※ 引述《chungrew (work hard, play hard)》之铭言：
: 如题 当我两年前走进一个AI的讲堂听演讲的时候
: 记得当时关心AI的人只有行内人跟学者专家，最多加一些本科系学生
: 会场连一半都坐不满
: 前几天受邀去参加某个AI讲座
: 吓到我了 现场高朋满座 座无虚席
: 来宾席都坐满了
: 连走道和会场后方都站满了人
: 与会的人横跨各科系 连法律系、政治系、经济系、心理系的人都跑来听
: 教授、学生、研究生、研究助理一应俱全
: 可是谈的东西除了多一些趋势与应用开发 基本概念与逻辑其实是一贯的
: 也是继承 冯纽曼(数学家与早期AI专家)的逻辑发展下来的理论
: 到底为什么AI最近突然爆红？
: AI还是AI啊！
: 大家怎么看？
大家表面上说AI讲AI 但底子里的东西其实没什么两样
可以看一下这个 google trend
https://i.imgur.com/gpkM3sy.png
AI以前也红过得 中间冷下来一阵子 大家换成说 big data data mining
然后现在风向变了 又变成说AI 或是你也可以看到
Machine Learning整个爆红
你说这是不一样的东西
对啊是不一样的 但一般人又分得出这个差别
AI又分成强AI 弱AI
有要达成跟人类同等级智慧为目标的
也有只要实现部份智慧行为的
ML可以算是AI的一个子领域 (可议 自然又有自己一套定义
data mining当然也不是完全一样的东西
但是反正背后都是stat, optimization, proba, linear algebra诸如此类
表面看起来也差不了多少
其实就只是换一个名字包装一个差不多的观念
如果真的就学术研究来讲
我不觉得这一两年的paper比起之前真的有什么特别重大的突破
Deep learning开始可以一般是追朔到十年前pretraining
CNN的话大家会cite的那一篇大概是2012
现在当红的GAN也是2014
当然各式各样越来越深越来越神奇的network
加上各式各样细节性的改进
然后大公司背后大量的数据库跟硬件资源
train出的结果就是大家所看到的
可是要说现在在生活中有什么明显的影响吗
我觉得都是循序渐进看不出来啦
真的要说的话
像是Tensorflow Pytorch之类的framework的成熟和释出
然后GPU的增进 Pascal Volta
让家家户户都可以train自己的model
也不需要什么厉害的数学或是coding能力
可能还是有差吧
作者: chane10825 2017-10-19 05:46:00
机器学习只是AI的一环 还有自然语言 机器认知 等等Google yelp 等公司的intern都可以轻松把玩深度学习会用 机器学习 在一线公司 只能算是基本功夫惹当然 用的好 train的准 又是另一回事