算法有扩展性,但实现尚不具备通用性(法)
相关报告
- 2015-2020年中国智能机器人行业市场深度剖析及投资发展研究报告(2015-08-04)
- 2015-2020年中国工业机器人行业市场主要领域调查分析报告(2015-08-28)
- 2015-2019版智能机器人行业企业建设项目可行性研究报告(2014-11-17)
- 2015-2020年中国工业机器人行业运行研究及市场投资发展分析报告(2015-06-02)
- 2015-2019年中国智能机器人企业拟IPO上市细分市场研究报告(2014-11-18)
- 中国机器人行业市场深度调查研究及投资咨询报告(2018-08-09)
- 2016-2022年中国工业机器人应用系统行业市场深度调查研究及投资咨询报告(2015-12-02)
- 2015-2020年中国工业机器人行业市场重点层面调查研究报告(2015-08-28)
- 2015-2019年中国智能机器人业兼并重组及投资建议研究分析报告(2014-11-18)
- 2015-2020年中国工业机器人行业深度调研及市场投资发展研究报告(2015-07-20)
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
相关资讯
- 我国军工电子行业竞争格局和市场化程度(2014-06-04)
- 美国企业级SaaS市场进入成熟阶段,但仍居有大量机会(2016-11-01)
- 国内多方通信服务行业市场竞争格局(2015-01-11)
- 矽时代科技(待上市):国内电子应用化学品龙头,专用防水涂覆剂领先(2016-10-12)
- 电子行业在智能制造细分行业中具有优势(2016-05-31)
- 创新试验田MCity,驱动无人驾驶全面成熟(2016-08-05)
- DTU与工业级移动路由器市场的竞争情况与主要竞争对手(2014-06-27)
- 互联网导航入口——2345(2016-05-13)
合作媒体
最新报告
定制出版
热门报告
免责声明
中为咨询所引述的资料是用于行业市场研究以及讨论和交流,并注明出处,部分内容是由相关机构提供。若有异议请及时联系本公司,我们将立即依据相关法律对文章进行删除或作相应处理。查看详细》》