奇点大学公开课到底都讲了啥?

    摩尔定律由英特尔创办人之一戈登·摩尔(Gordon Moore)在1965年建议,它露出了信息功夫的高速发达,全面的说,是“当价格不变时,集成电路上可容纳的晶体管数目,约每隔18个月便会增加一倍,性能也将提升一倍。换言之,每1美元所能买到的电脑性能,将每隔18个月翻一倍以上”。

    

    这一实验多年的算计机学科学科定律,固然远没牛顿的经典力学、爱因斯坦的相对论般源远流长,但在目前为止在IT行业仍旧是个金科玉律,假使这两年来跟着PC行业的下滑与搬动行业的伸长密切饱而屡受质问,但摩尔定律在计算机行业带来的调动,仍然影响清晰几代人。

    

    这其中,就囊括昨天来华的几个寰球“最聪明”大脑——美国奇点大学教练。NeilJacobstein,奇点大学人为智能名目承担人、美国国防部及NASA参谋;BradTempleton,奇点大学汇集与计算项目负责人、谷歌无人驾驶项目顾问;RaymondMcCauley,奇点大门生物技术和信息学项目负责人。

    

    此前的著述《奇点大学,奈何为人与呆板誊写史册》已经简单先容了这所神奇的机构,不再赘述,而二十四日在百度百家《theBIGtalk》上演讲了三个教授,则真确让现场的百人学员与媒体零隔断交锋了奇点大学的风格。

    

    当最前沿科技讲坛坐落在故宫旁的明代永乐十八年建成太庙中,俊俏的灯影打在平和的建造之上,相隔6个世纪的两种文雅碰撞的声响让人在眩晕中带着些许得意。

    

    底细上,基于搜集的高速发展,在这个界限中美信息边界已经已经越来越少,是以,在一整日的讲课中,三人介绍的更多的是表面基本与措施论以及美国外地的少许案例,紧要触及三个领域——人工智能、网络计算与数字生物技术。

    

    

    

    左:Raymond中:Neil右:Brad

    

    1、指数思想带来的变化

    

    这通盘调动,都要基于“指数思维”的思虑方法,比拟于传统的线性思维方式,指数思维所带来的变化是惊人的,要是你早已忘了初中数学中的中的指数见解,就简单看个例子

    

    “如果同样走30步,每步1米,按照线性思维的1,2,3……30总计走了30步,共30米,而指数思维则是1,2,4,8,16……最后30步的距离超过10亿米,已经可以绕地球几十圈,这就是线性与指数的差别”。

    而操纵在前沿技术中,出现的则是一种“技术爆炸”,这也是著名科幻小说《三体》中暗中森里编制的理论基础。

    

    Neil教授期待,新一代的研讨人员都可能用指数思维来思考题目,在奇点大学的理念中,也希望用这种方式来处分10亿人丁以上带来的问题,包括贫穷,饥饿,天气等,信息技术的发展有恐怕让各行各业都带来指数量级的发展,各学科之间也须措施会维系才气更好的解决上述问题。

    

    2、人工智能可被人类掌控

    

    值得周密的是,Neil觉得我们已经处于技术指数增长的起步阶段,但“人类尚未做好准备”。他举例称,随着人工智能的发展,用不了多久在美共有60%的人力作事将被机器代替,纵然在华夏,首屈一指的代工厂富士康也在研究如何用机器人取代职员,这让人难免感应了机器的钳制,与“钢铁侠”穆斯克认为机器将覆灭人类阔别,Neil是个显然的乐观派——尽管技术的发展会裁减工作,乃至包括呼唤核心、收银员,甚至差人都可能被取代,但机器的发展会带来更多的财产,并“平等”的分派给天地。

    

    对待人与机器的的发展,Neil感应两者并不是在竞赛,临了的结果会是人类是掌控机器,天然,对Musk提出的极度威胁论以及技术的潜伏威胁,奇点大学也平素在做注意职司。

    

    从更平时的角度来说,技术的革命已经在推翻传统各行业,Neil就举了柯达与instagram的例子,前者在一九九六年时具有14万员工,市值高达280亿美元,随着数字技术与移动互联网的来临,在二零一二年柯达市值不足1亿,公告崩溃;而仅13个员工的移动APP服务商instagram,在创办的第三个年初估值却已经到达10亿美金。在美国,Netflex与blockbuster,uber与出租车,airbnb与传统酒店,都是互联网新实力博弈传统旧家当的经典案例,这种由技术带来的互联网变革,也催生了浩繁宏大的公司,谷歌、微软、亚马逊、Facebook以及苹果,都受到奇点大学的谚语。Neil甚至认为,即使他们在各自的领域限制内抢占再多的份额也都称不上“垄断”。

    

    已经被凭证的互联网、加上3D打印、数字生物科学都是可能成为指数级增长的公司,“如果你所在的企业扔处于线性思维,并以线性速度成长,就要小心了,它很可能被新技术所取代”,他指示现场传统行业的学员们。

    

    3、志愿驾驶技术已经精干

    

    BradTempleton是谷歌自动驾驶汽车的顾问,他在公然课上也说起了不少有关自动驾驶的问题。

    

    受限于激情及体味,并非每个别都能成为好司机,希奇生手女司机,成为马路杀手的几率出格的高,州惨绝人寰的视频正不断的提醒我们这一点。所以,岂论是从司职才能、仍旧从普及效力接收时间的角度来说,无人驾驶都是值得关注并加入的技术,来日人甚至可以直接躺在车里就寝,“机器人掌控汽车,不用担心驾驶技术,不用去担心去找车位”。

    

    Brad介绍称,包括谷歌等互联网公司,以及现象部中高端汽车集体研究的无人驾驶汽车并已经初具成效,我们多见诸报端的可能即是谷歌的街景拍摄汽车了,它已经安静行驶了足以让人安定的里程,下一步,就是如何在法令框架范围内正式进来诚恳交通。大众(包括奥迪)、日产、丰田等在Brad的视频展示中也看起来极度成熟。

    

    事实上,在已经上市的一些高端车型中,坊镳自动泊车,行驶(并线、倒车、坡起)扶助成效呢个已经相当常见,这些都可以视作自动驾驶广泛应用的前列尝试。

    

    但是,在楠哥看来,信息领域的鸿沟可以靠代码搞定,但在现实社会中,特别交通领域,中美之间,恐怕说发展中国家与发财国家的科技成果仍然是无法共享的,在我每天穿行的北京交通线路中,你很难联想在旦夕高峰期有一辆无人汽车可以穿行自如,谁都清楚,在这个大大城市机都不是太守规律的交通网络,你越固守章程越智能,可能就意味着更多事务与更多拥堵。

    

    数据闪现,中国每年因交通事故遇难连累的数据是6万多人,何况已经接连10年连接这个不光辉的“冠军”头衔,要想摆脱这个大问题,彰着不是靠自动驾驶与智能汽车可以解决的。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值