算法有扩展性,但实现尚不具备通用性(法)
相关报告
- 2015-2020年中国工业机器人行业市场调查研究及投资发展分析报告(2015-06-02)
- 2015-2020年中国智能机器人行业市场调查研究及投资发展分析报告(2015-06-16)
- 2016-2022年中国机器人行业市场深度调查研究及投资咨询报告(2016-04-15)
- 2015-2020年中国智能机器人行业深度调研及市场投资发展研究报告(2015-08-04)
- 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)
- 2015-2020年中国工业机器人行业市场深度剖析及投资发展研究报告(2015-07-20)
- 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)
- 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)
- 2014-2018年中国机器人行业市场发展研究及投资咨询研究报告(2014-01-13)
- 2016-2022年中国工业机器人区域行业市场调查研究及发展分析报告(2015-11-05)
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
- 国内移动网络游戏行业主管部门及监管体制(2015-06-11)
- 国内IC产业政策支持情况(2014-08-08)
- 我国手机阅读庞大的用户基数为移动有声阅读增值业务提供广阔空间(2015-01-08)
- 我国第三方支付行业:跨境支付(2016-06-23)
- 2013年度山东地区电信通信服务水平情况分析(2014-03-15)
- 全国医疗卫生费用持续增长(2016-03-16)
- 网络身份管理落地:以政策为主导,以eID为核心(2016-08-19)
- 互联网营销服务行业集中度将逐步提高(2014-06-04)
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》》