原创<br> 恰同学少年:DigiX极客校园大赛领航的AI远征( 五 )

最大的区别在于 , 校园开发者对创新的理解和认知 。

学术体系下的创意往往不会局限于某个具体的商业需求 , 而是倾向于关注前沿科学成果 , 鼓励跨学科、全场景的协作与创新 , 有时还涉及许多现实商业中未曾覆盖到的领域 , 比如利用AI解决农业低效问题 。

很多科技公司在本身业务范围的限制下 , 其开发者生态的包容性、资源储备、技术实力往往难以满足校园创新所需要的广度和深度 。

另一个不同则体现在工程能力的差距 。 具体到创意实现的进程里 , AI开发就不仅仅是理论层面的探索 , 而对开发者的工程细节、部署能力等提出了更高的要求 。 如果开发者本身的经验不足 , 加上基础条件缺失 , 很有可能流于理论 , 使得创意难以被系统化地直观验证 , 造成“创意牛逼落地难”的局面 。

原创<br> 恰同学少年:DigiX极客校园大赛领航的AI远征

----原创<br> 恰同学少年:DigiX极客校园大赛领航的AI远征//----江苏龙网 http://www.jiangsulong.com //

本文原始标题为:原创<br> 恰同学少年:DigiX极客校园大赛领航的AI远征---来源是:

本文原始标题为:原创<br> 恰同学少年:DigiX极客校园大赛领航的AI远征---来源是:

本文原始标题为:原创<br> 恰同学少年:DigiX极客校园大赛领航的AI远征---来源是:

另外 , 校园AI力量在数据、算力等资源上有着天然的短板 。 AI开发的前提是要在各种端口收集和处理数据 , 以保证训练成果的有效性 。 而当前的情况是 , 大数据资源基本掌握在互联网科技巨头手中 , 经过脱敏等方式分享给学界 , 注定是一个缓慢而艰难磨合的过程 。


推荐阅读