神经网络是计算机科学的世界上冉冉升起的新星。目前景观形状如何?
今天是不可能不知道深度学习/机器学习/神经网络——即使这一切意味着什么还不清楚。
人熟悉这个领域,有一些想法是克里斯•再生草的创始人Tensilica(现在是节奏的一部分),现在是骗子自称的帽子。几天一个月,他仍活跃的节奏工作新体系结构技术,与选择关键客户战略合作关系,提供战略建议在企业层面上一些重大举措。
第二顶帽子,他穿的Cognite合资企业,他建立了车辆集中他的作品在早期阶段投资通过种子类投资创业的深度学习的领域。
本周我们有机会说话的电话,他说他有许多关于的一些主要漏洞的在这个空间的提供。他正在考虑开发一些技术的想法可能会被分离出来,以某种方式或资助工作。“我采取更主动的方法,不仅等待事情来找我创建的事情我认为有可能是最有趣的技术。”
再生草的第三个帽子是斯坦福大学的战略建议SystemX联盟4月份,他将进行几车间先进的计算架构,和下一代设计效率。
他对深度学习的热情是会感染人的。
“当然有巨大的潜力和极大的热情学习方法。不亚于一场革命在思考如何做计算,所以,至少,崭新的锤,每个人都有。他们寻找指甲击中,但他们也撞见螺丝和其他一切这是这种技术或哲学,这似乎非常广泛的潜力,但没人真正知道它最终会是什么样子或者问题最终适合或不适合我。只是在大学里,学生的数量,科研人员的数量,陷入深度学习和神经网络是惊人的。你出现在研究生课程一个不起眼的标题对自然语言interprettion或愿景,和你会发现数百名学生报名参加这些课程,因为他们认为这是一个最有趣的;和B)最热的区域增加经济价值,”他说。
再生草指出,有趣的是,斯坦福大学计算机科学已经成为一个主要的数量,和猜测,神经网络是一个主题在计算机科学。“这是所有的嗡嗡声,我不认为这是非常不同的在世界各地的主要技术大学。你有好奇心,你有这样的企业家精神,这是世界各地的磨练,但特别是在美国大学,尤其是在斯坦福大学这样的地方,立即连接一些突破性的想法的人说,‘让我们开始一个公司利用它。这是没有大的意外,我们将会看到数以百计的公司出现在几年的过程中,试图利用它。”
他解释说他只是想让他的手臂,但很明显,这是很困难的,因为有很多公司(http://www.cogniteventures.com/the-cognitive-computing-startup-list/),因为有这么多的炒作。“每个人都说,“人工智能”,或“机器学习”,或其他一些短语的描述他们在做什么,即使他们使用它只在一个小的方式。任务是整理的一部分,找出哪些深感利用它,和来说,这是一个战略元素的技术组合,或他们所做的可能会有很多的互动。例如,机器人可能会大所以我一直很慷慨的用户包括robotics-related公司在我的列表中,虽然有很多的人做商业智能,和预测市场营销,客户关系管理,可能会有一些数据挖掘的作品,但我只是一个少一些假设他们是严重的深度学习公司的慷慨。我申请这个过滤器是可能的深度学习的,神经网络是真的对他们的成功至关重要。”
这些公司…还有190…
毫无疑问,有大量的活动,当然会有一些赢家和输家,再生草继续说。”公司将发展成为他们找出他们在做什么,但许多公司的工作,工作的人数,进展的速度而言,人们想出真正聪明的方法来应用这些学习基础算法我认为会非常可观。”
他们中的一些人甚至沿着很好。“最低门槛可能是部署基于云服务的人某种识别活动,你可以去一个recognition-as-a-service网站,他们提供了一个API,这样您就可以从自己的应用程序中调用服务,和服务将返回的信息是什么,是什么人的情绪图片,有哪些标准特征明显的人或对象在这些图像流。这是哪里的工作量来部署一个服务是相当温和的,人们知道如何利用它们,和现有现收现付制的一种商业模式,人们通常适应由于亚马逊网络服务,等等。在那里,有一个巨大的各种各样的事情,人们这样做,”他说。
也有很多的活动在诸如监测和监督有人可以买聪明和智能相机,提供额外的信息,再生草提醒。“有非常丰富的事情在文件或文本的识别模式,通过服务或可安装的应用程序,很多specialiation——的在合同或自动的寻找看社会媒体互动或看着数表和产品规格,或客户服务对话。所有这些不同的特殊形式的基于文本的互动,你可以提取出信息,比较标准模式和一些较大的应用程序中使用,作为一个机制”。
医疗是另一个领域的深度学习发展的特别关注。
不过,他承认一个特定的爱好发生了什么在嵌入式系统中,这些将直接联系我们,并进入我们想要的实时交互。“当然,有这些准实体Siri和Alexa,使用神经网络在很大程度上,但这并不是真正的实时。你提出一个问题,得到一个答案了一些秒后,在那里,如果你开车或你与家庭交互设备(电视、冰箱或手机),你会想要更迅速,甚至有一个更好的理解上下文,和你是谁。我认为有很多方面有待提高,因为它会改变很多人机交互是如何的感觉。”
有关的故事
堵洞机器学习(第2部分)
短期和长期的解决方案,以确保机器的行为预期。
神经网络计算爆炸
资金雄厚的公司开始定制这种方法为特定_花大量的钱收购初创公司。
卷积神经网络电力
采用机器学习方法的图像识别的生长;其他应用程序需要力量和性能改进。
|
|
|
|
|
|
|
|
|
|
留下一个回复