国产亲妺妺乱的性视频播放,9797WWW成人影片,99精品国产在热久久无毒不卡 ,西方37大但人文艺术人山踪林

Richard Socher 在等待自己的人工智能程序回答問題時(shí)很緊張。問題很簡單：「這個(gè)網(wǎng)球選手戴帽子了嗎？」電腦屏幕上「正在處理」的字樣讓人感覺時(shí)間就此停滯了，懷疑是不是死機(jī)了。然后程序給出了一個(gè)人類瞬間就能給出的答案：「戴了。」

Socher 握緊拳頭，以此慶祝這一小小的勝利，他是 MetaMind 公司的創(chuàng)始人。MetaMind 是硅谷眾多推行模式識(shí)別軟件的公司之一，它們會(huì)與日益龐大的數(shù)據(jù)結(jié)合，振興人工智能領(lǐng)域。公司成立于2014年，并在當(dāng)年獲得了 800 萬美元的融資，投資人包括Salesforce 的 CEO Marc Benioff 和知名風(fēng)投 Khosla Venture。

人工智能的一小步

計(jì)算機(jī)在識(shí)別圖片中的物體，將人類聲音轉(zhuǎn)換為自然語言上，已經(jīng)做得很不錯(cuò)了，但它在模擬人類思維進(jìn)行推理上，還是跌跌撞撞。不過許機(jī)器智能軟件都在采用深度學(xué)習(xí)或深度神經(jīng)網(wǎng)絡(luò)技術(shù)，逐漸讓機(jī)器像人類一樣解決問題。

現(xiàn)在，這家公司想解決人工智能軟件所面臨的最嚴(yán)峻的挑戰(zhàn)之一。上周 MetaMind 發(fā)表了一篇論文，公布了它們在人工智能軟件上的新進(jìn)展。他們的軟件能回答與文本文件及數(shù)字圖片內(nèi)容有關(guān)的問題。他們的研究很重要，因?yàn)樗砻髟陂_發(fā)能與人類進(jìn)行對話互動(dòng)的機(jī)器上，我們又進(jìn)步了一些。

MetaMind 使用了一種名為動(dòng)態(tài)記憶網(wǎng)絡(luò)的方法，能同時(shí)處理聲音，視覺和文字信息。它的軟件也證明，神經(jīng)網(wǎng)絡(luò)軟件技術(shù)越來越進(jìn)步，擁有了記住語句序列，并專注在圖片的一部分上的能力。在回答「貓尾的皮毛是什么圖案？」這樣的問題，程序需要只注意圖片中的貓尾，并給出相應(yīng)的答案。

MetaMind 的技術(shù)可用在自動(dòng)客戶支持等商業(yè)領(lǐng)域，比如，保險(xiǎn)公司可以用它回復(fù)那些有照片附件的郵件，照片中往往會(huì)是汽車或其它財(cái)產(chǎn)損失的圖片，是提供回復(fù)的基礎(chǔ)。

進(jìn)步的標(biāo)準(zhǔn)是什么？

當(dāng)然，相比人類，這些系統(tǒng)還是差得遠(yuǎn)。有些團(tuán)隊(duì)在離散問題上取得過一些進(jìn)步，但接近人類理解和推理水平的一般系統(tǒng)還沒開發(fā)出來。

五年前，IBM 的 Watson 在問答節(jié)目「Jeopardy!」中戰(zhàn)勝了人類，讓人又苦惱又驚喜。近兩年，類似的人工智能也越來越多，比如已經(jīng)入駐微信的微軟「小冰」，它能在許多話題上與用戶進(jìn)行會(huì)話。為了讓小冰看起來像真人，微軟以社交網(wǎng)站的內(nèi)容為基礎(chǔ)，開發(fā)了一個(gè)大型人類問答互動(dòng)庫，也正是它使得程序能令人信服地回答用戶輸入的問題。

2014年，Google、斯坦福等研究機(jī)構(gòu)的計(jì)算機(jī)科學(xué)家在「場景理解」上取得了重大進(jìn)展。他們開發(fā)的系統(tǒng)在組合不同類型的深度神經(jīng)網(wǎng)絡(luò)程序的輸出結(jié)果后，能理解并用自然語言描述場景或圖片。這些程序會(huì)用人類事先描述過的圖片進(jìn)行訓(xùn)練，然后它們就能應(yīng)對新圖片，用自然語言描述它。還有就是前不久，自然雜志以封面文章形式介紹， Google 旗下 DeepMind 開發(fā)的人工智能 AlphaGo，擊敗了歐洲圍棋冠軍樊麾，并將在本周和世界冠軍李世乭對戰(zhàn)。

像 MetaMind 這樣的初創(chuàng)公司，微軟、Google 這樣的科技巨頭，以及其它一些科研機(jī)構(gòu)都在逐漸取得人工智能方式的進(jìn)展，但即便只是機(jī)器視覺，也還是一個(gè)尚未完全解決的問題，就像與小冰的對話越多，就越能發(fā)現(xiàn)「她」并不是真正的人類。

而另一方面，關(guān)于什么是最好的技術(shù)方法，以及如何來衡量人工智能的進(jìn)步，這在研究社區(qū)都是懸而未決的問題。艾倫人工智能研究所主管 Oren Etzioni 就認(rèn)為，MetaMind 所用的數(shù)據(jù)集并不理想。Etzioni 正在開發(fā)的軟件主要用來回答標(biāo)準(zhǔn)化的科學(xué)測試問題。

根據(jù)連線的報(bào)道，Etzioni 最近舉行了一場比賽，邀請了 800 個(gè)人工智能團(tuán)隊(duì)參加美國中學(xué)生的科學(xué)測試，結(jié)果顯示即使最好的團(tuán)隊(duì)，也只能答對 60% 的問題。這是因?yàn)椋茖W(xué)測試涉及到自然語言處、推理和對概念的理解，這些都是更為復(fù)雜的挑戰(zhàn)，人工智能還無法勝任。

這也是為什么，Socher 會(huì)在自己的程序答對一個(gè)簡單問題時(shí)，如此激動(dòng)的原因。人工智能的每一次小的進(jìn)步都值得慶賀，雖然我們都無法確定這算不算是進(jìn)步。

題圖來自 nytimes，人物為 Richard Socher

轉(zhuǎn)載、采訪、投稿、團(tuán)隊(duì)報(bào)道聯(lián)系公眾號(hào)：shenzhenware

版權(quán)聲明：本文系深圳灣編輯創(chuàng)作發(fā)布，轉(zhuǎn)載請注明來自深圳灣，并標(biāo)明網(wǎng)站地址 shenzhenware.com