分分pk10

智能科技模(mo)板(ban)
新闻详情

学界与工业界的AI研究:有哪些重要不同?

发表时间:2019-02-19 00:00

我(wo)之前在(zai)学术界(jie),现(xian)在(zai)在(zai)工业界(jie)。现(xian)在(zai)不(bu)少学界(jie)的科学家都(dou)到(dao)公司里面做分(fen)(fen)分(fen)(fen)pk10,通常遇(yu)到(dao)的一(yi)个(ge)问(wen)题是(shi):在(zai)工业界(jie)从事分(fen)(fen)分(fen)(fen)pk10和以前在(zai)学界(jie)究(jiu)竟有哪(na)些不(bu)同?很多关心(xin)分(fen)(fen)分(fen)(fen)pk10的人(ren)会有这样的疑问(wen)。我(wo)想从自己(ji)的经历出发,谈(tan)一(yi)下我(wo)的体会,希望能提供一(yi)些借鉴。




去年,我(wo)们讲(jiang)到人(ren)工智能(neng)(neng)有“三要(yao)素”:算(suan)法(fa)、算(suan)力(li)和(he)数(shu)据(ju)。从今年开始,我(wo)们把场景加入进来,开始用“四元分析”的(de)方式来理解人(ren)工智能(neng)(neng)。




为什么(me)要加入场景(jing)?去年(nian)大家对人(ren)(ren)工智(zhi)能非常(chang)热(re)情(qing),包括学校、企业都在(zai)(zai)讨论。但是(shi),一年(nian)过去了(le),大家在(zai)(zai)想人(ren)(ren)工智(zhi)能到底给我们带来了(le)什么(me)实(shi)(shi)实(shi)(shi)在(zai)(zai)在(zai)(zai)的(de)(de)价(jia)值?其实(shi)(shi),加入场景(jing)非常(chang)重(zhong)要的(de)(de)原(yuan)因是(shi)人(ren)(ren)工智(zhi)能终究是(shi)一种技术,人(ren)(ren)工智(zhi)能必(bi)须要落实(shi)(shi)到精准的(de)(de)场景(jing),才有它实(shi)(shi)实(shi)(shi)在(zai)(zai)在(zai)(zai)的(de)(de)价(jia)值。

我(wo)(wo)们现(xian)在(zai)来看一下(xia),在(zai)学(xue)术(shu)界(jie)是怎么(me)做人(ren)工(gong)智能。因为人(ren)工(gong)智能的(de)概念实(shi)在(zai)太大了,现(xian)在(zai)深(shen)度(du)学(xue)习热,那我(wo)(wo)们就(jiu)看下(xia)在(zai)学(xue)术(shu)界(jie)里(li)研(yan)究(jiu)深(shen)度(du)学(xue)习,会(hui)做一些什么(me)事(shi)情。




一(yi)般情况下(xia),学(xue)术界是(shi)把问题(ti)设立好之后,去(qu)思考研究一(yi)些新的(de)(de)(de)算法,然后在(zai)具(ju)体的(de)(de)(de)问题(ti)上(shang),力图在(zai)精(jing)度(du)上(shang)达到极限。从深度(du)学(xue)习上(shang)设计更好的(de)(de)(de)模(mo)型结(jie)构(gou)方面,大家可以(yi)(yi)看到在(zai)过去(qu)这(zhei)些年,像(xiang)初的(de)(de)(de)Hinton用基(ji)本(ben)的(de)(de)(de)网(wang)(wang)(wang)络(luo)(luo)结(jie)构(gou),到谷(gu)歌的(de)(de)(de)GoogleNet,微软的(de)(de)(de)残差网(wang)(wang)(wang)络(luo)(luo)(ResNet),到今年我们参加比(bi)赛所(suo)设计的(de)(de)(de)模(mo)型,可以(yi)(yi)看到基(ji)础(chu)网(wang)(wang)(wang)络(luo)(luo)结(jie)构(gou)是(shi)推动学(xue)术界往前走(zou)的(de)(de)(de)核(he)心。但是(shi)除了(le)基(ji)本(ben)的(de)(de)(de)网(wang)(wang)(wang)络(luo)(luo)结(jie)构(gou)之外,更大的(de)(de)(de)网(wang)(wang)(wang)络(luo)(luo)、更深的(de)(de)(de)网(wang)(wang)(wang)络(luo)(luo)以(yi)(yi)及不同的(de)(de)(de)网(wang)(wang)(wang)络(luo)(luo)模(mo)型的(de)(de)(de)融合,也是(shi)大家追逐(zhu)精(jing)度(du)的(de)(de)(de)常用方法。




另一(yi)(yi)(yi)方面,我们要训练(lian)(lian)这些网络,可(ke)能需要更多(duo)的(de)(de)(de)(de)计算资(zi)源,比如(ru)(ru)像图形处理器集群(GPU Cluster),比如(ru)(ru)说(shuo)我们希望有(you)更便捷的(de)(de)(de)(de)训练(lian)(lian)平台,比如(ru)(ru)说(shuo)像Caffe、MxNet、Tensorflow等(deng)等(deng)。当(dang)然,更重要的(de)(de)(de)(de)是大家在(zai)一(yi)(yi)(yi)点点往前推动的(de)(de)(de)(de)同时(shi),积(ji)累了很多(duo)小的(de)(de)(de)(de)经(jing)验(yan),这些经(jing)验(yan)通过(guo)学术报告,通过(guo)论文的(de)(de)(de)(de)形式来分享(xiang)。大家都站(zhan)在(zai)巨人的(de)(de)(de)(de)肩膀上在(zai)一(yi)(yi)(yi)步(bu)一(yi)(yi)(yi)步(bu)往前走。当(dang)然,还有(you)怎(zen)么样(yang)用其(qi)它(ta)的(de)(de)(de)(de)非标(biao)注的(de)(de)(de)(de)数据来提(ti)升解决问题的(de)(de)(de)(de)能力(li)。所有(you)的(de)(de)(de)(de)一(yi)(yi)(yi)切(qie)都合在(zai)一(yi)(yi)(yi)起,在(zai)解决具体问题的(de)(de)(de)(de)时(shi)候,能够把(ba)精度达到极限。




学术界(jie)很多时(shi)候(hou)研究的(de)(de)(de)目的(de)(de)(de),是(shi)要有(you)成果论文发在(zai)优质的(de)(de)(de)学术杂志(zhi)上(shang),也希望这些算法能(neng)够具有(you)普适性,除(chu)了能(neng)解决自己的(de)(de)(de)问题(ti),其他(ta)人也能(neng)借(jie)鉴,较好能(neng)开(kai)源,所有(you)的(de)(de)(de)人都可以(yi)去(qu)使(shi)用,这样就能(neng)很好的(de)(de)(de)提升自己在(zai)这个领域(yu)的(de)(de)(de)影响力。




刚刚说的(de)(de)像深度(du)学习(xi)去(qu)解(jie)决图(tu)像识别的(de)(de)很多问题,大家可以看到在(zai)(zai)过(guo)去(qu)的(de)(de)几年,错误在(zai)(zai)一(yi)(yi)点一(yi)(yi)点的(de)(de)降低(di),这正是大家在(zai)(zai)追逐(zhu)精度(du)的(de)(de)极限(xian)。

但是工(gong)业(ye)界不(bu)是这样(yang)(yang)。工(gong)业(ye)界要去(qu)探索商业(ye),注定要有经(jing)济(ji)上的考(kao)虑,思考(kao)盈利模式,那对人工(gong)智能(neng)的考(kao)虑就会不(bu)一样(yang)(yang)。




在(zai)工业界里待(dai)过就(jiu)会(hui)明白,人工智(zhi)能(neng)(neng)本身并不是一(yi)个(ge)产品(pin),不是单纯(chun)靠(kao)人工智(zhi)能(neng)(neng)就(jiu)能(neng)(neng)获得利益(yi),必须要通过与自(zi)己的业务和场景(jing)相(xiang)结合(he),才能(neng)(neng)发挥它的价(jia)值,核心算法只是其中的一(yi)个(ge)模块(kuai)而已(yi)。无论是往前端走,还(hai)是往后端走,还(hai)是需要很多(duo)不同类型的人,才可以做出一(yi)个(ge)产品(pin)。




重要的(de)是(shi),人(ren)工智(zhi)能并不是(shi)一个(ge)静态的(de)东西。比(bi)如说训(xun)练出来的(de)模型(xing),要用(yong)到(dao)某个(ge)业务场(chang)景里面,业务场(chang)景里产(chan)生新的(de)数据,这些数据进一步提升人(ren)工智(zhi)能模型(xing)的(de)能力,再用(yong)到(dao)场(chang)景里面,这是(shi)一个(ge)闭环和不断迭代(dai)的(de)过程。




另一方(fang)面(mian),也是很(hen)多从学术(shu)(shu)界到(dao)(dao)工业(ye)界的(de)教(jiao)授和学者经常很(hen)容易犯的(de)一个(ge)很(hen)严(yan)重的(de)错(cuo)误(wu)。就(jiu)是认(ren)为(wei)技术(shu)(shu)在真正(zheng)推动产品(pin),但其实(shi),用在具体的(de)场景(jing)里面(mian),技术(shu)(shu)只是起到(dao)(dao)一个(ge)非常小的(de)作用,如果说它的(de)贡(gong)献大概到(dao)(dao)30%到(dao)(dao)40%就(jiu)不错(cuo)了。




一个成功的(de)(de)产品(pin),还(hai)需要(yao)产品(pin)工程师和非(fei)常多的(de)(de)人(ren),大家一起才(cai)能做出(chu)一个非(fei)常完美的(de)(de)用(yong)户(hu)体验的(de)(de)产品(pin)出(chu)来。一个核心点就是我(wo)们做技术的(de)(de)人(ren),做研(yan)究的(de)(de)人(ren),要(yao)明白永远没有(you)完美的(de)(de)算(suan)法,算(suan)法永远是有(you)瑕疵(ci)存在的(de)(de),我(wo)们一定要(yao)和场景工程师在一起,通过好的(de)(de)产品(pin)设(she)计,把这些算(suan)法上的(de)(de)瑕疵(ci)避(bi)免掉,产生没有(you)瑕疵(ci)的(de)(de)用(yong)户(hu)体验。




比(bi)(bi)如(ru)说(shuo)有一(yi)(yi)(yi)个很现实(shi)的(de)(de)(de)(de)(de)(de)(de)场(chang)景,人脸(lian)的(de)(de)(de)(de)(de)(de)(de)检(jian)测和定(ding)位的(de)(de)(de)(de)(de)(de)(de)技术之后,大家都(dou)想做(zuo)一(yi)(yi)(yi)些非常有趣(qu)的(de)(de)(de)(de)(de)(de)(de)增强现实(shi)的(de)(de)(de)(de)(de)(de)(de)应用。早期(qi)的(de)(de)(de)(de)(de)(de)(de)时(shi)候,我们特别(bie)享受(shou)(shou)技术有多(duo)么(me)牛,比(bi)(bi)如(ru)早期(qi)产(chan)(chan)(chan)品的(de)(de)(de)(de)(de)(de)(de)设计模式(shi),会(hui)看一(yi)(yi)(yi)张图能不(bu)(bu)(bu)(bu)能把(ba)我的(de)(de)(de)(de)(de)(de)(de)脸(lian)换成刘德华的(de)(de)(de)(de)(de)(de)(de)脸(lian),即(ji)使(shi)在脸(lian)动(dong)的(de)(de)(de)(de)(de)(de)(de)时(shi)候,在张嘴闭(bi)嘴的(de)(de)(de)(de)(de)(de)(de)时(shi)候,看起来都(dou)像刘德华。可是(shi),很多(duo)时(shi)候如(ru)果(guo)产(chan)(chan)(chan)品的(de)(de)(de)(de)(de)(de)(de)定(ding)位是(shi)这(zhei)样(yang)子,技术永远(yuan)都(dou)不(bu)(bu)(bu)(bu)可能做(zuo)得非常好,为什么(me)呢?人脸(lian)的(de)(de)(de)(de)(de)(de)(de)场(chang)景,光照条件或者是(shi)姿态不(bu)(bu)(bu)(bu)一(yi)(yi)(yi)样(yang),就会(hui)产(chan)(chan)(chan)生一(yi)(yi)(yi)种(zhong)烧(shao)伤脸(lian)的(de)(de)(de)(de)(de)(de)(de)感觉(jue)(jue),不(bu)(bu)(bu)(bu)会(hui)产(chan)(chan)(chan)生很好的(de)(de)(de)(de)(de)(de)(de)效果(guo)。但是(shi),像我们,还有国(guo)外的(de)(de)(de)(de)(de)(de)(de)一(yi)(yi)(yi)些创业公(gong)司,他们的(de)(de)(de)(de)(de)(de)(de)想法就是(shi)没有必要(yao)把(ba)人脸(lian)全都(dou)换掉,只(zhi)要(yao)利用人脸(lian)定(ding)位的(de)(de)(de)(de)(de)(de)(de)技术,可以(yi)在脸(lian)上加一(yi)(yi)(yi)些花(hua)卉,有蝴蝶飞,这(zhei)样(yang)即(ji)使(shi)人脸(lian)定(ding)位的(de)(de)(de)(de)(de)(de)(de)技术还不(bu)(bu)(bu)(bu)是(shi)很完美,还有一(yi)(yi)(yi)些抖动(dong)的(de)(de)(de)(de)(de)(de)(de)情况,产(chan)(chan)(chan)生出来的(de)(de)(de)(de)(de)(de)(de)视觉(jue)(jue)效果(guo),还是(shi)可以(yi)接受(shou)(shou)的(de)(de)(de)(de)(de)(de)(de)。这(zhei)是(shi)一(yi)(yi)(yi)个典型的(de)(de)(de)(de)(de)(de)(de)例子,需要(yao)算法和产(chan)(chan)(chan)品相互结(jie)合才(cai)能产(chan)(chan)(chan)生没有瑕疵的(de)(de)(de)(de)(de)(de)(de)用户体验。




我佩服的(de)应(ying)该是Snapchat, 他们的(de)技(ji)术(shu)是做算法的(de)和做工(gong)程设计的(de)人(ren)在(zai)一起,一个(ge)一个(ge)的(de)效果不停地打磨(mo)。他们用的(de)人(ren)脸的(de)技(ji)术(shu),像分割的(de)技(ji)术(shu),像SLAM(simultaneous localization and mapping, 即时定位(wei)与地图构建)技(ji)术(shu),这(zhei)些技(ji)术(shu)都(dou)不是完美的(de)。在(zai)这(zhei)种情况下,通过工(gong)程师的(de)产品设计,把每一个(ge)特效都(dou)做的(de)非(fei)常有(you)意思(si),非(fei)常酷。




此(ci)外,除了(le)考虑用户体(ti)验,工(gong)业界设计一个产(chan)品还会(hui)考虑其它方面。比如,当前(qian)把视觉,语音和相关的技术用在智能(neng)硬件上(shang)的时候(hou),可能(neng)会(hui)想,到底这个产(chan)品是不是能(neng)满足某(mou)种高频(pin)的刚需?




我原来(lai)在(zai)新(xin)加坡(po)每年写很(hen)多文章(zhang),一年写50、60篇的(de)文章(zhang)都(dou)有(you)可(ke)(ke)能。那时候(hou)有(you)一个很(hen)明显的(de)特(te)点,在(zai)写文章(zhang)的(de)时候(hou)我们会(hui)造一个场景(jing),这(zhei)个场景(jing)从(cong)用户(hu)需求来(lai)说(shuo),根本就不(bu)存在(zai);从(cong)写文章(zhang)的(de)角度来(lai)说(shuo)是(shi)有(you)价值的(de),从(cong)产(chan)品的(de)角度来(lai)说(shuo),不(bu)一定有(you)价值。工业界还(hai)会(hui)考虑一款产(chan)品用到的(de)技(ji)术有(you)没(mei)有(you)成熟?比如说(shuo)家(jia)用机器人(ren),可(ke)(ke)以端茶送水,可(ke)(ke)以聊天,这(zhei)是(shi)不(bu)可(ke)(ke)能的(de),技(ji)术上还(hai)有(you)一个过(guo)程。




另外,工(gong)业界(jie)还会考虑技术成熟了(le),但有没有壁(bi)(bi)(bi)垒(lei)(lei)(lei)?假设没有技术壁(bi)(bi)(bi)垒(lei)(lei)(lei)的话,今天做(zuo)一个产品出(chu)来,比(bi)较前(qian)沿的大(da)公司,都有专家团队(dui),你(ni)把这个产品做(zuo)出(chu)来立马又失掉了(le),技术上的壁(bi)(bi)(bi)垒(lei)(lei)(lei)也一定要有。




另外一方(fang)面,就是学术(shu)界(jie)想得(de)少的(de):我(wo)们做一个(ge)场景,一定要有(you)变现(xian)的(de)模式。没有(you)一个(ge)变现(xian)的(de)模式,我(wo)们的(de)产品出来了,但是今后(hou)挣不(bu)(bu)了钱(qian),也不(bu)(bu)可能让这个(ge)公司维系下(xia)去。这些都(dou)是工业界(jie)和(he)学术(shu)界(jie)思考的(de)点不(bu)(bu)一样的(de)地方(fang)。

总的(de)来说(shuo)(shuo),学界进行人(ren)工(gong)智能(neng),深度学习的(de)研究,一(yi)直(zhi)是在追求精度和极限。用四元分析的(de)方法(fa)来说(shuo)(shuo)就非常有意思(si),即我(wo)们的(de)场(chang)景和数据(ju)确定(ding)了,然(ran)后设(she)(she)定(ding)一(yi)个问题,设(she)(she)定(ding)一(yi)个数据(ju)集,假设(she)(she)有足够多(duo)的(de)计算机资源,怎么(me)样(yang)设(she)(she)计新的(de)算法(fa),让精度能(neng)够达到极限?




我们知(zhi)道有很多(duo)的(de)(de)(de)数据集,比(bi)如ImageNet,号称人(ren)工智能的(de)(de)(de)世界杯;人(ren)脸研究界有LFW(Labeled Faces in the Wild,人(ren)脸图片的(de)(de)(de)数据库,用(yong)来研究不(bu)受(shou)限的(de)(de)(de)人(ren)脸识别问(wen)题);在(zai)视(shi)频(pin)领(ling)域有美国(guo)组织的(de)(de)(de)TRECVID;语音的(de)(de)(de)话有Switchboard。他们共(gong)同特点就是:问(wen)题和(he)数据都是确定的(de)(de)(de),用(yong)尽量多(duo)的(de)(de)(de)计算(suan)机资源,去设计不(bu)同的(de)(de)(de)算(suan)法,终是希(xi)望达到精(jing)度的(de)(de)(de)上限。




但(dan)是(shi)我们不(bu)得(de)不(bu)承认,这里(li)面很(hen)多的(de)成(cheng)果是(shi)没(mei)有办法商(shang)业化的(de)。为什么?在(zai)(zai)ImageNet上,假设训练(lian)了1000多层(ceng)的(de)网络,把(ba)9个(ge)或更多网络全部合在(zai)(zai)一(yi)起能(neng)达成(cheng)一(yi)个(ge)很(hen)好的(de)精(jing)度,在(zai)(zai)现实的(de)场景(jing)下是(shi)不(bu)可能(neng)用(yong)这么大(da)的(de)模(mo)型(xing)和这么多的(de)资源(yuan)去做一(yi)件事(shi)情。所以,很(hen)多的(de)成(cheng)果,是(shi)假设将来(lai)计(ji)算(suan)能(neng)力(li)达到一(yi)定的(de)程度,精(jing)度能(neng)够(gou)达到这个(ge)上限(xian)。




AI研究的(de)另外一(yi)个(ge)维(wei)度是(shi)追求(qiu)用(yong)(yong)户体(ti)(ti)验的(de)极限。用(yong)(yong)四元分(fen)(fen)(fen)析的(de)方法,是(shi)把(ba)场(chang)景(jing)(jing)(jing)(jing)(jing)和(he)(he)算(suan)力(li)(li)固定(ding)了。这(zhei)(zhei)(zhei)是(shi)什么(me)(me)意(yi)思(si)?假设我(wo)(wo)们(men)要(yao)做一(yi)个(ge)机(ji)器人(ren),这(zhei)(zhei)(zhei)个(ge)机(ji)器人(ren)希望它能(neng)识别你(ni),这(zhei)(zhei)(zhei)时候场(chang)景(jing)(jing)(jing)(jing)(jing)是(shi)确(que)定(ding)的(de)。算(suan)力(li)(li)确(que)定(ding)了是(shi)说,这(zhei)(zhei)(zhei)个(ge)场(chang)景(jing)(jing)(jing)(jing)(jing)推出(chu)的(de)时候,用(yong)(yong)什么(me)(me)样的(de)芯片和(he)(he)什么(me)(me)样的(de)硬(ying)件,其实(shi)已经确(que)定(ding)了。我(wo)(wo)们(men)要(yao)做的(de)事(shi)情是(shi)在这(zhei)(zhei)(zhei)样一(yi)个(ge)确(que)定(ding)场(chang)景(jing)(jing)(jing)(jing)(jing)和(he)(he)算(suan)力(li)(li)的(de)情况下(xia),怎么(me)(me)样去(qu)提升数据和(he)(he)算(suan)法,分(fen)(fen)(fen)分(fen)(fen)(fen)pk10具体(ti)(ti)的(de)应用(yong)(yong)场(chang)景(jing)(jing)(jing)(jing)(jing)去(qu)形成(cheng)一(yi)个(ge)闭环,去(qu)不断地迭代,去(qu)提升它的(de)性能(neng)。这(zhei)(zhei)(zhei)分(fen)(fen)(fen)分(fen)(fen)(fen)pk10学术界(jie)把(ba)场(chang)景(jing)(jing)(jing)(jing)(jing)和(he)(he)数据固定(ding)是(shi)完全(quan)不一(yi)样。在这(zhei)(zhei)(zhei)种(zhong)场(chang)景(jing)(jing)(jing)(jing)(jing)下(xia),可以(yi)不停的(de)用(yong)(yong)收集(ji)到的(de)新数据不停提升和(he)(he)优化模型,在数据,算(suan)法和(he)(he)场(chang)景(jing)(jing)(jing)(jing)(jing)形成(cheng)一(yi)个(ge)闭环。虽然我(wo)(wo)们(men)能(neng)把(ba)所(suo)有的(de)问题解决(jue),但是(shi)在具体(ti)(ti)的(de)场(chang)景(jing)(jing)(jing)(jing)(jing)下(xia),也有可能(neng)逐步(bu)地提升它的(de)性能(neng)。




这时候做(zuo)(zuo)的事情很(hen)有(you)意思,要(yao)做(zuo)(zuo)很(hen)多(duo)数据的清洗、标注(zhu)。为了把产品的价格降低,比如(ru)用一(yi)个很(hen)差的CPU就能够去(qu)做(zuo)(zuo)计算,肯定要(yao)不(bu)停地去(qu)优化模型的速(su)度。另一(yi)方面,很(hen)多(duo)时候,满足这种体验的需求会有(you)一(yi)些(xie)新的问题出来。




如果(guo)我们(men)仔细想(xiang)(xiang)一(yi)(yi)想(xiang)(xiang),学术界(jie)多数做的(de)事情是在思考,在想(xiang)(xiang)它的(de)极(ji)限在哪,主要(yao)用(yong)脑;工业界(jie)并(bing)不是强调(diao)用(yong)脑,而是用(yong)心(xin)——就是怎么样能把这(zhei)个场景(jing)做出来,并(bing)不一(yi)(yi)定要(yao)有(you)非常(chang)高大上的(de)算法,就是要(yao)从用(yong)户(hu)使用(yong)产品的(de)维度(du)上,让用(yong)户(hu)感觉这(zhei)个产品非常(chang)好。




学术界和(he)工(gong)(gong)业(ye)界又不是完全割(ge)裂的:工(gong)(gong)业(ye)界敢去(qu)提某一个产品(pin)的设想,是看到(dao)了在(zai)(zai)学术界有(you)一些(xie)前(qian)沿(yan)的成果(guo),可(ke)(ke)以(yi)在(zai)(zai)工(gong)(gong)业(ye)界来用。同时,工(gong)(gong)业(ye)界也在(zai)(zai)逐步(bu)提炼它的问题(ti),扔给(ji)学术界,希望他们去(qu)做这(zhei)种前(qian)沿(yan)的探索。比如(ru)说(shuo)工(gong)(gong)业(ye)界可(ke)(ke)以(yi)想,三年(nian)、五年(nian)以(yi)后会往(wang)哪(na)些(xie)方(fang)向去(qu)推(tui)动,他就可(ke)(ke)以(yi)把这(zhei)些(xie)任(ren)务推(tui)给(ji)学术界。




现在(zai)有很多公司,在(zai)中(zhong)国和在(zai)美国纷纷建立AI实验室,其实有两(liang)种(zhong)目标。一(yi)方面(mian)是(shi)长期希望能瞄(miao)准将来前沿的(de)领(ling)域,做技(ji)术的(de)积累;另一(yi)方面(mian)是(shi)要追求产品更好的(de)落地,所以现在(zai)很多公司就建起(qi)了自(zi)己人工智能的(de)实验室。




在人工(gong)智能(neng)深度学习的研究(jiu),学术界和工(gong)业(ye)界的差别(bie)还(hai)是(shi)很大(da)的,同时也相(xiang)互作(zuo)用(yong),相(xiang)互增强(qiang)。学术界和工(gong)业(ye)界一(yi)起合(he)作(zuo),研究(jiu)和产业(ye)相(xiang)结合(he),一(yi)定会把人工(gong)智能(neng)带上另外一(yi)个阶(jie)段。


分享(xiang)到:
Intelligent technology Design
QQ:258506508 联系电话:020-000000    000-000000
联(lian)系(xi)邮箱:xxx@.co.m
联系地址:XXX省XXX市XXX县XXX路XXX号

分分pk10(www.sergioaltamura.com)分分pk10【2021官方推荐信誉平台】知名的在线娱乐游戏网站,引领国内彩票投注的新动向,分分pk10平台-打造最新最全最火的娱乐论坛!