当前位置:首页 > 程序人生

贾扬清AI大会旧金山站演讲:AI如何重塑传统软件行业

发布时间:2019-06-27 08:40:35   编辑:it技术学习网   阅读次数:

摘要:嘉华杨清AI大会在旧金山站的讲话:AI如何重塑传统软件行业

AI正在改变人类社会,如研究和新药开发的每一个环节,提高人们的生活习惯,等。。好了,在这个新时代,AI是如何重塑软件工程行业它?

来自Caffe基于创始人,演讲AI大会在旧金山站,核心TensorFlow贾扬塔·之一奥赖利和英特尔联合主办的传统的软件工程的秘密痛点做“反思AI软件工程中的时间”,他希望大家清楚分享他们的思维人工智能的时代,软件开发工程行业。

长期以来,我们一直理所当然的事来区别对象,颜色,形状思考能力。那是什么意思?例如,当细菌消化提道“切美男”的时候,我相信很多姐妹们的小提示,但你不知道如何着色TA,或者计算机描述/描述“切美男”?

注:砍男色传说涂口红的颜色可以无敌,无数逗哥哥,涨幅都直男的心。

在图像识别和处理,由传统的软件工程设计规则(规则),这是用于描述硬编码对象特征的领域中,以计算机视觉问题。学习梯度直方图的深度方向之前(梯度的直方图称为HOG)火遍南北。

什么是HOG?简单地说,HOG试图收集本地图像统计数据,或者可以理解为它试图找到在各个方向上的物体的边界。例如,当您在图表箭头仔细看(希望),你可以看到物体类似车辆的轮廓。

\

是不是仿佛又回到了儿时的身体检查,看看色盲卡?再来一张,这不是更好?

因此,传统的软件工程需要告诉计算机规则是什么,或者什么功能,并一步一步“告诉”怎么办电脑。可以想见,这样的设计本身限制了计算机视觉的进一步发展。

起批数据的许可,以鱼:逻辑的调整编程到模型从

在26%停滞传统图像识别技术的错误率,许多科学家着急,学者,研究人员。

这时,一个名叫阿莱克斯Krizhevsky小弟弟,提出了一个更抽象的方式来写的模块,设计了我们今天所说的“卷积神经网络”的典范。和培养,并用大量的数据构建它,以实现从传统图像识别逻辑编程到建模的过渡。

这种方法的效果是大地晃动,并且相对于传统的图像识别技术来实现在飞越精度方面。AlexNet在2012 ImageNet取得好成绩的第一个错误率5?15%。

的5‘和3层AlexNet卷积完全连接层,65万和6000万个神经元的配置参数。其中卷积层起到抽象和特征提取的作用。

以往的图像识别方法,由分类器提取的手动指定,HOG特征然后放置,识别。通过概率由自学习特征图像的卷积层,并输出所取得的AlexNet层完全连接,确定“一站式”服务的分类。一个真正好的!

参考:

HTTP:// WWW。图片网。组织/挑战/ LSVRC / 2012 /监督。PDF格式

有趣的是,有生物的后端支持AlexNet。研究发现,在我们的视觉皮层神经元进行分层推断。信息从一层传送到下一层,然后到下一个级别,从而允许大脑提取越来越复杂的信息。

金数据

传统的方式是如何编写软件?当我们编写软件,源代码被放入编译器,编译器将源代码转换成计算机将能够解释,运行低级别的机器语言。

在人工智能领域,我们编写程序或模型已被编译和传统的软件工程是不同的。它不再是一组逻辑,但基于不同的训练数据和目标数据,以及程序,以获取不同的车型。这些模型可以推导出一个一般的规则,那么大量的数据和计算,以获得准确的结果。

例如,对于约1.200万图像数据集合,以应对这些挑战传统的方式被编译,它需要大约一百万万亿次计算(1个exaflop)训练的照片网络模型。

是什么概念?如果我们允许每个人做伦敦每秒浮点运算,它需要约四千年的时间来训练模型。

事实上,我们已经意识到,在计算人工智能的方式是非常野蛮。特别是在卷积神经网络或神经网络覆盖,我们需要做大量的浮点运算(浮点运算)。

因此,在几年前,我们开始建立和发展更高效的硬件。此外,我们还建立了要计算的数据中心,群集大小或环境(刻度簇或环境)。

与此同时,我们也看到了科学计算算法的回报,比如那些用来预测天气的传统方法。

这将推动软件设计的发展,现在我们不再使用的代码编译,但在计算阶段(计算相)的代码和数据,或者我们可以称之为代码编译的现代版。

当然,他引用一句谚语:巧妇难为无米之炊。数据已经成为人工智能的生态系统是一个非常重要的组成部分。

互联网时代,产生了大量的数据,并充满了我们的生活。用大量的黄金作为一般的数据面前,我们真的从开采的黄金做?或者,我们的模型能够处理如此大的数据量也?

在Facebook上,拥有一批优秀的小伙伴试图回答这个问题。他们分享了很多通过互联网常见的图片和相关信息,如标签,训练模型,找出这些图片有什么。

通过这个项目的训练数据的不断增加,最后达到约4.5张十亿图片,模型的质量和精度也将上升。换句话说,只要有更多的数据,我们将能够带来更多更好的高品质典范。

在这些领域,我们看到的是一个数据驱动的方法,而不是硬编码或传统的软件工程教育计划。我们需要做的是提供了大量的数据,则没有太多的人工干预,它可以是一个理想模型。完善!

迫使它算?

人工智能软件工程的时代逐渐形成三个关键组件的良性循环:设计模型中,我们可以从大量的数据信息,利用我们现在有强大的计算能力,或者更好的算法,智能开门。

数据的涌入,使我们能够为这些复杂模型的训练提供燃料。硬件开发,这样我们就可以得到更多的计算资源,使我们可以在几天,甚至几个小时在几秒钟内完成这个任务。

随着计算机硬件技术的发展,现在我们可以使用这些模型将被部署在各种设备上的。此前,我们的电话是手机。今天,我们的手机不仅仅是一个电话,或者一个个人助理更智能世界的方式连接到相机之一。

未来已经到来?或者也可以在将来?

\

有时候我想,我们需要做些什么?它似乎有它全部完成。是不是?人工智能,我们变得越来越普遍的理解和认识,我们有很多的模式和高大强悍的硬件设备,但我们仍处于非常原始的阶段。

当我们试图管理模型实验中,我们有时会用一些非常古老的手工方法,如Excel电子表格。现在,在传统的软件工程有更好的方式,如持续集成(持续集成)。

我们知道,当我们编写软件,对版本控制(版本控制)一个复杂的系统,以确保代码测试和质量控制。而当我们使用电子表格来管理我们的实验考虑的项目,并没有出现这些问题。

所以现在的问题是,我们如何控制和SDK现代和当代的不断融合现代化的版本,它?对于AI系统,就变得非常困难。不仅改变算法的原因,数据每天都在变化。而反过来,这些变化,并反过来影响即将到来的模型和新的硬件将被部署。

\

这三个因素相互作用,并与奉献交织。所以,现在的软件工程不只是停留在代码级别,它需要处理的数据和计算资源,从而保证了结果的准确性,并确保我们能够有效地管理软件和系统。

它是一个开放的问题,因为我们需要做大量的工作,让AI能够继续增长。让我开心和兴奋,越来越多的人有兴趣,并加入AI。现在,越来越多的学术论文引用卷积神经网络,指数增长的数量,这是非常相似的摩尔定律。对于我个人而言,我非常期待看到进展和人工智能更多的应用程序,以帮助促进我们的社会和增强。

杨青积嘉要面对它面对面讲座?今年6月,O’Reilly的AI会带来贾扬清,离子斯托伊卡等一众领导AI有朋友到北京。从硅谷和中国知名企业,包括谷歌,易趣,盆景,尤伯杯,英特尔,微软,阿里巴巴,亚马逊,腾讯,SAS,团结,SalesForce公司,IBM,麻省理工学院,伯克利分校,斯坦福大学和牛津大学目前已经确认的演讲人工智能专家大学。

参加抢票:

当前AI会2019北京站售票是热的,或搜索AI大会会议人工智能,进入官方网站查看详情。

本文来源:网易编辑:丁广生_NT1941

本文链接:贾扬清AI大会旧金山站演讲:AI如何重塑传统软件行业

友情链接: 心经结缘 大悲咒 大悲咒功德
网站地图
it技术学习网版权所有   苏ICP备18043316号