您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识
暇疵和瑕疵的区别_瑕疵与瑕疵的区别
数据,模型,人工智能暇疵和瑕疵的区别_瑕疵与瑕疵的区别
发布时间:2019-02-08加入收藏来源:互联网点击:
吴:不止如此。假设你要检测智能手机外壳上的瑕疵,包括划痕、凹痕、材料变色等。如果你的训练模型在这个检测任务上总体表现良好,但就是在识别凹痕上表现不佳,那么就可以用合成数据生成更有针对的数据来解决问题。
IEEE Spectrum:能和我们详细说一下当一家公司找到Landing AI,比如要做视觉检验,你们会提供何种帮助?
吴:我们会要求他们将数据上传到我们的平台,用以数据为中心的人工智能方法向他们提供建议,并帮助他们标记数据。
Landing AI的重点是授权制造商自己做机器学习工作,我们的很多工作是确保软件快速且好上手。在机器学习的迭代过程中,我们会为客户提供建议,比如如何在平台上训练模型,如何以及何时改进数据标记来提高模型能。
IEEE Spectrum:如果产品或照明条件什么的发生变化,这种模型能跟上吗?
吴:所以说授权制造业客户自己更正数据、重新训练和更新模型非常重要。
在消费互联网中,我们只需训练少数机器学习模型就能服务10亿用户。在制造业中,有10000家制造商就要搭建10000个定制模型。挑战是,你如何做到这点还不用雇佣10000名机器学习专家?
这个问题在其他行业比如医疗健康领域也存在。
摆脱这一困境的唯一办法是开发出能够让客户自己设计数据、表达专业领域知识的工具,让他们自己构建模型。这也是Landing AI在计算机视觉领域中正在做的事儿。
IEEE Spectrum:最后还有什么想说的?
吴:在过去十年中,人工智能的最大转变是向深度学习的转变。我认为在这十年中,最大的转变很可能是转向以数据为中心的人工智能。随着当今神经网络架构的成熟,我认为对于许多实际应用而言,瓶颈将是我们能否有效地获取让模型运行良好所需的数据。
而以数据为中心的人工智能运动在整个社区拥有巨大的能量和动力。我希望更多的研究人员和开发人员能够加入并致力于它。
完。
采访原文:
https://spectrum.ieee.org/andrew-ng-data-centric-ai
— 完 —
量子位 QbitAI · 头条号签约
关注我们,第一时间获知前沿科技动态
本文到此结束,希望对大家有所帮助呢。
下一篇:返回列表
相关链接 |
||
网友回复(共有 0 条回复) |