Цитата Джеффа Дина

Я думаю, что есть много отраслей, которые собирают много данных и еще не рассмотрели последствия машинного обучения, но в конечном итоге будут его использовать.
Раньше мы могли использовать машинное обучение в нескольких подкомпонентах системы. Теперь мы фактически используем машинное обучение для замены целых наборов систем, а не пытаемся создать лучшую модель машинного обучения для каждой из частей.
Мы собираемся полностью изменить то, что означает расширенная аналитика с помощью наших решений для обработки данных. У нас есть материалы по машинному обучению, которые действительно привносят продвинутую аналитику и статистическое машинное обучение в отделы обработки данных во всем мире.
В значительной степени прогресс в области машинного обучения — и это непопулярное мнение в академических кругах — обусловлен увеличением как вычислительной мощности, так и объема данных. Можно провести аналогию со строительством космической ракеты: вам нужен огромный ракетный двигатель и много топлива.
В конечном счете, я предполагаю, что технологии однажды смогут воссоздать реалистичное представление о нас в результате того, что изобилие контента, которое мы создаем, сходится с другими достижениями в области машинного обучения, робототехники и крупномасштабного интеллектуального анализа данных.
В системах машинного обучения много работы, которая на самом деле не является машинным обучением.
Машинное обучение ищет закономерности в данных. Если вы начнете с расистских данных, вы получите еще больше расистских моделей. Это настоящая проблема.
Вам нужно использовать науку о данных и машинное обучение, чтобы получить достоверную информацию о том, что происходит внутри компании.
Научные данные не берутся для музейных целей; они берутся за основу для совершения чего-либо. Если с данными ничего не поделаешь, то и собирать их бесполезно. Конечной целью сбора данных является предоставление основы для действий или рекомендаций для действий. Промежуточным этапом между сбором данных и действием является прогнозирование.
Мы всегда должны с подозрением относиться к системам машинного обучения, которые описываются как свободные от предвзятости, если они были обучены на данных, сгенерированных человеком. Наши предубеждения встроены в эти обучающие данные.
Определенно, машинное обучение все чаще используется в продуктах Google, как в службах на базе центров обработки данных, так и в гораздо большей степени наши продукты работают на устройствах по телефону.
Теперь, когда мы находимся в облаке, все меняется с точки зрения обмена нашими данными, понимания наших данных с использованием новых методов, таких как машинное обучение.
Закон о свободе США не предлагает нам отказываться от любых усилий по анализу телефонных данных, мы говорим здесь о программе, которая в настоящее время предусматривает сбор всех данных просто как обычное дело и агрегирование всех этих данных в одна база данных. Это вызывает опасения у многих людей... Есть много возможностей для злоупотреблений.
Наши разведывательные сообщества тратят много времени и усилий на сбор информации и данных [о хакерских атаках со стороны России]. Бывают случаи, когда они очень осторожны и говорят: «Мы думаем, что это то, что произошло, но мы не уверены».
Apple знает много данных. Facebook знает много данных. Amazon знает много данных. Microsoft использовала и до сих пор делает с некоторыми людьми, но в новом мире Microsoft знает обо мне все меньше и меньше. Xbox по-прежнему много знает о людях, которые играют в игры. Но это большая пятерка, я думаю.
И знаете, я получил огромное удовольствие, переворачивая с ног на голову довольно много разных отраслей и следя за тем, чтобы эти отрасли никогда больше не были прежними, потому что вмешалась Virgin и взяла их на себя.
Приложения машинного обучения и искусственного интеллекта оказываются особенно полезными в океане, где есть так много данных - большие поверхности, большие глубины - и недостаточно данных - слишком дорого и не всегда полезно собирать образцы любого вида из повсюду.
Этот сайт использует файлы cookie, чтобы обеспечить вам максимальное удобство. Больше информации...
Понятно!