉图像识别,那时国家实验室计算机的功能还远不如现在的手机,训练样本至多上千,神经网络节点不过上百,虽然在研究有许多创见,拘于条件总体成效不彰。近年,斯坦福大学人工智能和视觉实验室主任李菲菲教授主持的
点个赞吧!您的鼓励让我们进步     无评论不新闻,发表一下您的意见吧
上一页123下一页
注:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • 在此页阅读全文

    猜您喜欢

    您可能也喜欢

    当前评论

    当前评论目前还没有任何评论,欢迎您发表您的看法。
    发表评论
    您的评论 *:
    安全校验码 *:
    请在此处输入图片中的数字
    The Captcha image
      (请在此处输入图片中的数字)

    Copyright © 加西网, all rights are reserved.

    加西网为北美中文网传媒集团旗下网站