本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源,一旦发现资源涉及侵权,将立即删除。希望所有用户一同监督并反馈问题,如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
当人们听说“AI的进化将剥夺人类的就业机会”
时,出于对机器的担忧和反感,他们就会产生逆反心
理,从而造成对AI能力的过高预估;另一方面,当这
种过高的期待没有实现时,人们就会产生对AI的全面
否定,如“AI什么也干不了”“到头来还不是一无是
处、毫无意义”。我们该如何澄清关于AI的各种误
解,使企业能够从容自如地使用AI?
本书作者野村直之30多年来一直致力于AI的开
发、应用和部署。在本书中,他针对已经参与或即将
参与Al系统相关工作的读者揭示了诸多为了充分应用
AI系统需要掌握的要点。
·AI的现状。目前的AI都是辅助性工具,“强
AI”还无法在21世纪内诞生。
·AI的核心技术——深度学习。AI应用落地的关
键在于目标精度的评测与活用,通过使用 率和召
回率两个指标,来准备良好的样本数据。
·样本数据的制作。通过短周期原型开发评估目
标精度,加之专业人士的参与,同时使用高性能的GPU
硬件。
·AI部署人才应具备的技能。AI时代的人才需要
福尔摩斯般的思考能力,不仅要善于发现问题,打破
现有局面,还要为解决问题设定目标,完成从“知识
劳动”到“智能劳动”的转变。
第1章 当今AI的功能与局限
关于AI常见的误解
利用大数据的围棋AI
如何有效运用“幼儿智能”
思考能够使用图像识别技术的商业领域
深度学习是“原始数据计算”
通过三个数轴对AI进行分类
深度学习是如何提取特征的
“模式识别”:AI的眼睛和耳朵
使用深度学习的机器翻译能够获得压倒性胜利的原因
“强AI”的出现至少要到22世纪吗
指数函数的恐怖
知识量的增加至多是二次曲线级
充分运用深度学习的必要性
深度学习与其他方式的结合也很有价值
第2章 使用深度学习的基本流程
在AI应用中不可或缺的目标设定
分享评测数据使其可以共用
作为精度指标的“ 率”和“召回率”
作为前提的正确结果不止一个
不同场景中对 率和召回率的重视程度不同
业余和专业所需的精度是不同的
深度学习的准确性评估测试 简单
能准备反映共同特征和多样性差异的训练数据
使用开发环境进行数据学习的流程
注意过度拟合
第3章 目标精度的实际评估和利用
从危险驾驶分类中了解自动驾驶的问题
AI给生产力带来的提升效果
交通标志与AI的匹配和RFID化也是必要的
精度目标的设定和预算是“鸡与蛋”的问题
自动驾驶需要用各种观点进行综合评估
特斯拉汽车为何发生车祸
结合预期值评估服务质量 重要
设计业务流程时的混淆矩阵很重要
用附有概率值的判定结果将分支条件精细化
根据置信度对处理结果进行场景分类
为每个样本或医疗机构设置 佳精度
对AI纠错的意义
如何评估聊天机器人的准确性
用“对话成立度”对精度进行定量评估
参考信息技术架构库改善业务流程
让AI学习特殊情况下的数据
第4章 AI部署的实例
企业的数字化
将AI API化后公开
AI部署的战略以及企业内部体制
制作样本数据时的注意点
标注人员进行的标注工作
增加相互之间只有少许差异的样本数据