江苏龙网

  1. 首页 > 人文 > >

韭菜花音乐|人工智能比你还要老，或许( 二 )


现在 ， 人工智能领域的从业人员大多都身兼数职 ， 预计未来也会持续这种趋势 。 目前 ， 市场上最受欢迎的三个人工智能职位是数据科学家兼算法开发人员、机器学习工程师、和深度学习工程师 。 据求职网站Indeed显示 ， 软件开发人员在人工智能项目中需要熟练掌握包括数学、代数、统计、大数据、数据挖掘、数据科学、机器学习、认知计算、自然语言处理(NLP)、Hadoop、Spark在内的多种主要技能和工具 。 AI开发人员最常用的编程语言是Phyton、c++、Java、LISP和Prolog 。 此外 ， 企业还要求求职者必须具备使用开放源码开发环境的经验 。 例如 ， 熟练使用Spark、MATLAB和Hadoop就是必备技能之一 。 围绕人工智能进行的各类宣传炒作都是值得的Gartner在2018年的预测称 ， 此后三年内 ， 80%的新兴技术将涉及人工智能基础 。 此外 ， 市场研究公司MarketsandMarkets预测 ， 到2025年 ， 人工智能市场将发展成为价值1900亿美元的强势产业 。 此外 ， 埃森哲（Accenture）也曾预言称 ， 人工智能技术将推动企业劳动生产率提高近40% 。 根据IDC的数据 ， 2019年投资最多的人工智能用例分别是自动化客户服务代理（全球45亿美元）、销售流程推荐和自动化（27亿美元）以及自动化威胁情报和预防系统（27亿美元） 。 综上所述 ， 围绕人工智能而进行的一切宣传炒作都是值得的 。
AI为各行业带来了多种影响
在担心“软件开发人员是否会被人工智能取代”之前 ， 我们先来看一看人工智能到底能做什么 。 在过去的几年中 ， 部署人工智能的行业和用例激增 。 2018年12月 ， 纽约佳士得拍卖行以4.32万美元的价格拍出了一幅名为《EdmonddeBelamy》的肖像画 ， 这幅19世纪欧洲肖像画风格的画作由算法生成 。 如今 ， 各种各样由人工智能生成的艺术作品被频频展出 ， 纽约的《超越时间的无脸肖像》系列收藏就是一个典型的例子 ， AhmedElgammal博士及其AICAMAI也成为了第一个举办个人画廊展览的人工智能艺术家 。 与人工智能相关的艺术热情也在影响着音乐行业 。 你可以点击下方链接 ， 播放由ASCII编码生成的古典和摇滚乐 。 该作品名为“Recurrence” ， 由于这张“唱片”是五年前创作的 ， 所以你可能会觉得它的音乐风格有些老派、不够新颖 。 （https://soundcloud.com/optometrist-prime/recurrence-music-written-by-a-recurrent-neural-network?ref=hackernoon.com）与此同时 ， 人工智能工具也被用于解决各类医疗问题 ， 为我们带来了更具实质性的社会影响——在医疗研究中识别、预防和治疗机体紊乱和疾病 。 预计到2026年 ， 这些应用每年将为医疗经济节省1500亿美元 。 以人工智能为基础的输入模式匹配算法可以根据用户的输入行为来验证用户的身份 。 2016年推出的TypingDNA技术能够通过分析人与键盘间的互动 ， 从而进行准确的身份验证 。 这一突破性的发现基于以下事实：每个人都是不同的 ， 其行为方式也各不相同 。 以下链接演示了其工作原理 ， 你可以和朋友一起玩玩这款挑战游戏 ， 看看是否能通过模仿彼此的打字行为来骗过系统的眼睛 。
（https://www.typingdna.com/?ref=hackernoon.com#demo）此外 ， 谷歌的深度学习、机器学习程序在检测乳腺癌方面的准确率高达89% ， 而人类病理学家的准确率仅为73% 。 这也是机器学习和人工智能被视为健康卫生领域新神经系统的原因 。
最后 ， 人工智能也十分聪明地展现了自己未来的潜力 。 例如 ， AlphaGoZero——谷歌深度思维项目 ， 就以超水平的表现 ， 完美地击败了卫冕冠军AlphaGo（第一个击败世界顶级围棋选手柯洁的人工智能机器人） 。 有趣的是 ， AlphaGoZero是在仅仅给定基本规则的情况下 ， 自学成才的 。
AI不会取代人类 ， 但会取代人类的工作
25年前 ， 杰夫?迪恩（JeffDean）开始研究模仿神经网络来分析信息并进行学习的“大脑” ， 但当时神经网络能力十分有限 。 直到2012年 ， 神经网络才被成功地应用于机器学习、记忆、感知和符号处理等领域 。 而杰夫?辛顿（GeoffHinton）也开创了一个新时代 ， 他带来的神经网络可以通过分析大量的数据自行学习 。 迪恩和辛顿现在都是谷歌人工智能研究团队的成员 。 2017年 ， 谷歌宣布其AutoML项目成功自学了机器学习软件编程 。 AutoML能够完成基本的编程任务这一事实或许会带来一轮新的恐慌：既然机器具备了自学能力 ， 那么它们是否会取代人类？欢迎来到本世纪的终极恐慌问题 。 与限定领域人工智能或弱人工智能（Narrow/WeakAI）指定处理人类也能完成的单一或有限的任务不同 ， 通用人工智能或强人工智能（General/StrongAI）一旦失控 ， 其强大的能力将造成人类的巨大恐慌 。 目前 ， 人工智能主要作用是辅助开发人员进行作业 ， 也在增强人类团队能力方面发挥着作用 。 我们身边随处可见它的身影——帮助编写文档、测试代码、甚至能够识别并解决bug 。 OpenAI及其GenerativePre-trainedTransformer3（GPT-3）——一个具有1750亿参数的自回归语言模型 ， 在许多NLP数据集上都实现了强大的性能：包括翻译、问题回答和完形填空、以及一些需要即时推理或领域适应的任务 。 这表示 ， 它生成的新闻文章或许能够媲美由人类撰写的文章 ， 甚至连人类评估员都难以区分二者的区别 。 麻省理工学院的研究人员创建了一个程序 ， 可以通过其他程序的工作行替换错误代码行来自动修复软件bug 。 以下这几个工具都可以在构建软件产品时为我们提供适当的帮助：DeepCode、SynopsysLogojoy和UIzard 。


推荐阅读


上一篇：S手机科技鑫空影视K|坚果R2这一步够好用，效率体验拉满！，安卓手机系统差异成关键

下一篇：寂寞的机王|又要智能好用，那就是源本生活热水袋，即要高颜值