最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

机器学习会成为2017年大数据​分析的瓦解者吗

[复制链接]
跳转到指定楼层
楼主
发表于 2017-1-20 18:06:51 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
新旧年份交接总让人心绪万千——感情中混合了乐观和焦虑。同时这也是一个回顾、反思和对未来进行预测的契机。
2016年发生了许多关于人工智能(AI)的“第一次”:特斯拉的自动驾驶系统第一次实现车祸预测、Alexa作为凶杀案证人被传唤、白宫发表人工智能白皮书以及谷歌的AlphaGo在围棋比赛中战胜人类冠军。AI战功赫赫的2016年已经过去,随着AI技术进一步渗入到人们的日常生活的方方面面,AI在2017年有望迎来更大进步。
以下是我们就此所做的一些展望。
更加个性化的AI
2016年见证了面向消费者推出的人工智能产品的增长。Alexa、Siri和小娜已经成了每个人手持设备的标配。亚马逊甚至还将Alexa开放给第三方开发者免费使用。可以期望2017年AI会出现在更多app上,其他科技巨头公司或将效仿亚马逊的开放策略,对开发者开放自家的AI系统。
通过这种更为协作的途径,我们终于可以期待看到人工智能的个性化发展。具有独特个性、气质乃至不同智力水平的AI程序将大量出现。
当下帮助机器思考的若干AI算法

(图/CIO Journal/Narrative Science)
更好的对话交互
试图同Siri或Alexa进行交谈常常令人抓狂。首先,她们没多少幽默感;其次这些机器人女士尚不能满足我们对一个智能助理的所有期待。坦率地讲她们很是乏味,丝毫不健谈。
但在2017年,这一切或许将要改变。
NVIDIA副总裁兼总经理吉姆·麦克修(Jim McHugh)预测,2017年将会有一款聊天机器人能够通过图灵测试,具有与人类无异的反应模式,以至于一般人无法判断它是人还是机器。机器学习、自然语言处理和模式识别技术的进展推动这种AI产生,并最终会推动产生更多人性化的AI程序。
“在未来,我们将看到系统在人性化过程上的进步,包括更自然、更流畅的谈话——将可以根据上下文解决多个需求。机器可以更深刻地理解人类的价值观和意图,比如识别我们在邮件和短信中对他人所作的承诺。”微软研究院总经理埃里克·霍维茨(Eric Horvitz)说。
不久的将来,你就可以同Alexa进行所期待的深刻、有意义的交谈。
机器认知
咨询公司Ovum称:“机器学习将是2017年大数据分析的最大瓦解者。”深度学习和神经网络的机制模拟了人类大脑的分层认知处理机制,已经显示出了实现类人水平的机器智能的可行性。
由于并行处理能力的大规模升级使网络能够处理更大的数据块,在2017年我们可以期待在机器学习方面取得更大进步。“生成式对抗网络”(GAN)是机器学习中的下一个大进展。
GAN本质上是双重网络,一个从数据集中学习,另一个对数据真假进行鉴别。
机器学习能力将在2017年迎来大提升,开始接近认识成熟。
得力助手
微软人工智能与研究部门的执行副总裁沈向洋(Harry Shum)对未来一年AI的发展进行了乐观展望:
“在2017年,我们将看到AI面向个人和组织部署的加快。随着技术的进步,计算机获得更强的能力来感知和理解我们的世界——这在提升我们生产力的同时带来更多乐趣。同时也将帮助应对疾病、蒙昧和贫穷等社会挑战。”
这似乎是人们对人工智能在新一年里发展的共识。不是什么神秘的奇点,也不是突然的“机器觉醒”给人类带来不幸。这些事不过是幻想,现实会平淡的多。
如果AI意味着人类工具的进化,只是被赋予有限的、近乎本能的意识,那么未来机器人将会是人类的得力助手。所以,不要期待2017年会出现“天网”或“哈尔9000”那样的科幻机器人,现实不会那么戏剧性。人们小步向前迈向新时代,在那里我们的工具将具有与人类相同的感知和反应能力。
至于2018年,那又会是另一个故事了,现在探讨还为时过早。
来源:网易智能


原文地址:http://www.shuju.net/article/MDAwMDg2N8zc4.html



楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-4-26 04:49

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表