人工智能概念遇冷 行业人才仍是关键要素.doc

人工智能概念遇冷 行业人才仍是关键要素.doc

ID:27844009

大小:112.50 KB

页数:7页

时间:2018-12-06

人工智能概念遇冷 行业人才仍是关键要素.doc_第1页
人工智能概念遇冷 行业人才仍是关键要素.doc_第2页
人工智能概念遇冷 行业人才仍是关键要素.doc_第3页
人工智能概念遇冷 行业人才仍是关键要素.doc_第4页
人工智能概念遇冷 行业人才仍是关键要素.doc_第5页
资源描述:

《人工智能概念遇冷 行业人才仍是关键要素.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、人工智能概念遇冷行业人才仍是关键要素  科技圈是一个瞬息万变的领域,从VR技术、AR技术、人工智能到如今的区块链技术,越来越多新技术、新概念的出现,人工智能也在渐渐遇冷,当大潮退去,讲技术却找不到应用场景,抢人才却留不住人才,人工智能还能走多远?  2017整整一年,围绕人工智能的巨头投资、创业押注不绝于耳,融资额度不断刷新纪录。但是无论是图像、语言交互,还是算法、机器学习都不足以与实际场景结合,换句话说,落地成为最大的难题。  另一方面,越来越多新技术、新概念的出现,也让人工智能逐渐遇冷。201

2、7下半年随着比特币的大涨,区块链成为大家关注的新热点,几乎占据了投资人、媒体人的朋友圈。    讲技术人工智能概念遇冷行业人才仍是关键要素  科技圈是一个瞬息万变的领域,从VR技术、AR技术、人工智能到如今的区块链技术,越来越多新技术、新概念的出现,人工智能也在渐渐遇冷,当大潮退去,讲技术却找不到应用场景,抢人才却留不住人才,人工智能还能走多远?  2017整整一年,围绕人工智能的巨头投资、创业押注不绝于耳,融资额度不断刷新纪录。但是无论是图像、语言交互,还是算法、机器学习都不足以与实际场景结合,

3、换句话说,落地成为最大的难题。  另一方面,越来越多新技术、新概念的出现,也让人工智能逐渐遇冷。2017下半年随着比特币的大涨,区块链成为大家关注的新热点,几乎占据了投资人、媒体人的朋友圈。    讲技术却找不到应用场景  大家都知道人工智能代表着未来,但是在现实生活中,除了某些特定场景之外,大家几乎无法感受到人工智能带来的便利。  举个例子来说,智能音箱可以说是借着人工智能浪潮最先起来的产品之一,2017年一度呈现“百箱大战”的局面,也是阿里、京东、小米等巨头抢滩的要地,但是作为核心卖点之一的语

4、音识别在体验中并没有大众所期待的那样优秀。  首先,语音识别需要庞大的数据库支持,但是当我们真正使用时会发现有很多表达习惯并不能被机器所理解。虽然很多语音识别公司都说自己的技术识别率已经到95%,甚至是98%,但是在方言、咬字、吞音等常见情况下,大部分产品都无法做出合理反馈。(感兴趣的读者可以查看IT耳朵评测文章,了解更多内容)其次是声音采集的准确性,虽然智能音箱主打的场景是客厅和卧室,但是使用时场景是比较复杂的,人说话的声调、语速等都不相同,采集声音时会受到其他人员、环境杂音、甚至是音箱自身的干

5、扰,这都会导致准确率下降影响体验。最后也最重要的是缺乏交互自然性。几乎所有智能音箱产品都需要一个类似“芝麻开门”的语音密钥来唤醒,且每次发布指令时都要重复一遍唤醒词,这就让用户与产品之间产生明显的距离。  综合看来,智能音箱的产品形态确实足够新颖诱人,但是其本质还是一个语音助手,并不能完全胜任智能家居中控的角色。  另一个明显的例子自动驾驶技术。大家习惯把自动驾驶分为L1-L5这五个等级,近期我们也采访了一些自动驾驶(辅助驾驶)的公司,他们普遍认为自己的技术还处在L3等级,即高度自动驾驶阶段,在应

6、对激烈情况时仍需人为介入。而这样的技术是如何实现的呢?  特斯拉对于周边环境的识别是通过设置在车辆上的12个长距离超声波距离传感器UltrasonicSensors、1个长距离雷达Radar和1个前向摄像头Forward-facingcamera来实现的,而国内其他公司的解决方案也都类似。但是通过长时间的走访和观察,我们也发现其中的一些问题,首先雷达或者超声波是会相互干扰的,试想一下十几辆车堵在路口,他们之间会形成强烈的干扰从而导致收集到的数据出现偏差。其次前向摄像头也不是万能的,想想微博上热议的

7、“远光狗”,想想繁华街市的各色霓虹灯,这些都是对摄像头最大的挑战。在一次与四维图新自动驾驶研发部负责人聊天中,他也坦言,目前自动驾驶使用的摄像头在弱光、逆光、或者多种光源的复杂环境下仍然很难准确做出判断,甚至在一些没有道路标志线和明显路边的地区也很难精准识别。  人工智能在2017年发展最快的两个典型案例中,表现都不能让人满意。再看看其他的应用场景机器人、智慧物流、智慧城市似乎又离消费者太远。各大人工智能公司频频爆出融资消息,发布会也没少开,但是却很少听见落地的案例。  玩概念却做不好体验  如商

8、汤、旷视、依图、图森这些国内人工智能风口上的企业大部分是做算法的,由于技术的商业化程度不足,往往只能通过项目定制的形式为客户提供AI技术服务,即简单粗暴地卖模型、卖算法,如人脸识别技术服务、基础语言识别服务、金融领域的知识图谱工程等。但以人和算法作为企业核心能力是不可持续的,尤其目前深度学习领域的算法红利期变得越来越短。  以面部识别为例,经过iPhoneX的教育,手机面部解锁正在成为越来越多厂商的标配。但是作为消费者来说98%的识别率和99%的识别率在体验上几乎没有区别。而用过面

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。