Redian新闻
>
深度学习的前景很宽阔,门外汉看不懂也很正常
avatar
深度学习的前景很宽阔,门外汉看不懂也很正常# Stock
z*n
1
很多人看到深度学习,总会想到ai这两个字母,总会进而引申到黑客帝国之类的科幻电
影。
现实中的ai当然没有那么牛逼(我不排除有这么牛逼的可能,只是现在还不太可能)
但是深度学习能干很多你眼中不牛逼,而很实际的应用。
举个简单例子,老夫做过一个识别婴儿哭声的patten应用,用在普通人的设备上,比如
alex,只要半夜收到婴儿哭声就叫你起床换diaper/喂奶,收到你家的猫叫春声,屁都
不放一个。怎么辨别是不是婴儿哭声,弱智的做法是收集上地球上所有婴儿的哭声弄成
一个大的声线数据库,随便来个声音就去这个数据库里面检索,半弱智的做法就是老夫
这样,在这个数据库里面寻找patten,把patten生成后,以后随便来个声音只需要剥成
patten,往我生成的patten上靠就行了,准确率还蛮高的,但是空间复杂度会降低很多
个量级。为什么说是半弱智,因为老夫的功力也就这样了,相信还有更好的做法。
这只是深度学习的弱逼应用,还有很多牛逼级别应用一堆牛人正在加班加点的干,只要
做出来了,妥妥地发大财。alphago勉强算一个,因为不挣钱。自动驾驶算,也能挣钱
,但是不成熟。
女大只是搭上了深度学习的东风,属于基建类厂家,不是决定性的,类似于别人吃肉他
喝汤这种。
等日后某一天突然出来一个超级应用,市场大爆发,女大只要还是现在的市场地位肯定
就会旁上了,市值绝逼会超过现在的古董IT公司(爱逼庵,巨硬,牙膏),老夫把话撂
这里了,真不怕被挖坟。
avatar
C*5
2
同意。这个DL,谁用谁说好。但是你说的这个例子怎么像传统的做法,比如feature
engineering + SVM之类的呢?
avatar
P*a
3
说的好。十个字
avatar
I*a
4
make 马公 great again.
avatar
B*e
5
老夫打算有空好好研究研究DL
avatar
m*n
6
这个例子一点都不好,虽然我同意你说的内容。
婴儿哭声可tm响了,在ml识别完之前,父母基本早就被吵醒了。
avatar
C*5
7
你房子太小了

【在 m*******n 的大作中提到】
: 这个例子一点都不好,虽然我同意你说的内容。
: 婴儿哭声可tm响了,在ml识别完之前,父母基本早就被吵醒了。

avatar
d*e
8
赶快再做一个辨别大师的嚎叫声
avatar
w*e
9
AI是能用上的现在基本上都有人试。没有曝光说明效果还没有达到期望。超级应用基本
上不可能。现在的AI还不是一个端到端的solution。无人车上也只是用于环境感知,并
不是直接控制方向盘和刹车。无人车的核心还是rule-based,hardcoded。
alphago只是deepmind向general AI路上的一个探索。下棋不是它的目的。
AI如果再有突破,第一干掉的就是马公。AI将根据需要自动生成代码。其实现在就有这
种趋势,你没有看到AI本身的代码都很短吗?以后AI模块化,只需要几行代码把它们串
起来。
avatar
w*e
10
AI下一个真正的突破应该是人类自然语言理解。不过现在离那还很远。也不是一两个人
或公司能做出来的。
avatar
f*t
11
据说alphago性能完全版要几百个GPU,下一局几个小时光电费就很可观。我觉得AI这些
年的发展一直被硬件性能限制。比如李飞飞做的视频里识别物体,youtube那么多视频
数据,学习起来成本肯定高得惊人。
未来硬件会被市场需求推动着快速发展,如果有套每秒能学习1T数据的设备,AI的能力
恐怕会再上一个新的维度。女大学生显然是其中不可或缺的一环。
avatar
s*h
12
说实在的,DL在Text Analysis / NLP方面的科研成果有,但是感觉并不多。
自己试也容易,装个tensorflow就行。
主要进展是:
生成语义树比非DL的方法好很多,和人工平手
机器翻译接近人的水平
知识图谱中的应用
其它的什么word2vec,document summary, sentiment analysis其实应用场景虽然多,
但是没有质的突破
DL目前的主要方向,1是reinforcement learning, 2是unsupervised learning,
最近最火的对抗网络GAN就是
这个前景是100个以上的NLP
avatar
C*5
13
GAN确实火。今年的NIPS简直就是GAN年会

【在 s****h 的大作中提到】
: 说实在的,DL在Text Analysis / NLP方面的科研成果有,但是感觉并不多。
: 自己试也容易,装个tensorflow就行。
: 主要进展是:
: 生成语义树比非DL的方法好很多,和人工平手
: 机器翻译接近人的水平
: 知识图谱中的应用
: 其它的什么word2vec,document summary, sentiment analysis其实应用场景虽然多,
: 但是没有质的突破
: DL目前的主要方向,1是reinforcement learning, 2是unsupervised learning,
: 最近最火的对抗网络GAN就是

avatar
s*h
14
DL在自动驾驶上有一个比较好玩的尝试:
在流行电脑游戏grand theft auto V上,用屏幕图像做输入,用输出控制汽车操作。
就是用reinforcement learning做
我觉得比mobileye用几个lidar,radar,camera的信号来识别路上的车辆行人树木石头啥
的有趣多了。
坐过基于mobileye系统的autonomous driving level 3的测试车,大失所望。
无非就是根据识别出的东西,和事先定好的rule来控制汽车。
mobileye那个lane merge的computer demo倒是用reinforcement learning做的。个人
觉得难度不大。
avatar
l*7
15
这年头,没人在有市场潜力的领域只傍着喝汤,都会直接上去抢肉。就像google一旦成
为搜索引擎的领头,赚了钱,就迅速系统化自己的商业模式,横向、纵向都扩展。现在
的NVDA也是一样,只是非业内人士、或者完全不和NVDA打交道的才不了解这点,以为
NVDA只是炒个DL、自动驾驶的热点(比如老马这类鼠目寸光的类型)。

【在 z****n 的大作中提到】
: 很多人看到深度学习,总会想到ai这两个字母,总会进而引申到黑客帝国之类的科幻电
: 影。
: 现实中的ai当然没有那么牛逼(我不排除有这么牛逼的可能,只是现在还不太可能)
: 但是深度学习能干很多你眼中不牛逼,而很实际的应用。
: 举个简单例子,老夫做过一个识别婴儿哭声的patten应用,用在普通人的设备上,比如
: alex,只要半夜收到婴儿哭声就叫你起床换diaper/喂奶,收到你家的猫叫春声,屁都
: 不放一个。怎么辨别是不是婴儿哭声,弱智的做法是收集上地球上所有婴儿的哭声弄成
: 一个大的声线数据库,随便来个声音就去这个数据库里面检索,半弱智的做法就是老夫
: 这样,在这个数据库里面寻找patten,把patten生成后,以后随便来个声音只需要剥成
: patten,往我生成的patten上靠就行了,准确率还蛮高的,但是空间复杂度会降低很多

avatar
C*5
16
老马只不过是个硕士。

【在 l********7 的大作中提到】
: 这年头,没人在有市场潜力的领域只傍着喝汤,都会直接上去抢肉。就像google一旦成
: 为搜索引擎的领头,赚了钱,就迅速系统化自己的商业模式,横向、纵向都扩展。现在
: 的NVDA也是一样,只是非业内人士、或者完全不和NVDA打交道的才不了解这点,以为
: NVDA只是炒个DL、自动驾驶的热点(比如老马这类鼠目寸光的类型)。

avatar
F*s
17
虽然我只是个普通的IEEE期刊审稿人,也跟ACM委员直接搭上话。
看了这个楼,我只能叹气,背景差太多,根本接不上话。
avatar
P*a
18
话说家里婴儿哭啼喂奶这种用的着dl 么?感觉场景很简单,如果有dot 放的离婴儿床
近点,简单匹配一下是不是就可以了?
avatar
C*5
19
老马,哥劝你别提审稿这事儿了。版上很多人都有审稿审到吐的经历。这种小事整天拿
出来说真的很掉漆。

【在 F****s 的大作中提到】
: 虽然我只是个普通的IEEE期刊审稿人,也跟ACM委员直接搭上话。
: 看了这个楼,我只能叹气,背景差太多,根本接不上话。

avatar
F*s
20
我不是来吵架的。我知道你的结局,你不知道你的结局。如此而已。
你不会以为股版十几年来就你两个搅屎棍吧。

【在 C*****5 的大作中提到】
: 老马,哥劝你别提审稿这事儿了。版上很多人都有审稿审到吐的经历。这种小事整天拿
: 出来说真的很掉漆。

avatar
g*t
21
AI中国很落后,这是竞争优势,这就是目前的value支柱之一。不说半导体,只说应用。
能做ai产品的(不是你说的那一小部分算法内容),
现在的情况,你给double salary他也太不可能回中国。
恕我直言,你那个婴儿哭声没有产品价值。我当年在婴儿房放drop cam,自己房间放电
脑,声音开大就完事了。猫不可能一直叫的。也不可能对着dropcam叫。
avatar
l*7
22
老马的亮点,不在于它自己怎么样,而在于他周围都是图灵奖得主、ACM委员围着他转
,这个和鸡汤的周围都是高人围着转是一个亮点。哈!

【在 C*****5 的大作中提到】
: 老马只不过是个硕士。
avatar
z*n
23
你是说,晚上睡觉开着电脑,点开dropcam直播,喇叭开大点这样?
我知道你就是说扯淡,而且我不相信有地球人会这么干,智商正常的也不会。

用。

【在 g****t 的大作中提到】
: AI中国很落后,这是竞争优势,这就是目前的value支柱之一。不说半导体,只说应用。
: 能做ai产品的(不是你说的那一小部分算法内容),
: 现在的情况,你给double salary他也太不可能回中国。
: 恕我直言,你那个婴儿哭声没有产品价值。我当年在婴儿房放drop cam,自己房间放电
: 脑,声音开大就完事了。猫不可能一直叫的。也不可能对着dropcam叫。

avatar
z*n
24
只是其中一个例子,实际上还有碎玻璃,和开门开锁的patten.

【在 P****a 的大作中提到】
: 话说家里婴儿哭啼喂奶这种用的着dl 么?感觉场景很简单,如果有dot 放的离婴儿床
: 近点,简单匹配一下是不是就可以了?

avatar
z*9
25
nv在DL和AI的软件硬件上都有巨大的优势,可不是别人吃肉他喝汤。
强调下,nv是视觉计算公司,平台型公司,不只是硬件公司而已
avatar
u*n
26
女大还没搭上,以后估计都出专用芯片。。
avatar
j*s
27
机器学习的泡泡越吹越大,知其然不知其所以然的越来越多。看看api document一天学
会深度学习的用法不难,明白其背后数学原理的又有几个?
在者,AI的趋势,花街的人不比你看到的早?股价早就被炒高了。没有炒得更高是因为
花街认为不值更多的钱
avatar
w*s
28
你这个不是DL

【在 z****n 的大作中提到】
: 很多人看到深度学习,总会想到ai这两个字母,总会进而引申到黑客帝国之类的科幻电
: 影。
: 现实中的ai当然没有那么牛逼(我不排除有这么牛逼的可能,只是现在还不太可能)
: 但是深度学习能干很多你眼中不牛逼,而很实际的应用。
: 举个简单例子,老夫做过一个识别婴儿哭声的patten应用,用在普通人的设备上,比如
: alex,只要半夜收到婴儿哭声就叫你起床换diaper/喂奶,收到你家的猫叫春声,屁都
: 不放一个。怎么辨别是不是婴儿哭声,弱智的做法是收集上地球上所有婴儿的哭声弄成
: 一个大的声线数据库,随便来个声音就去这个数据库里面检索,半弱智的做法就是老夫
: 这样,在这个数据库里面寻找patten,把patten生成后,以后随便来个声音只需要剥成
: patten,往我生成的patten上靠就行了,准确率还蛮高的,但是空间复杂度会降低很多

avatar
w*s
29
二。码公是最后消失的工作之一。

【在 w*******e 的大作中提到】
: AI是能用上的现在基本上都有人试。没有曝光说明效果还没有达到期望。超级应用基本
: 上不可能。现在的AI还不是一个端到端的solution。无人车上也只是用于环境感知,并
: 不是直接控制方向盘和刹车。无人车的核心还是rule-based,hardcoded。
: alphago只是deepmind向general AI路上的一个探索。下棋不是它的目的。
: AI如果再有突破,第一干掉的就是马公。AI将根据需要自动生成代码。其实现在就有这
: 种趋势,你没有看到AI本身的代码都很短吗?以后AI模块化,只需要几行代码把它们串
: 起来。

avatar
g*t
30
我当年一直都是这么用dropcam的,你认为有什么实际问题?

【在 z****n 的大作中提到】
: 你是说,晚上睡觉开着电脑,点开dropcam直播,喇叭开大点这样?
: 我知道你就是说扯淡,而且我不相信有地球人会这么干,智商正常的也不会。
:
: 用。

avatar
g*t
31
btw 对讲机我也有

【在 g****t 的大作中提到】
: 我当年一直都是这么用dropcam的,你认为有什么实际问题?
avatar
t*o
32
这有啥用? 一看你就没照顾过小孩。房间太大放个监听器。猫叫婴儿哭一听就知道。
人脑是最好的deep learning.

【在 z****n 的大作中提到】
: 很多人看到深度学习,总会想到ai这两个字母,总会进而引申到黑客帝国之类的科幻电
: 影。
: 现实中的ai当然没有那么牛逼(我不排除有这么牛逼的可能,只是现在还不太可能)
: 但是深度学习能干很多你眼中不牛逼,而很实际的应用。
: 举个简单例子,老夫做过一个识别婴儿哭声的patten应用,用在普通人的设备上,比如
: alex,只要半夜收到婴儿哭声就叫你起床换diaper/喂奶,收到你家的猫叫春声,屁都
: 不放一个。怎么辨别是不是婴儿哭声,弱智的做法是收集上地球上所有婴儿的哭声弄成
: 一个大的声线数据库,随便来个声音就去这个数据库里面检索,半弱智的做法就是老夫
: 这样,在这个数据库里面寻找patten,把patten生成后,以后随便来个声音只需要剥成
: patten,往我生成的patten上靠就行了,准确率还蛮高的,但是空间复杂度会降低很多

avatar
T*r
33
是不是能识别出 为何而哭
方显DL之威力呢

【在 z****n 的大作中提到】
: 很多人看到深度学习,总会想到ai这两个字母,总会进而引申到黑客帝国之类的科幻电
: 影。
: 现实中的ai当然没有那么牛逼(我不排除有这么牛逼的可能,只是现在还不太可能)
: 但是深度学习能干很多你眼中不牛逼,而很实际的应用。
: 举个简单例子,老夫做过一个识别婴儿哭声的patten应用,用在普通人的设备上,比如
: alex,只要半夜收到婴儿哭声就叫你起床换diaper/喂奶,收到你家的猫叫春声,屁都
: 不放一个。怎么辨别是不是婴儿哭声,弱智的做法是收集上地球上所有婴儿的哭声弄成
: 一个大的声线数据库,随便来个声音就去这个数据库里面检索,半弱智的做法就是老夫
: 这样,在这个数据库里面寻找patten,把patten生成后,以后随便来个声音只需要剥成
: patten,往我生成的patten上靠就行了,准确率还蛮高的,但是空间复杂度会降低很多

avatar
b*r
34
作为一个AI的从业者来看,识别小孩儿是否哭完全用不着DL,这么简单的任务SVM就搞
定了
识别哭声表达什么意思还差不多
avatar
m*u
35
喷了,你们行不行,硬件公司也想分AI的肉,可能吗?最多喝点儿汤吧
AI最大的壁垒是什么,是data,硬件公司哪里来的data?
你的那些什么gpu,ai硬件啊,google挖几个硬工自己做就可以了,可是Google的用户
数据光靠挖几个Google员工是拿不到的
avatar
b*r
36
IEEE/ACM journal 审稿人0含金量, 博士在读就可以,相当于本科学位
AI领域最好journal PAMI reviewer 一堆fresh graduate。
CS phd毕业的时候以自己名字review conference+journal50篇以上的一大堆
一些journal editor board 里面也有不少毕业1-2年的postdoc

【在 F****s 的大作中提到】
: 虽然我只是个普通的IEEE期刊审稿人,也跟ACM委员直接搭上话。
: 看了这个楼,我只能叹气,背景差太多,根本接不上话。

avatar
T*r
37
每个phd 都知道。

【在 b******r 的大作中提到】
: IEEE/ACM journal 审稿人0含金量, 博士在读就可以,相当于本科学位
: AI领域最好journal PAMI reviewer 一堆fresh graduate。
: CS phd毕业的时候以自己名字review conference+journal50篇以上的一大堆
: 一些journal editor board 里面也有不少毕业1-2年的postdoc

avatar
I*a
38
靠,不会吧?
太受打击了,

【在 b******r 的大作中提到】
: IEEE/ACM journal 审稿人0含金量, 博士在读就可以,相当于本科学位
: AI领域最好journal PAMI reviewer 一堆fresh graduate。
: CS phd毕业的时候以自己名字review conference+journal50篇以上的一大堆
: 一些journal editor board 里面也有不少毕业1-2年的postdoc

avatar
m*n
39
码工看不起硅工,硅工不服,码工说硅工不服不行。操!文人相轻啊

【在 m****u 的大作中提到】
: 喷了,你们行不行,硬件公司也想分AI的肉,可能吗?最多喝点儿汤吧
: AI最大的壁垒是什么,是data,硬件公司哪里来的data?
: 你的那些什么gpu,ai硬件啊,google挖几个硬工自己做就可以了,可是Google的用户
: 数据光靠挖几个Google员工是拿不到的

avatar
C*5
40
哥之前已经劝过老马了审稿这种事不要日日挂嘴边上。他那样自取其辱哥于心不忍。
结果丫竟然威胁哥说什么“知道哥的结局”。
现在这大嘴巴被抽得真叫一个脆。

【在 b******r 的大作中提到】
: IEEE/ACM journal 审稿人0含金量, 博士在读就可以,相当于本科学位
: AI领域最好journal PAMI reviewer 一堆fresh graduate。
: CS phd毕业的时候以自己名字review conference+journal50篇以上的一大堆
: 一些journal editor board 里面也有不少毕业1-2年的postdoc

avatar
d*g
41
读博士期间就审了太多 屁用没有

【在 b******r 的大作中提到】
: IEEE/ACM journal 审稿人0含金量, 博士在读就可以,相当于本科学位
: AI领域最好journal PAMI reviewer 一堆fresh graduate。
: CS phd毕业的时候以自己名字review conference+journal50篇以上的一大堆
: 一些journal editor board 里面也有不少毕业1-2年的postdoc

avatar
l*7
42
老马的最后结局,就是拥有几百个深度隐藏的投资概念,就是屁用没有。。。哈!

【在 C*****5 的大作中提到】
: 哥之前已经劝过老马了审稿这种事不要日日挂嘴边上。他那样自取其辱哥于心不忍。
: 结果丫竟然威胁哥说什么“知道哥的结局”。
: 现在这大嘴巴被抽得真叫一个脆。

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。