4、多種算法的組合還是單一算法？
Xavier提出應(yīng)該盡可能使用組合算法，不同于強(qiáng)調(diào)原創(chuàng)性的學(xué)術(shù)研究，創(chuàng)業(yè)公司更需要“拿來主義”，只要能用上，多嘗試不同的算法組合來提高準(zhǔn)確率是個明智的選擇。
5、不要將一個模型的輸出作為另一系統(tǒng)的輸入
Xavier警告說這會是系統(tǒng)設(shè)計(jì)的噩夢。
發(fā)生在數(shù)字世界的關(guān)鍵性應(yīng)用和發(fā)生在物理世界的非關(guān)鍵性應(yīng)用
發(fā)生在數(shù)字世界的關(guān)鍵性應(yīng)用和發(fā)生在物理世界的非關(guān)鍵應(yīng)用對創(chuàng)業(yè)公司而言是機(jī)會比較多的領(lǐng)域。比如將人工智能用于金融領(lǐng)域和安全領(lǐng)域。又比如掃地或是玩具機(jī)器人是一個典型的發(fā)生在物理世界的非關(guān)鍵性應(yīng)用。這兩個領(lǐng)域是創(chuàng)業(yè)公司最有機(jī)會的。
人工智能顛覆性的理論突破仍需等待
通過神經(jīng)科學(xué)或是其他學(xué)科與計(jì)算科學(xué)交叉，尋找人工智能新理論的突破仍停留在理論研究階段。
雖然深度學(xué)習(xí)已經(jīng)獲得不少進(jìn)展，然而大家至今很多領(lǐng)域依舊是知其然而不知其所以然，而人工智能其實(shí)理論研究獲得的突破依舊。
對于現(xiàn)在基于概率和數(shù)理統(tǒng)計(jì)的深度學(xué)習(xí)而言，紐約大學(xué)神經(jīng)科學(xué)教授Gary Marcus希望從神經(jīng)生物學(xué)的角度尋找人工智能的突破。他剛剛加入新成立的Uber AI Lab。我們在此斷章取義地引用他的觀點(diǎn)，“目前對于人工智能最大的擔(dān)心是技術(shù)發(fā)展停滯不前”！這也是我們所擔(dān)心的。
在近幾年深度學(xué)習(xí)的浪潮中，人工智能領(lǐng)域的進(jìn)展更多是工程推進(jìn)，而不是理論突破，尤其是海量數(shù)據(jù)和超大規(guī)模的暴力計(jì)算。正如Peter Norvig曾經(jīng)談到Google在人工智能的出色表現(xiàn)時，就評論到“我們沒有更好的算法，我們僅僅是有更多的數(shù)據(jù)”。
而對于通用人工智能(Artificial General Intelligence)，Gary繼續(xù)批評過去幾十年徘徊不前?，F(xiàn)階段的智能不能像人一樣閱讀、理解、推理，無人駕駛的安全也不足以讓人信服……
人工智能研究的道路依舊任重道遠(yuǎn)!
登陸|注冊歡迎登陸本站，認(rèn)識更多朋友，獲得更多精彩內(nèi)容推薦！