算法有扩展性，但实现尚不具备通用性（法）

您当前位置：首页 > 行业分析 > IT通讯 > 　正文

来源：中为咨询www.zwzyzx.com 【日期：2016-09-14 17:24:49】【打印】【关闭】

相关报告

以深度学习方法为例，在自然语言理解、图像识别以及辅助智能决策等方面均有应用，只不过会根据不同的应用场景进行相应的调整，由此来看算法的扩展性是毫无疑问的。

一方面，人工智能应用越来越强大，但单个应用的适用领域依然专一而狭窄。1997年IBM的“深蓝”本就是针对国际象棋而开发，并且在赢得比赛之后即“解甲归田”；2016年的AlphaGo虽然是用了相对而言更为通用的架构构建，但在代码中依然存在很多人工编码的知识，所以也只是用来下围棋，若不调整模型并重新训练，它甚至都玩不来更简单的国际象棋。20年时间过去，能灵活应用于多个领域的通用人工智能还是很遥远。

另一方面，即便是对于单一领域的人工智能应用而言，也并不能适用于所有环境。例如语音识别，所谓95%以上的识别准确率也只是实验室水平，测试的语音必须来自安静的环境，普通话还得标准，而在2014年12月百度公布的噪音环境下的识别准确率也就刚刚超过81%，而且我们可以想

象，这所谓的噪音环境，也显然不会是一屋子人天南地北瞎侃的酒馆茶楼。再如人脸识别，不同的

角度、分辨率、光线环境下，算法结构上会有显著差异。为了保证准确度，算法必须根据其特定使用环境定制化开发。例如，银行柜面和火车站闸机口的人脸识别算法之间，会有较大的差异。

本文地址：http://www.zwzyzx.com/show-336-232204-1.html

分享到：

上一篇：模型的构建和训练仍需要技术诀窍（法）

下一篇：技术算法的改进进一步增加人才储备的需求（人）

相关资讯