前外交官和联合国翻译,目前自由撰稿人/作家/研究员,专注于现代技术、人工智能和现代文化。
樂高玩具系統已經存在了幾代人,並被許多人視為一種激發想象力的方式。許多用戶曾經想象過有一個樂高人物可以用於自己的形象。 樂高公司意識到這一點,決定嘗試讓這個夢想成真。根據Gizmodo的報導,樂高將嘗試在2020年開放的紐約主題公園中實現這一夢想。為此,公司將使用先進的動作追蹤和神經網絡面部識別技術。 這個主題公園,名為 樂高樂園紐約度假村,將位於紐約州戈申,距離紐約市約60英里,預計於2020年7月4日開放。 根據Mobile ID World的報導,這一功能將在 樂高工廠冒險遊樂設施中展出,遊客可以參觀“工廠”並了解如何製作樂高積木。 “使用Holovis的Holotrack技術,樂高工廠冒險遊樂設施將有一個環節,遊客可以被轉化為樂高的微型人物。Holotrack利用了人工智慧和深度學習技術,可以將個人的圖像轉化為螢幕上的圖像。遊客的微型人物將模仿他們的動作和外貌,包括頭髮、眼鏡、衣服和面部表情。將遊客轉化為樂高人物所需的時間約為半秒。 ”但是,這絕不是樂高公司參與的唯一AI新發展。早在2013年,樂高工程就使用人工智慧探索運動,使用樂高積木。2014年,研究人員和程序員開始使用樂高Mindstorms EV3 機器人,通過將蠕蟲的大腦連接到EV3機器人的感測器和馬達上,使用電腦程序。人工智慧發展愛好者已經使用Mindstorms EV3一段時間,試圖開發機器人運動。 在2004年和2016年,兩個研究項目被發表,研究了如何使用樂高教導人工智慧。第一個項目使用了樂高的Mindstorms,而第二個項目由西華盛頓大學發表,討論了使用樂高系統(包括EV3)教導人工智慧12年的經驗。 但是,公司在人工智慧領域最大的進步是在今年八月份宣布的,當時宣布了一個新的系統,旨在幫助視力障礙人士遵循樂高指示。 這個系統被稱為 音頻和盲文建造指示,使用“人工智慧將數字傳統式視覺指示與語音或觸覺盲文方向配對,並由終身樂高粉絲Matthew Shifrin開發,他是盲人。 ”這個系統仍處於早期開發階段,目前只支持“少數套件”,開發團隊正在向用戶收集反饋。這些反饋將被用於實施反饋,從而增加更多套件的支持,“在2020年上半年,最終目標是支持所有新的樂高產品發布。 ”由新的人工智慧驅動程序創建的官方指示將免費提供,網址為legoaudioinstructions.com。
Udemy,最大的在线学习平台,刚刚发布了其Udemy for Business 2020 年工作场所学习趋势报告:未来技能(48 页,PDF,需注册)。正如 Forbes 所注意到的,该报告声称现在是“为未来工作场所做准备的关键时刻,在人工智能启用的世界中。”该报告指出,“在金融领域,投资基金由人工智能和计算机管理,目前占美国股票市场的 35%”,引用了 The Economist最近的一篇文章 金融机器的崛起。在报告中,Udemy 指出,人工智能正在重塑工作世界。该组织指出,65% 的领导者认为人工智能和机器人是人类资本的重要或非常重要的问题。然而,只有 26% 的组织准备好或非常准备好应对这些新技术的影响。Udemy 指出 2020 年有五个关键趋势:趋势 1 – 2020 年人工智能将成为主流趋势 2 – 2020...
随着人工智能在各个领域的发展和应用,人们也开始关注其可能带来的不良后果,例如人工智能中的种族和性别偏见。因此,科学家们提出一个问题:“如何确保先进的思考系统能够公平和安全?”答案可能在斯坦福大学和马萨诸塞大学阿默斯特分校的研究人员的一份报告中,题为《防止智能机器的不良行为》。正如科学警报网站(sciencealert.com)所报道的,这份报告指出,人工智能现在开始处理敏感任务,因此“政策制定者要求计算机科学家提供保证,即自动系统的设计可以最小化甚至完全避免不良后果,例如过度风险或种族和性别偏见。”这份报告概述了一种新技术,可以将模糊的目标(如避免性别偏见)转化为精确的数学标准,从而使机器学习算法能够训练人工智能应用以避免这种行为。斯坦福大学计算机科学助理教授和论文的首席作者艾玛·布伦斯基尔(Emma Brunskill)指出,“我们希望发展出尊重人类用户价值观并证明我们对自主系统的信任的人工智能。”研究人员的想法是用数学术语定义“不安全”或“不公平”的结果或行为,这将使得创建能够从数据中学习如何避免这些不良后果的算法成为可能。第二个目标是开发一套技术,使得用户可以轻松地指定他们想要约束的不良行为,并使得机器学习设计者能够预测系统在现实世界中的应用是否值得信赖。科学警报网站报道称,这个新系统被称为“塞尔多尼亚算法”(Seldonian),以艾萨克·阿西莫夫(Isaac Asimov)的科幻小说《基础》系列中的主角命名。马萨诸塞大学阿默斯特分校计算机科学助理教授和论文的第一作者菲利普·托马斯(Philip Thomas)指出,“如果我使用塞尔多尼亚算法来治疗糖尿病,我可以指定不良行为是指危险的低血糖或低血糖症。”“我可以告诉机器,‘当你试图改进胰岛素泵的控制器时,不要做出可能增加低血糖症频率的改变。’大多数算法都不提供这种方式来约束行为;这在早期设计中没有被包括在内。”托马斯补充说,“这个塞尔多尼亚框架将使机器学习设计者更容易地将行为避免指令构建到各种算法中,以便他们能够评估训练系统在现实世界中正常运行的概率。”对于她的部分,艾玛·布伦斯基尔也指出,“思考如何创建最好地尊重安全和公平等价值观的算法是必不可少的,因为社会越来越依赖人工智能。”
Venture Beat (VB) 将其每周报告的一部分专门用于介绍多模态学习在人工智能开发中的优势。他们的提示是 ABI Research 关于此事的报告。关键概念在于“数据集是 AI 系统的基本构建块”,而没有数据集,“模型无法学习它们的预测所依据的关系。” ABI 报告预测“虽然 2019 年安装的 AI 设备总数将从 2.69 亿增长到 2024 年的 4.47 亿,但相比之下,短期内只有很少一部分将是可互操作的。”这可能代表着大量时间、能量和资源的浪费,“而不是将流经它们的数十亿到千兆字节的数据合并到一个单一的 AI 模型或框架中,它们将独立、异构地工作,以理解它们所提供的数据。”为了克服这一点,ABI 提出了 多模态学习,一种可以将来自各种传感器和输入的数据整合到一个系统中的方法。多模态学习可以携带互补信息或趋势,这些信息或趋势通常只有在学习过程中全部包含时才会显现出来。VB 提出了一个可行的例子,考虑图像和文本字幕。“如果不同的单词与类似的图像配对,这些单词很可能用于描述相同的东西或物体。相反,如果一些单词出现在不同的图像旁边,这意味着这些图像代表相同的物体。鉴于此,应该有可能让...
正如 The Verge 和 CNET 报道,谷歌为其应用程序添加了两个新的 AI 功能。第一个是 Smart Compose 功能,它将帮助 Google Docs 用户,而第二个是用户可以通过其 Duplex 预订系统购买电影票的功能。Smart ComposeSmart Compose 将提供“AI 驱动的写作建议,不仅限于电子邮件。” 目前,“只有域管理员可以注册 beta 版本。”此功能将使用谷歌的机器学习模型,研究用户的“过去的写作风格,以个性化提示(在 Gmail 中,可以在设置中关闭此功能)。” 从理论上讲,这意味着...
在线门户网站,如Slashgear等,报道了科技巨头索尼正在推出一个新的全球部门,专注于开发人工智能。目标是应用多智能机器(MA)于游戏、摄影甚至烹饪。计划中,该新部门将在全球设立办事处。据报道,索尼计算机科学实验室的总裁兼首席执行官北野宏明(Hiroaki Kitano)将成为索尼全球人工智能部门的负责人。彼得·斯通(Peter Stone)将成为美国首席官员,他是一位具有丰富强化学习和机器人技术背景的计算机科学研究人员。这一消息与索尼的官方新闻稿相吻合,内容关于索尼与卡内基梅隆大学(CMU)签署的合作协议,共同开发人工智能和机器人技术。他们的初步工作将集中于烹饪和配送。索尼已经尝试加强其人工智能开发工作,重新推出了Aibo机器狗,新版本将“充分利用云处理、面部识别和学习AI等技术,使机器狗更加真实和吸引人。”虽然Aibo的开发表面上看起来像是对人工智能的“相当有趣的解读”,但索尼开发这一玩具的目的是为了探索“如何利用这些技术‘释放人类的想象力和创造力,利用人工智能’,并在此过程中利用公司的所有不同部门。它还将超越索尼现有的业务,寻找新的潜在应用。”利用这一基础,索尼的日本、美国和欧洲团队计划推出“三个旗舰项目”,其中一个就是与CMU合作的烹饪研究。其他两个计划领域是游戏和图像感知。索尼指出,它之所以关注游戏,是因为游戏在人工智能实验中被广泛使用,“而游戏世界是开发人工智能的常用研究方法。”当然,对于索尼的产品来说,有更直接的应用,因为新的AI团队可以“帮助PlayStation团队开发更智能的游戏角色。”对于图像和感知,索尼旨在生产新的传感器,可以作为“人工智能的感官”。在这种情况下,“我们可以考虑人工智能系统在各种场景中,从实时数据分析到机器人,再到服务器空间中的代理。每种场景都有不同的处理时间或输入水平要求。”正如Endgadget注意到,索尼已经在产品如A6600相机中取得了进展,在那里它有助于显著改善自动对焦。讨论其在烹饪领域开发人工智能的计划时,索尼表示它打算“利用人工智能和机器人从‘接近创作者’的角度出发,并且目的是扩大厨师的创造力和创造性选项。顶级厨师可以通过与人工智能交互获得新的食谱灵感,我们也希望帮助所有在日常生活中准备食物的人更享受创造的过程。”
为了使人工智能取得新的飞跃,人工智能需要像作者Jun Wu在Forbes中所说的那样,需要“学习如何学习”。这意味着什么?正如Wu所解释的,人类具有从任何情况或周围环境中学习的独特能力。”人类可以适应他们的学习过程。为了拥有这样的灵活性,人工智能需要通用人工智能——它需要学习关于学习过程的知识,这被称为元学习。人类和人工智能的学习过程之间存在一个非常具体的对比。虽然人类的学习能力是有限的,但人工智能拥有更多的资源,例如其计算能力。人类的大脑能力是有限的,它也只有有限的时间来学习。但是,人工智能“从比人类大脑使用的数据更多的数据中学习,处理这些大量的数据需要巨大的计算能力。”Wu解释说,“随着人工智能任务的复杂性增加,计算能力也会呈指数级增加。”这意味着,即使计算能力的成本很低,“指数级增加永远不是我们想要的场景。”这是当前“人工智能被设计为特定目的的学习者”的主要原因,使得他们的学习过程更加高效。但是,当人工智能开始学习更多,开始“从数据中推断出越来越复杂的信息”,为了避免计算能力的指数级增加,需要设计出一种更高效的学习路径,人工智能需要记住这条路径。当研究人员和技术人员开始为人工智能分配多任务问题时,整个问题变得更加复杂。为了能够做到这一点,人工智能“需要能够并行评估独立的数据集。它还需要关联数据并推断出数据之间的联系。”当执行一个任务时,人工智能需要更新其知识,以便它可以在其他情况下应用它。“由于任务是相互关联的,任务的评估需要由整个网络完成。”Google开发了一个这样的模型,MultiModel,它是一个可以同时执行八个不同任务的人工智能系统。MultiModel 可以在图像中检测对象,提供字幕,识别语音,翻译四对语言,并执行语法成分解析。虽然Google的成就是一个巨大的飞跃,但人工智能仍需要进一步发展,以便它能够成为一个通用目的的学习者。为了实现这一点,它需要进一步发展元推理和元学习。正如Wu所解释的,“元推理专注于认知资源的高效使用。元学习专注于人类独特的能力,即高效使用有限的认知资源和有限的数据来学习。”目前,正在进行研究,以确定人类认知和人工智能学习方式之间的差距,例如内部状态的意识,记忆的准确性或信心。所有这一切意味着“成为一个人工通用学习者需要对人类如何学习以及人工智能如何模仿人类学习方式进行广泛的研究。适应新的情况,例如具有“多任务”能力和在有限资源下做出“战略决策”的能力,只是人工智能研究人员沿途需要克服的几个障碍。”
正如Endgadget报道,两位AI研究人员可能已经创造了一个系统,为癫痫患者带来新的希望——一个“可以预测癫痫发作的系统,准确率高达99.6%,且可以在发作前一小时预测。”这并不是第一次的新进展,因为之前埃因霍温理工大学(TU)的研究人员已经开发了一款可以预测夜间癫痫发作的智能腕带。但是,新的AI系统可以在较短的时间内工作,其准确率更高,如IEEE Spectrum所述,这给全球约有5,000万名癫痫患者带来了更多的希望(根据世界卫生组织的数据)。其中,70%的患者可以通过及时服用药物控制癫痫发作。新的AI系统由路易斯安那大学拉法叶特分校的Hisham Daoud和Magdy Bayoumi开发,被誉为“相比现有的预测方法而言取得了巨大的进步。”正如Hisham Daoud所解释的那样,“由于癫痫发作的时间不可预测,癫痫对患者的精神和社会影响非常大。”如所解释的,“每个人都有独特的大脑模式,这使得准确预测癫痫发作变得困难。”迄今为止,现有的模型都是通过“两个阶段的过程”预测癫痫发作的,即“首先需要手动提取大脑模式,然后应用分类系统”,正如Daoud所解释的,这增加了预测癫痫发作所需的时间。在他们的方法中,如研究中所述,“特征提取和分类过程被整合到一个单一的自动系统中,这使得预测癫痫发作变得更早、更准确。”为了进一步提高他们的系统准确率,Daoud和Bayoumi“采用了另一种分类方法,即使用深度学习算法从不同电极位置提取和分析患者的大脑活动的时空特征,从而提高了他们的模型准确率。”由于“EEG读数可以涉及多个‘通道’的电活动”,为了进一步加快预测过程,他们“应用了另一个算法来确定电活动的最合适的预测通道。”整个系统然后被测试在22名患者身上,在波士顿儿童医院。虽然样本量很小,但该系统被证明是非常准确的(99.6%),且“假阳性率很低,每小时只有0.004次假警报。”正如Daoud所解释的,下一步将是开发一个定制的计算机芯片来处理算法。“我们目前正在设计一个高效的硬件设备来部署这个算法,考虑到诸如系统大小、功耗和延迟等问题,以便在实际应用中对患者来说是舒适的。”
微软希望其Azure云平台能够在流行度上赶上亚马逊和谷歌,因此,根据Wired的报道,微软与英国初创公司Graphcore合作,开发了一种新型计算机芯片,以支持所有新的人工智能开发。如Wired所述,位于布里斯托的初创公司Graphcore“已经吸引了人工智能研究人员的极大关注,并获得了数百万美元的投资,其芯片承诺能够加速人工智能工作所需的计算。”自2016年成立以来,这是该公司首次公开其芯片和测试结果。微软于2018年12月投资Graphcore,“作为20亿美元融资的一部分”,因为微软希望通过其云服务刺激越来越多的客户使用人工智能应用程序。Graphcore自己从头开始设计其芯片“以支持帮助机器识别面部、理解语音、解析语言、驾驶汽车和训练机器人。”该公司预计其芯片将被“运行业务关键操作的公司使用,例如自动驾驶汽车初创公司、交易公司、处理大量视频和音频的公司,以及下一代人工智能算法的开发者”使用。根据微软和Graphcore于2019年11月13日发布的基准测试,“该芯片的性能与Nvidia和谷歌的顶级人工智能芯片相匹配或超过,使用为这些竞争对手平台编写的算法。为Graphcore的硬件编写的代码可能甚至更高效。”两家公司还表示,“某些图像处理任务在Graphcore的芯片上运行得更快,”并且“他们能够以与任何现有硬件相同的速度训练一种流行的语言处理人工智能模型,称为BERT。”Moor Insights的人工智能芯片专家Karl Freund认为,新芯片的结果表明它是“尖端但仍然灵活的”,并且“他们在使其可编程方面做得很好”,这是一个非常困难的事情。Wired进一步指出,Graphcore的联合创始人和首席执行官Nigel Toon表示,两家公司自Graphcore成立一年后开始合作,通过位于英国的微软研究院。 他还告诉该出版物,Graphcore的芯片特别适合处理非常大的人工智能模型或时间数据。 此外,一位金融客户据称由于Graphcore的硬件,在用于分析市场数据的算法中获得了26倍的性能提升。其他一些较小的公司利用这个机会宣布“他们正在通过Azure使用Graphcore芯片。”其中包括Citadel,该公司将使用这些芯片来分析金融数据,以及Qwant,一家欧洲搜索引擎,希望使用这些硬件来运行一种称为ResNext的图像识别算法。
專業出版物 KDNuggets 編制了一份關於人工智慧的 10 本免費在線書籍清單,認為這些書籍是必讀的。這是該出版物編制的第四份此類清單,之前的清單分別於 2017、 2018、以及 2019 年初 也已經發佈。以下是他們目前清單中五本書籍的簡要介紹,代表了對人工智慧更一般的見解和知識。DeepLearning 由 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 撰寫(2016 年 11 月,800 頁)。 如書名所示,這本書著重於深度學習,對於所有「致力於掌握深度學習,具有全面性的數學和概念性闡述的蒙特卡羅方法、遞迴和遞歸網絡、自動編碼器和深度生成模型」的人来说,這本書將會非常有用。人工智慧的探索:思想和成就的歷史 由 Nils J....
人工智能领域的投资金额每年都在呈指数级增长。根据市场研究机构Markets and Markets的数据,预计到2025年,人工智能市场规模将达到1910亿美元。2018年的投资金额为215亿美元。英国科技杂志TechWorld对12家世界顶级科技公司在人工智能领域的投资进行了分析。以下是当前六家领先公司的投资情况。Nvidia – 作为最大的芯片制造商之一,Nvidia也是人工智能技术的重要投资者,因为芯片是推动该技术发展的关键。“人工智能需要比传统算法更多的计算能力,因此在新芯片设计方面进行大量投资是行业的必然要求。”目前,Nvidia的人工智能投资主要集中在汽车、机器人、建筑和医疗保健行业。Nvidia与Nuance的合作使用深度学习芯片和平台,将人工智能应用于医疗影像。“人工智能驱动的影像服务使医疗专业人员能够使用新的工具分析X光片和其他影像。”Intel – 他们最近在14家开发人工智能平台的初创公司中投资了1.17亿美元。2016年,Intel还收购了Nervana和Movidius,这导致了2019年Nervana神经网络处理器(NNP)的发布。该处理器专门设计用于“加速人工智能模型的训练和推理”。在一篇博客文章中,Intel人工智能产品集团的VP和GM表示:“在人工智能驱动的世界中,我们需要将硬件解决方案适应特定的用例——如边缘推理处理——和客户需求,以提供突破性的见解。”“在人工智能驱动的世界中,我们需要将硬件解决方案适应特定的用例——如边缘推理处理——和客户需求,以提供突破性的见解。”Google的CEO Sundar Pichai在2016年表示,DeepMind是一家人工智能初创公司,Google在2014年以4亿美元收购了它。DeepMind被用于“找到地铁站之间最快的路线,击败‘围棋’游戏的冠军选手,并通过与英国国家卫生服务机构(NHS)的协议改善医疗保健”。同时,人工智能在Google的许多产品中发挥着关键作用,例如Google Mail和Google Assistant。Amazon的人工智能应用范围从在线推荐引擎到在仓库中使用机器人。其最成熟的消费者导向人工智能应用是Alexa,“一款使用神经网络实现自然语言处理的智能语音助手,分析人类语音并返回相应的响应”。“Amazon还将机器学习应用于AWS。客户可以使用Lex构建对话式接口,使用Polly将文本转换为语音,使用Rekognition分析图像,使用Comprehend发现文本中的见解和关系,或者使用SageMaker在大规模上构建、训练和部署机器学习模型。”Microsoft的大规模人工智能投资在公司创建人工智能和研究集团时达到了新的高度,该集团涵盖了Windows、Office和Azure业务单位。同时,2016年,Microsoft推出了Microsoft Ventures,一项专门用于人工智能初创公司的基金。从那时起,公司的人工智能投资不断增长,仅2018年,Microsoft就收购了五家人工智能技术公司。今年,公司宣布计划“在OpenAI上投资10亿美元,OpenAI是一家总部位于旧金山的公司。同时,公司还宣布了为期两年的合作伙伴关系,旨在开发Microsoft Azure上的人工智能超级计算技术”。Apple似乎正在试图在人工智能技术方面赶上其竞争对手,因为他们“最近聘请了Google的搜索和人工智能负责人John Giannandrea来领导他们的机器学习和人工智能战略”。该公司还开始投资于更广泛的人工智能初创公司,例如Emotient,该公司生产面部识别技术,可以检测客户对广告的反应,Vocal IQ,为语音接口提供平台,Silk Labs,为消费者设备开发人工智能软件。Apple还发布了一篇学术论文,该论文关注人工智能在保护用户数据和提供透明度方面的应用。其余列表请参见此处。
商业导向的出版物 Fast Company 报道了最近的人工智能发展,旨在通过分析在线性广告揭露人口贩卖。卡拉·史密斯(Kara Smith),DeliverFund的高级目标分析师,该组织由前中央情报局、国家安全局、特种部队和执法官员组成,他们与执法部门合作打击美国的性贩卖行动,对该出版物提供了一个她和她的研究同事分析的广告示例。在广告中,莫莉(Molly),一位在亚特兰大“新兔子”(new bunny),据称“喜欢向男人出售性、支配和脱衣舞表演”。在他们的分析中,史密斯和她的同事发现了莫莉被迫进行这些行为的线索。例如,“她被描绘成卑躬屈膝的姿势,就像她弯着腰躺在床上,背部朝向摄像机”。史密斯还提供了其他例子,如“淤伤和咬痕也是某些受害者的明显迹象。另外,纹身将妇女标记为贩卖者的财产——王冠是流行的图像,因为皮条客经常将自己称为“国王”。挥舞着钱的照片也是皮条客表演的其他标志”。直到最近,像史密斯这样的研究人员还必须手动识别这些标志。然后,大约一年前,DeliverFund,她的研究小组收到了一个计算机视觉初创公司 XIX 的提议,使用人工智能自动化该过程。如所解释的,“该公司的软件从性贩卖者使用的网站上抓取图像,并标记图像中的对象,以便像史密斯这样的专家可以快速搜索和审查可疑的广告。每个性广告包含平均三张照片,XIX 可以抓取和分析大约每分钟 4,000 个广告,这大约是新广告在线发布的速度”。在其运营的前三年相对缓慢之后,DeliverFund 只有三个特工,仅揭露了四个皮条客。但是,在人员充实并开始与 XIX 合作后,在 2019 年的前九个月里,“DeliverFund 贡献了 25 名贩卖者的逮捕和 64 名未成年性交易购买者的逮捕。在此过程中,拯救了 50 多名受害者”。在其成就中,它还提供了协助关闭 Backstage.com 的帮助,“它已成为性工作者和贩卖受害者雇主的顶级性服务广告平台”。还指出“XIX 的工具帮助...
正如 TheNextWeb (TNW) 报道, OpenAI ,一个非盈利组织,负责多个人工智能项目,刚刚发布了 GPT-2 的最终模型,这是一个文本生成器,自二月份宣布发布以来,就引起了很大的争议。根据 OpenAI 的研究论文 Language Models are Unsupervised Multitask Learners,“GPT-2 使用机器学习根据有限输入生成新文本。” 这意味着用户可以输入一两个句子关于任何主题,AI 生成器将生成与原始输入有关的文本。 本质上,正如 TNW 注意到的,GPT-2 不像大多数“文本生成器”那样输出预写的字符串。 GPT-2 制作了以前不存在的文本。”在他的推文中,卡内基梅隆大学图书馆的计划主任 Scott...
语言和写作专家 Reuven Koret 在在线出版物 readwrite 上详细讨论了人工智能在翻译中的影响和使用状态。 Koret 指出,基于人工智能的机器翻译工具在翻译过程的各个方面变得普遍。这不仅仅是专有的人工智能翻译工具,如 Google, Microsoft, Facebook, 和 Amazon 每天都在使用,还包括来自像 SDL 这样的公司的专业工具。然而,许多专业翻译人员和机构,如 William Mamane, Tomedes 专业语言服务机构的数字营销负责人,仍然对人工智能在翻译中的使用持怀疑态度。但即使这些怀疑者,如 Mamane,也承认机器翻译已经取得了重大进步,他指出,“在翻译服务价值链中,仍然有人工智能和机器翻译的位置。”为了解释机器翻译的挑战,Koret 指出 “在基本层面上,机器翻译使用算法将一种语言的单词替换为另一种语言的单词。这证明是不足以成功翻译的。需要对源语言和目标语言的整个短语进行理解。我们可以将机器翻译理解为解码源语言并在目标语言中记录其含义。”解决这个挑战是一个非常复杂的过程,目前最发达的过程是使用“统计来选择给定短语的最佳翻译,”或“结构化规则来选择最可能的含义。” 这些方法仍然需要编辑和校对人员的参与,但“这种监督、编辑或审计角色比翻译本身需要的时间和精力要少。”这些方法是大多数基于 web...
阿曼达·劳丁 为 OneZero 撰写了关于当前温布尔登冠军诺瓦克·德约科维奇如何利用人工智能帮助他赢得对阵罗杰·费德勒的艰苦的5小时冠军赛的文章。埃德和安德鲁·弗拉泽勒是一对父子团队,他们是 RightChain 的所有者,RightChain 是一家位于亚特兰大的高级供应链优化、规划和分析软件公司。同时,弗拉泽勒也是网球爱好者,他们很感兴趣地看到是否可以将他们的规划概念应用于这项运动。埃德·弗拉泽勒联系了克雷格·奥沙内西,他经营着 Brain Game Tennis 公司,奥沙内西从2017年开始就与德约科维奇等职业选手合作。正如劳丁指出的,“他分析他们的比赛模式,并帮助他们了解如何提高自己的表现以及如何针对特定的对手采取策略。”奥沙内西的合作伙伴是 沃伦·普雷托里乌斯,Tennis Analytics 的CEO,“他开发了一种利用手动标记的视频分析模型,该模型他于2013年首创。” 他的方法是根据25个关键指标来绘制比赛图表,然后“将数据分析和可视化相结合,以提取比赛信息并在索引视频上生成关键词。”弗拉泽勒说,他在温布尔登与奥沙内西和普雷托里乌斯会面,并且“我们当晚就开始运行数据。” 结果表明,RightChain 的人工智能应用程序帮助像高露洁、卡特彼勒、福特、百德和可口可乐这样的公司简化了供应链,方法是将流程分解为25个组件。劳丁给出了一个例子,其中预测利用“基于人工智能的算法来创建和不断更新每个产品的唯一模型。网络优化使用一个根据多个用户定义的标准来确定在哪里放置分销中心的算法。”为了将他的方法应用于网球,弗拉泽勒决定 以类似的方式将网球从一端到另一端的旅程分解下来。正如他所解释的,“对于网球,我们改变了字段以关注球的目的地和起源。它是一个非常正式的坐标系统,可以将网球场映射到以前不可用的详细程度。”(在这种情况下,每个服务区被划分为12个子区域,后场被划分为八个这样的区域。)仅仅分析网球比赛本身是相当单一的,正如奥沙内西所解释的, 人工智能可以找到可重复的模式,测量拉力长度,并确定球员击球的确切位置。 “该技术为我们提供了额外的层次和模式,以便进行更详细的分析。告诉球员发生了什么是一回事,向他们展示图表和图形又是另一回事。埃德提供的图表以多种方式划分数据,并轻松地引导我们的视线到真正的获胜关键所在。”奥沙内西还说,他最难向球员销售的东西之一是说服他们,比赛的连贯性——在练习中发生的长时间拉力——“被高估了,这是视频分析无法证明的,但人工智能可以证明的。”普雷托里乌斯补充说,“与其孤立地查看数据,不如利用人工智能,他们现在可以获得自己比赛演变的故事。”最终,诺瓦克·德约科维奇赢得了2019年温布尔登锦标赛,奥沙内西补充说,人工智能的使用“只是技术可以带领这项运动走向何方的开始。”