关于人工智能的几点思考

几天前,作为报告人之一参加了产险的科技开放日,从几位真正专家身上学到了不少新的观点和知识,所以写下了这篇总结性短文。

对大脸的照顾

马老师

在1:n的人脸识别场景下,算法会先做优化,识别出框内最大的那个脸,再去定位这张脸是谁。因为一般来说总归是站在最前面的人脸最大。。。

Remark

怪不得之前经常发生隔着两个人把我识别出来的囧事儿。。。原来算法对大脸真的特别优先照顾。。。

AI专家应该全栈

肖博士

1、其实人脸识别在10年前就被认为是已经攻克了的问题,这个场景和ImageNet比赛的不一样。那么现在的人脸识别挑战都主要在后端的检索优化,如何用KNN快速计算出相似度。我们之前有在Bing试过,人脸特征计算模型学出特征的同时开始构建KDTree,后来为了加速查询的性能,构建时在KDTree的叶子节点再不断插入跳表,最后整个检索速度快了10倍以上。

2、AI专家本来就应该是全栈的。

Remark

非常认同,真正的AI专家都应该是全栈的,即懂学习算法也有扎实的计算机基本功,还需要懂业务懂场景。目前的大数据和AI从业者极多,一片繁华,但是功底扎实能文能武的却少之又少,大多数还停留在调包调参的阶段。

过几年人工智能的浮夸泡沫会破,但并不是说整个行业会消失,而是随着不断的深耕以及对场景的深入挖掘,真正的AI专家们会逐渐占据更大的优势逐渐脱颖而出,并改写很多行业的商业逻辑。

人工智能是什么鬼

罗教授

1、人工智能到底是什么鬼?很多场景根本不适合使用人工智能,因为成本比传统方法都高。

2、如果要判断一个场景能否用人工智能去解决,那么需要思考"模型(数据)=目标结果"的=号是否能成立?如果是不成立的场景,那也没法使用人工智能,因为根本没法学出稳定的模型。但如果=号成立,那就都能学出来,只看愿意花多少成本去进行人工标注。

Remark

之前在数字化转型峰会上也说过类似的观点——“一切深不可测但不能有效服务业务的模型都是耍流氓”。

很多时候从业者会为了追求高大上而会选择让模型越深越好,但过程即不可解释、人也不敢轻易去调参。

其实,这种深度情节只能唬唬自己,到底值几斤几两大家其实都心知肚明。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180729G134K500?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券