爱因儿科技 并提出解决方案,吴恩达演讲直指AI落地三大挑战
机器之心报道
编辑:陈萍、小舟
吴恩达在斯坦福大学HAI研讨会上进行内容分享 , 指出AI部署所面临的三大挑战 , 并给出解决方案 。
【爱因儿科技 并提出解决方案,吴恩达演讲直指AI落地三大挑战】随着人工智能的不断发展 , 大量先进算法以及配套硬件设施不断涌现 , 研究人员凭借新算法等不断刷新SOTA记录 , 但是在科研中、论文中实现的高精度性能 , 很多却不能应用于实际的生产中 。 AI离真正的落地还有多远?
现阶段 , 许多公司和研究团队正在努力将研究转化为实际的生产部署 。 近日 , 机器学习大牛吴恩达在斯坦福大学HAI研讨会上分享了一些有趣的观点 , 即「如何弥补AI的概念验证与生产之间的差距」 。
HAI(「以人为本」人工智能研究院)成立于2019年3月 , 由斯坦福大学人工智能科学家李飞飞和哲学教授约翰·埃切曼迪(JohnEtchemendy)共同领导 , 致力于推动人工智能领域的跨学科合作 , 让科技以人为中心 , 并加强对人工智能社会影响的研究 。 HAI定期举办研讨会 , 此前吴恩达参加研讨会并做了演讲 。

文章图片
AI部署所面临的挑战
在这次研讨会上 , 吴恩达分享了人工智能面临的挑战之一 , 即AI概念验证与产品落地之间的差距 。
吴恩达从三个方面介绍了AI部署所面临的挑战:小数据、算法的鲁棒性和泛化能力 , 以及变更管理 。

文章图片
挑战1:小数据问题
小数据在消费互联网以外的工业应用中很常见 , 而AI研究通常使用大数据 , 很多算法是针对大数据开发的 。
但是很多行业可获取的数据规模有限 , 为了使AI在这些行业中起作用 , 我们必须开发针对小数据的算法 。 小数据适用的算法包括GAN、GPT-3、自监督、迁移学习等 。

文章图片
挑战2:算法的鲁棒性和泛化能力
大家可能已经发现 , 已发表论文中效果显著的模型通常在生产中不起作用 , 研究中声称算法结果已经超过人类的方法却不能很好地投入到生产 , 训练的模型不能很好地泛化到其他数据集等 。 吴恩达以医疗领域举例进行说明 。 然而这些问题不仅存在于医疗领域 , 其他领域也面临相同的问题 。

文章图片
挑战3:变更管理
AI技术可以使工作流程实现自动化或部分自动化 , 而这对相关人员的工作带来了影响 。 我们需要对整体的改变有更好地掌握 。

文章图片
解决方案
对于上述挑战 , 吴恩达也表达了自己的观点 , 给出了解决方案 。 他指出我们应该关心整个机器学习项目周期 , 除了构建机器学习模型以外 , 其他问题也应该更系统化 , 让AI更具可重复性和系统性:

文章图片
我们应从范围界定到数据、建模和部署 , 系统地规划机器学习项目的整个周期 。

文章图片
吴恩达表示 , 学界和工业界应努力将机器学习转换成系统化的工程学科 。

文章图片
推荐阅读
- 科技|2022年七大前沿科技:每一项都能改变世界
- realme|定位新一代“科技国潮”!realme V25官宣将搭载神秘新科技
- 国产|打造出国产7nm GPU!壁仞科技迎一员大将:原NVDIA高管杨超源入职
- 科技前沿|首次100%满功率!我国第二台华龙一号核电站又近一步
- 俞敏洪|俞敏洪进军科技界!新东方成立科技公司:经营范围含集成电路、5G
- 智能手机|科技圈的脱口秀大王?盘点卢伟冰那些年说过的金句
- 冬奥会|北京冬奥会火炬接力点位确定!火炬设计师曾任锤子科技高管
- 科技|可穿透物体内部成像 我国成功研制国际首台高分中子照相机
- 罗永浩|50亿!交个朋友2021年抖音直播带货第一:罗永浩称年后回归科技界
- 罗永浩|“行业冥灯”老罗回归!不做手机、元宇宙 只为科技界
