技术终于有人对语音技术来了次彻头彻尾的批判( 八 )


技术终于有人对语音技术来了次彻头彻尾的批判
本文插图

Andrej Karpathy在他的技术讲座中解释:为什么在自动驾驶汽车行业 , 获得最后1%的质量很困难
但是我们应当从中学到什么?为什么我们应当关心和参与这些?作为一项科技 , 语音有很大的潜力将无聊的任务自动化 , 让人们可以将精力花在重要的事情上 。 这些以前也发生过 。 20年前 , 这样的“奇迹”技术是关系数据库 。 请阅读Benedict Evans关于这个主题的文章 。
“关系数据库是一个新的基本支持层 , 能够改变计算所能做的事 。 在1970年代晚期关系数据库出现之前 , 如果你希望数据库显示“所有购买此产品并居住在该城市的顾客”信息 , 则通常需要一个客户工程项目 。 数据库的结构限定:并非任意交叉引用查询都很容易也很常规 。 如果想要提问 , 则需要有人建立 。 数据库是保存记录的系统 , 关系数据库则将其转化为商业智能系统 。
这使得数据库在重要的应用方面有所改变 , 因此创建了新的用例 , 并导致全新价值数十亿的公司出现 。 关系数据库给了我们Oracle , 也给了我们SAP公司 , 而SAP公司及其同侪让我们拥有了全球化的即时供应链 , 他们又给了我们苹果和星巴克 。 到了1990年代 , 几乎所有企业的软件都是关系数据库了 , PeopleSoft和CRM , 还有SuccessFactors以及数十家公司几乎都在使用关系数据库 。 没有人会认为SuccessFactors或Salesforce这样的公司会因为数据库都归属于Oracle而无法运行 。 相反 , 这项技术成为了所有一切的支持层 。
因此 , 借助这种思考方式来衡量如今的机器学习会是很好的办法 。 这是我们对计算机所能应用方式变化的一步进展 , 也会成为很多不同公司许多不同产品的一部分 。 最终 , 几乎所有一切都会包含机器学习了 , 而且没有人会在意 。 这里有一个重要的相似之处便是 , 尽管关系数据库具有规模效应经济 , 还存在有限网络或“庄家通吃”效应 。 假如B公司从同一家供应商处采购了相同的数据库软件 , 则A公司所使用的数据库不会变得更好:如果Caterpillar公司也买了相同的数据库 , 那么Safeway公司的数据库也不会变得更好 。 机器学习在实际中的应用与之相似:机器学习是关于数据的 , 但数据与特定应用高度关联 。 更多的笔迹数据会使得手写识别器效果更好 , 而更多燃气涡轮数据会令预测燃气涡轮故障的系统效果更佳 , 但彼此之间无法协助作用 。 数据是不可替代的 。 ”
根据他的概念:“机器学习 = 只是个能回答些问题的堆栈 , 就像无处不在的关系数据库” , 语音技术的命运只能取决于我们来决定 。 其利益会由少数选择后的人群 , 还是整个社会 , 尚且不得而知 。 我们坚定地相信 , 毫无疑问语音技术会在2-3年之内成为商品 。 唯一的问题在于 , 它们会更像是PostgreSQL还是Oracle , 或者两者并存?
原文链接:
https://thegradient.pub/a-speech-to-text-practitioners-criticisms-of-industry-and-academia/
本文为CSDN翻译文章 , 转载请注明出处 。
技术终于有人对语音技术来了次彻头彻尾的批判
本文插图

技术终于有人对语音技术来了次彻头彻尾的批判
本文插图
?中国 App 出海“变形记”
?内存技术发展史
?视频 | 你不知道的"开源"60年秘史
?GitHub标星10,000+ , Apache项目ShardingSphere的开源之路
?阿里技术专家告诉你 , 如何画出优秀的架构图?
【技术终于有人对语音技术来了次彻头彻尾的批判】?加拿大API平台如何做到30%为中国明星项目?创业老兵这样说……


推荐阅读