Цитата Джеффри Хинтона

Возьмите любую старую задачу классификации, где у вас много данных, и она будет решена с помощью глубокого обучения. Будут тысячи применений глубокого обучения.
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.
Глубокое обучение позволяет создавать прогностические модели на уровне качества и сложности, которые ранее были недостижимы. Таким образом, глубокое обучение также улучшает функцию продукта науки о данных, поскольку оно может создавать новые возможности продукта.
Одной из вещей, которую Baidu преуспела на раннем этапе, было создание внутренней платформы для глубокого обучения. Это позволило инженерам всей компании, в том числе людям, которые не были исследователями ИИ, использовать глубокое обучение всевозможными творческими способами — приложения, о которых такой исследователь ИИ, как я, никогда бы не подумал.
Я думаю, что люди должны понимать, что глубокое обучение делает многие вещи намного лучше. Глубокое обучение уже работает в поиске Google и поиске изображений; это позволяет вам искать изображения по такому термину, как «обнять».
Разрабатывая решения для глубокого обучения, которые быстрее, проще и дешевле в использовании, Nervana демократизирует глубокое обучение и способствует прогрессу в медицинской диагностике, распознавании изображений и речи, геномике, сельском хозяйстве, финансах и, в конечном итоге, во всех отраслях.
Большая часть ценности глубокого обучения сегодня заключается в узких областях, где вы можете получить много данных. Вот один из примеров того, чего он не может сделать: вести осмысленный разговор.
Если явные метаданные представляют собой реальную проблему, они вызывают проблемы, которые просто невозможно решить. Дело не в том, что мы не умеем это делать; это проблемы, которые не могут быть решены, потому что мы не собираемся соглашаться с этими глубокими вопросами того, как мы организуемся.
Один из моих родственников спрашивал меня, как он может проникнуть в ИИ. Для него, чтобы изучить искусственный интеллект - глубокое обучение, технически - в Интернете существует множество фактов, но кому-то трудно пойти и прочитать правильное сочетание научных статей, найти сообщения в блогах и видео на YouTube и выяснить, как это сделать. научиться глубокому обучению.
Глубокое обучение изменит каждую отрасль. Глубокое обучение изменит здравоохранение и транспорт. Я хочу жить в обществе, основанном на искусственном интеллекте. Когда кто-нибудь идет к врачу, я хочу, чтобы ИИ помог этому врачу предоставить более качественные и недорогие медицинские услуги. Я хочу, чтобы у каждого пятилетнего ребенка был персональный репетитор.
Одной из вещей, которую Baidu преуспела на раннем этапе, было создание внутренней платформы, которая позволяла любому инженеру применять глубокое обучение к любому приложению, которое он хотел, включая приложения, о которых такие исследователи ИИ, как я, никогда бы не подумали.
Настоящее обучение, внимательное, настоящее обучение, глубокое обучение — это игриво, и разочаровывает, и радует, и обескураживает, и волнует, и общительно, и уединенно все время, и это то, что делает его замечательным.
Мы хорошо чувствуем пульс отрасли. Мы знаем, что там происходит. Мы знаем, что внедрение глубокого обучения широко распространено. Это идет в производство в масштабе.
В чернокожем сообществе бытует мнение, что полиция тебе не друг. Это старое, старое, глубокое понимание, которое у нас есть, что потребуется многое, чтобы разрушить это в наших умах.
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.
Я думаю, что первая волна прогресса глубокого обучения была в основном связана с крупными компаниями с кучей данных, обучающих очень большие нейронные сети, верно? Поэтому, если вы хотите построить систему распознавания речи, обучите ее 100 000 часов данных.
Когда у вас есть большой объем данных, которые помечены так, чтобы компьютер знал, что это значит, и у вас есть большая вычислительная мощность, и вы пытаетесь найти закономерности в этих данных, мы обнаружили, что глубокое обучение непревзойденно. .
Этот сайт использует файлы cookie, чтобы обеспечить вам максимальное удобство. Больше информации...
Понятно!