지도 공동 창립자 : AI 패턴, 장면 및 미래에 따르면

나는 과학 기술의 공동 설립자에 따르면, 레오 해요, UCLA 박사 통계는 15 년 동안 인공 지능 연구를 얻기 위해 2017 년, 이미지 표적 탐지 PASCAL 우승을 얻기 위해 깊이 학습 연구소의 설립자 얀 레컨 교수의 연구원, 2010로 일했다 표준 및 기술 NIST의 국립 연구소와 국가 정보 연구 계획국 IARPA에게 세계 선수권 인식을 고급.

최근 대형 인공 지능, 투자자, 기업가, 학자 AI 뜨거운 동향에 대한 연구의 수와 사회의 모든 분야에 미치는 영향은 AI 기술 및 산업 발전에 대한 많은 오해, 그것은 쉽게 오해의 소지가있다. 매크로 주제 세 부분으로 구성 : AI는 장면 AI의 실제 AI 플레이어는 누가 더 문제이다 ???

과학 연구자와 기업가의 관점에서 더블 토크 내 주요 지점되어, 비전이 에너지를 만들 수 있기 때문에 상위 회사; AI의 경계를 정확하게 파악하고 확장 할 수있는 경우에만 지도자 비교할 수없는 AI의 미래를, 아니 역사는 어떤 가이드입니다 예측할 권한이 없습니다.

"S"자 패턴은 AI를 보려면

"S"는 AI 내 이력 및 예측 모델링 곡선 형상 (이하, '시그 모이 드 함수는 또한 신경망 뉴런의 활성 함수의 특성을 사용하는 일) 차트를 보낸다. 가로축은 시간을 나타내고, 세로축은 시스템 정보의 수준을 나타낸다. 곡선에 점은 특정 시점 정보의 세계에서 가장 높은 수준을 나타냅니다. 2013 년, 개발의 거의 5 년에 비해 개발의 2013 기계의 지능 수준은 기본적으로 무시 될 수 있습니다. 빨간색 선이 나타내는 AI (깊은 학습)의 새로운 시대의 시작입니다 비관론자 (썰물 AI, AI 폼 등), 2017 년 개발 일시 정지 직후, 2017은 강조 가치가 파란색과 빨간색 두 곡선이 AI의 역사 같은 이해를 한 후에 푸른 선이 낙천적이고, 급속한 발전이있다. 하지만 시장의 인수 나 볼 수있는 연구에 많은 위험이 높은 연구에서 또 다른 곡선은 큰 차이가있다., S 자의 세 가지 측면을 해석 할 수있는 다른 위치의 AI 패턴 분석은 가장 높은 수준의 AI 수준을 보는 것입니다 :

1, AI 및 AI 과거는 미래 범위의 개발과 발전의 속도를 예측하는

2, AI의 발전 수준과 비즈니스 시나리오의 관계

도 3에 도시 된 바와 같이, 각 플레이어의 위치 및 갭

특히, 우리가 예를 들어 같은 인식에 개발 이야기의 지난 5 년 동안 AI로 시작, 확률은 95 %에서 N의 개인의 얼굴을 발견하고, 세로축은 인식 규모 (N 크기)입니다 .

기술은 컨버전스가 아니지만 그 차이를 증폭시켜 현장을 열어줍니다

2017 얼굴 인식 (NIST를 2016보다 아마 더는 천만 이백 배 증가하고 2017 년 얼굴 인식의 세계에서 가장 권위있는 시험을 2015 년에 비해 횟수를 향상 식별 할 수 20,000,000명, 최고 수준의 규모를 식별 할 수 있습니다 ), 테스트 텐센트 우수한지도 10 %의 또 다른 세트 (테스트 2 % 10 만 Vocord를 선도하는 두 번째 팀에 비해 우리 Vocord), 즉 우리가 흔히 말하는입니다 십이쌍 기술 융합의 수준 높은 비율 포인트는 우리가 두 가지 방법으로 해석하기 위해 필요한이 오해의 의미 (경쟁력있는 값으로 하드 현금을 나오지를)하지 않습니다 :

처음에는 알고리즘이 알고리즘 성능 곡선의 일반 법칙 인 수십억 개의 클래스에서 리더의 최대 5 %와 20 %까지 빠르게 확장 할 수 있습니다. 규모의 주요 차이점을 확인하는 것 외에도, 알고리즘 경험으로부터, 흑인, 여성, 어린이, 큰 연령대, 교합 등이이 하위 카테고리에서 그룹과 카테고리를 식별하는 것이 더 어렵고, 다른 알고리즘 간의 성능 차이 더 커질 것입니다.

매우 큰 규모의 평가는 그 자체로 단순한 학문적 명제이며 많은 데이터 지원이 필요합니다. 예를 들어, 미국이 20 억 개의 테스트 세트를 설정하는 것은 매우 어렵습니다. 일부 얼굴 인식 전문가와 인터뷰하는 것은 오해의 첫 번째 원인이 아닙니다.

반면 알고리즘이 증가하고 인식 가능한 크기가 커지면 더 많은 상업적 응용 프로그램 시나리오가 잠금 해제되고 수백만에서 수천만의 ID 도메인이 인증 시나리오, 휴대폰의 원격 인증 및 잠금 해제에 해당합니다. 인수는이 시나리오에서 설정 될 수 있지만, 수십억 억의 범죄 탐지 및 탐지와 이러한 시나리오에서 요구 사항의 엄격한 비교에 대해서는 소수의 범죄자를 식별하는 것이 아니라 확률의 차이를 10 배 이상 발견 할 수 있습니다 , "비판적 응용 프로그램"이 오도 된 것인지 여부는 거의 문제입니다.

최신 보안의 경우, 완로드와 심지어 100,000 도로 카메라 비디오 얼굴 검색, 보관 알고리즘은 매우 높은 요구 사항을 가지고, 완로드 비디오, 사람의 모든 흐름, 알고리즘에 상응하는 검색 성능은 100 억 다른 시나리오에 비해이 성능에는 1,000 배가 더 필요합니다. 제품 측면의 경험 차이를 기반으로 한 다양한 알고리즘의 기초가 확대되었습니다. 또 다른 세계적인 인종 식별은 반테러주의입니다. 보험 보상 요건에 대한 이민 업무 인정은 매우 높습니다.

결론적으로, 시나리오를 해제 할 수 있다는 점을 제외하고 알고리즘의 알고리즘이 99 %의 99.99 %의 인식률. 이들 새로운 시나리오 (공공 보안 시스템 혁신 팀) 알고리즘 수직 영역의 가장 전위 선구자 팀 잠금 해제 함께 일하면서도 인터뷰하는 보안 전문가가 변화의 최전선에 서있을 수 없으며 또 다른 오해의 원인이 될 수 있습니다.

기술의 세 가지 수준 VIE : 비전 (비전), 통찰력 (통찰력), 실행 (실행)

가장 보편적 인 것은 챔피언십, 실제 사례, PK 결과, 논문 등을 테스트하는 것입니다. 이들은 AI 팀이 아닌 상위 10 개를 구별 할 수는 있지만 최고의 팀을 구별하기는 어렵습니다. ; 이해 인사이트, 알고리즘과 객관적 세계의 유통의 본질에 대한 통찰력, 실행, 실행, 알고리즘, 데이터 수집, 엔지니어링 및 기타 특정 컴퓨팅 플랫폼 비전, 비전, 전략 또는 패턴, 기술 동향 판단 : 나는 세 가지 기술의 해체. 대상 :

실행은 AlphaGo 아웃 얼마나 빨리 재현 할 수 있습니다 후 가장 기본적인 알고리즘은, 특히 알려진 일반적인 프레임 워크, 예를 들어 기본 산술, 현장 데이터, 계산 실험 플랫폼, 제품 응용 프로그램을 포함하여 빠른 구현 한 후, 어떤 수준을 달성하는 것입니다; 음성 인식이 얼마나 빨리. 전 세계적으로 최상의 결과를 잡을 수있는 실행 함께하지 오픈 소스 플랫폼 알고리즘은 팀이 실행의 해당 필드의 수준을 올릴 수 있습니다 특정 분야의 전문가를 만들 수 있습니다.이 수준을, 중국은 세계 최고 수준의 팀이 될한다 Google이 세계에서 1 위를 차지한다면 중국은 체스, 얼굴 인식, 음성 인식 등과 상관없이 Facebook, Microsoft, Apple, Amazon 또는 일부 측면보다 열등하지 않아야합니다. 대부분의 사람들 기본적으로이 수준에서 기술을 비교하지만 더 중요한 것은 위의 두 가지 수준이 더 강력하다는 것입니다.

Insight에 한 번 더가는 것은 알고리즘 모델에 대한 수학적 설명과 객관적인 세계의 분포에 대한 통찰력을 포함하여 기술에 대한 깊은 통찰력입니다. Insight는 데이터 사용법 및 전력 계산 방법 (알고리즘 및 혁신적인 알고리즘 사용 방법)을 안내합니다. 결정 의이 수준은 Google보다 잘 할 수 또는 개발의 동일한 속도를 유지할 수 있습니다. 당신은 깊은 학습 알고리즘 프레임 워크, 동일한 수준에서 대량 데이터를 가지고 있지만 우리는 알고리즘 성능 튜닝 사이에 큰 격차가 있습니다. 예를 들어, 우리는 빛, 나이, 인종을 포함하여 인간 얼굴의 속성에 대해 선험적으로 합리적인 가정을 사용하여 10 억 개의 효과적인 모델 매개 변수에 도달하도록 훈련 된 2 억 개의 인간 얼굴 사진 (수십억 개의 사진 중 일부)을 사용했습니다. , 모션 블러 (motion blur), 이미징 해상도, 모델 커스터마이제이션, 데이터 조립 방법 및 계산 가속화 성능 튜닝 및 모델 학습 효율 (즉, 위에서 언급 한 실행)에 중요한 차이가 있습니다. 따라서 알고리즘, 계산, 데이터 조건의 인터넷 거물은 단일 인공 지능 작업에서 세계 3 위를 반드시 수행 할 수있는 것은 아닙니다.

비전 : 발전 추세를 예측하고, 미래 방향을 정의하며, 기술 및 기술 혁신에 대한 깊은 이해가 요구되는 삶과 생산에 대한 영향을 상상합니다. 상상력, 창의력, AI가 어디서 어떻게 빨라지고 있는지 대답하십시오.

강력한 실행은 인사이트는 확실히 좋다, 그러나 비전을 가질 수 없다, 강한 비전, 인사이트 확실히 일류이지만, 가난한 VIE 실행 공부 두 주인 힌튼의 필드의 강력한 글로벌 매우 부족한 깊이 강한 팀이있을 수 있습니다 .. 및 LeCun 내 감정에 대해 이야기. 2010 년, 학계, 많은 사람들이 훈련 데이터의 수백만 알고리즘에 근거하여 2012 LeCun 발명의 기계 학습, 힌튼 팀에 대한 빅 데이터의 중요성에 대해 이야기하고있다, 같은 기간 ImageNet ;.에 세계 최고 수준의 획기적인 발전은, LeCun 팀은 만 만 미만했다하지만 첫 번째 2 개월 힌튼 ImageNet 결과에 게시 된 데이터는 LeCun 팀은 실험 힌튼를 재현하기 위해 자신의 알고리즘을 사용할 수 없습니다 힌튼의 결과 발표 알고리즘과 기법 후, 결과 LeCun 팀은 쉽게 레벨 힌튼 팀을 초과 할 것입니다.

두 주인은 뛰어난 비전을 가지고 30 년 동안 학습의 깊이 방향으로 주장했다. 그러나 그들의 차이뿐만 아니라 차이는 비전이 믿음이 중요 할 수있는 시간 (자세한 통찰력을 추구 할 것인지)의 차이 인사이트를 만들어 제공 깊이 학습 알고리즘 플레이 혁신의 조건이 시간에 상당한 등 GPU 컴퓨팅의 차이, 이러한 이해, 모델 정규화는 원칙이 명확하지 않을 때뿐만 아니라, 활성화 기능 선택을 달성 학습 데이터의 크기를 포함, 그것은 완전히 (포함 힌튼에 의존 할 수있다 . 이러한 격차 인사이트의 기간 슈퍼 박사가), 프레임 워크와 목적에 사용 LeCun 팀 알려진 알고리즘을 만드는 것은 다음 중요한 성능하지만 알을 달성 할 수있는 결과를 재현 할 수 있습니다. 그러나 직관은, 팀은 더 나은 LeCun있다 (대규모 체계적인 튜닝) 실행은, 짧은 시간에 알고리즘의 성능을 초과 할 수 있습니다. 믿음의 가축 마스터 사이의 미묘한 차이, 결국 오는 것, 그것은 숙고 가치가있다.

비전이 중요? 레이더처럼, 다른 사람을 위해, 그것은 사각 지대가 왜, 비전은 내가 그렇게 침착 한 생각, 당신이 믿고 볼, 볼 수 있습니다.뿐만 아니라 전략적 우위뿐만 아니라 사람과 간섭을 배제하는 유혹을 얻기 위해.

? 매우 어렵거나 불가능을 식별하는 방법은 같은 사람에 의해 감상 할 수있는 비전, 단지 당신이 무엇을보고와 맛. 비전이 같은 사람들이 감상 할 수있는, 비전의 단지 같은 맛 점수가 어려운이 99 %이다 전문가 피어 보지, 너무 큰 종종 오해를 동반, 생각하지 않습니다 수 있습니다. LeCun 깊이 연구 테스트가 실제 데이터를 확인하기 전에, 간단한 문제가 미국의 주류 학계에서 인식하기 어려운, 심지어 정상 회의 게시되지이다 요즘 거의 모든 논문은 깊은 학습으로 분류됩니다.

그러나 비전 팀을 필터링하지 않은 판사가 패턴을 가지고있다. 일반적으로, 학자 또는 사업 여부, 중대한 돌파구, 우리는 (수직 일관된 투자와 몇 년 전에 후 깊은 쟁기질. 다른 지역에서는 내년 어떤 모델이하고있는 필요, 플랫폼 등), 비전으로 분류되어서는 안됩니다.

VIE의 해체와 함께, 우리가 기본 AI의 요소 (알고리즘, 계산 능력을 개발하기로 결정, 장벽 AI 만 명, 최고 명. 유통 및 경영 판단의 미래 국경의 AI 기술 리더의 새로운 시대가 대체 할 수없는, 생각, 데이터 장면)과 권한의 정도 무게. 실행을 요구하고 통찰력이 어떻게 사용. 인사이트 레이블과 비전 상위 팀이있다 위치를 알 수있는 최고의 팀, 가장 효과적인 데이터 알고리즘을 가지고, 획기적인 기술을 알고 첫 번째는 대부분의 비즈니스를 가져왔다 가치 장면이 나오는 곳과 시간.

인공 지능 미래 : 어떤 역사도 예측할 수 없으며 권위도 없다.

크게 30 년 역사의 AI와 다른, 깊은 학습의 새로운 시대에 따라 AI. AI의 미래에 대해 이야기, 인공 지능 개발 방법을 기술 해체에 대해 이야기, 이것은 다양한 애플리케이션이 실제 현장에서, 대규모 데이터의 성능을 검증 , AI의 새로운 시대의 시작에 불과을 개발의 지난 5 년 동안, 사람들의 기대 가치, 오늘,이 있지만 기술, 이론 또는 개념뿐만 아니라이. 많은 사람들이 새로운 AI가 곧 과거로 썰물 것이라고 우려했다. 그러나 나는 생각한다. 새 AI의 세 가지 기능을 간략하게 설명합니다.

1, AI는 완전히 새로운 차원입니다. AI가 결국 얼마나 많은지를 결정하는 가장 중요한 요소입니다.

어떻게 인공 지능 기술 혁신과 개발, 사업을 변경하는 방법, 어떤 역사 어떤 가이드입니다, 정확하게 결정할 수있는 권한이 없습니다. AI는 기술이 아니라 모든 AI 획기적인 기술에 대한 돌파구는 인간 - 컴퓨터 상호 작용, 검색, 로봇 공학, 컴퓨팅 칩, 약을 포함, 제약 과학과 거의 모든 학문.

2, 인공 지능의 급속한 발전, 강한 점프

S 자에서, 당신은 후, 즉, 좀 더 미래를 기대하고 2018 년 곡선의 S 곡선을 지난 5 년간 성장의 시간으로, AI 단일 카테고리의 급속한 발전 (얼굴 인식) 알고리즘을 볼 수 있지만, AI는 각 장면과 함께 다차원 및 기술 깊이의 발전을 초래 방법 가파른., 오버레이 모션 제어 후, 청각, 의미 론적 이해, 광경에서, 다차원 기술을 경험에게 그것을 더 영향을 가져올 것이다 몇 년 빨리 휴식이 될 것이다 정보의 인터넷에 사물의 인터넷을 통해 지난 30 센티미터 사용자 경험과의 상호 작용에 지능형 단말기 보급률의 칩 조합을 어디서나 스마트 보자.

3, AI의 한발 앞선, 큰 잠재력을 가져올 것입니다.

S 자 곡선에서 다른 위치의 팀은 수평 축 시간의 차이뿐 아니라 선도 기술과 AI 기술의 누적 효과 (커브 적분)가 더 많은 다 변수 (다중 AI 곡선 기술) 이로 인해 AI는 업계 간, 둘째 및 두 번째 간 격차를 규명 할뿐만 아니라 AI 업계의 선두 업체가 AI의 후진 산업을 활용할 수 있도록 산업 간 파괴적인 결정을 내립니다.

AI 미래, 비길 데없는,보고 있기 때문에, 그렇게 믿습니다.