国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Yann LeCun:如果把深度學習從Facebook去掉,F(xiàn)acebook就是塵埃

DPVg_AI_era ? 來源:lq ? 2018-12-12 09:36 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

Yann LeCun說,F(xiàn)acebook現(xiàn)在完全以AI中心,如果把深度學習從Facebook去掉,F(xiàn)acebook就是塵埃。

如果沒有人工智能,F(xiàn)acebook今天不會剩下多少遺留后世的東西。

這是五年前創(chuàng)立Facebook人工智能研究實驗室的Yann LeCun所說。

“如果你把深度學習從Facebook去掉,F(xiàn)acebook就是塵埃。”LeCun說,“Facebook現(xiàn)在完全以AI為中心”,這種技術(shù)已經(jīng)應用在新聞信息流中。

當LeCun建立實驗室時,F(xiàn)acebook已經(jīng)開始涉足深度學習——這是他自20世紀80年代以來一直致力的一種機器學習。早在2013年,F(xiàn)acebook就知道AI將成為其未來的關(guān)鍵部分,與其他一些科技公司一樣,F(xiàn)acebook專注于深度學習,將其專門用于分類照片和進行人臉識別。

雖然看起來很有希望,但當時并不清楚AI會有多大用處。但多年以后,在從用戶和日益強大的計算機收集的大量數(shù)據(jù)的幫助下,AI迅速得到改善。Facebook和其他公司,比如谷歌、微軟和亞馬遜,正在將AI用于許多不同的事情,例如在照片中標記人物并讓虛擬助手告知天氣。

LeCun表示,如果沒有深度學習,F(xiàn)acebook尤其無法運作。他說,現(xiàn)在AI應用“絕對無處不在”。

這不僅適用于用戶可以看到的內(nèi)容,也適用于他們可能看不到的內(nèi)容。深度學習也有助于Facebook的內(nèi)容過濾,并有助于從社交網(wǎng)絡中刪除仇恨言論等內(nèi)容。

但Facebook的AI工作也受到了批評。例如,公司正在通過人工智能,以幫助提醒人類版主出現(xiàn)在平臺上的仇恨言論,但很多這種仇恨帖子都能夠鉆系統(tǒng)的漏洞。雖然深度學習和其他人工智能方法正在發(fā)展,但AI可能需要數(shù)年時間來優(yōu)化內(nèi)容。

然而,盡管該技術(shù)的功能日益增強,但LeCun強調(diào)人工智能無法接近他所謂的“終結(jié)者情景”——在此期間機器人將會接管。

現(xiàn)在,AI可以在像圍棋這樣的游戲中擊敗人類,但我們?nèi)赃h未創(chuàng)造出所謂的通用人工智能。這種類型的AI可以完成類似人類的任務,并且具有足夠的常識來幫助日常生活,而不僅僅是像亞馬遜的Alexa今天那樣執(zhí)行相當腳本化的任務。

LeCun表示,即使是非常前沿的人工智能系統(tǒng)也不會像人類那樣擁有相同的驅(qū)動力,除非它們內(nèi)置于人體中。

“主宰的欲望與智力無關(guān)。”他說, “事實上,世界上有很多這方面的例子。人類中最聰明的人不一定想成為主宰者。”

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • Facebook
    +關(guān)注

    關(guān)注

    3

    文章

    1432

    瀏覽量

    58949
  • 深度學習
    +關(guān)注

    關(guān)注

    73

    文章

    5599

    瀏覽量

    124412

原文標題:Yann LeCun:假如沒有深度學習,F(xiàn)acebook就是塵埃

文章出處:【微信號:AI_era,微信公眾號:新智元】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    人工智能與機器學習在這些行業(yè)的深度應用

    自人工智能和機器學習問世以來,多個在線領(lǐng)域的數(shù)字化格局迎來了翻天覆地的變化。這些技術(shù)誕生之初就為企業(yè)賦予了競爭優(yōu)勢,而在線行業(yè)正是受其影響最為顯著的領(lǐng)域。人工智能(AI)與機器學習(ML)的
    的頭像 發(fā)表于 02-04 14:44 ?501次閱讀

    機器學習深度學習中需避免的 7 個常見錯誤與局限性

    無論你是剛?cè)腴T還是已經(jīng)從事人工智能模型相關(guān)工作一段時間,機器學習深度學習中都存在一些我們需要時刻關(guān)注并銘記的常見錯誤。如果對這些錯誤置之不理,日后可能會引發(fā)諸多麻煩!只要我們密切關(guān)注
    的頭像 發(fā)表于 01-07 15:37 ?204次閱讀
    機器<b class='flag-5'>學習</b>和<b class='flag-5'>深度</b><b class='flag-5'>學習</b>中需避免的 7 個常見錯誤與局限性

    穿孔機頂頭檢測儀 機器視覺深度學習

    LX01Z-DG626穿孔機頂頭檢測儀采用深度學習技術(shù),能夠?qū)崿F(xiàn)頂頭狀態(tài)的在線實時檢測,頂頭丟失報警,頂頭異常狀態(tài)報警等功能,響應迅速,異常狀態(tài)視頻回溯,檢測頂頭溫度,配備吹掃清潔系統(tǒng),維護周期長
    發(fā)表于 12-22 14:33

    【團購】獨家全套珍藏!龍哥LabVIEW視覺深度學習實戰(zhàn)課(11大系列課程,共5000+分鐘)

    ,形成\"傳統(tǒng)視覺算法→深度學習建模→工業(yè)級部署\"的完整技術(shù)鏈,幫助學員掌握0到1搭建缺陷檢測系統(tǒng)的能力,響應制造業(yè)\"提質(zhì)降本增效\"的核心需求。 團購課程
    發(fā)表于 12-04 09:28

    0到1,10+年資深LabVIEW專家,手把手教你攻克機器視覺+深度學習(5000分鐘實戰(zhàn)課)

    “告別檢測系統(tǒng)能力缺陷!10+年LabVIEW視覺資深專家手把手教你:5000+分鐘高清教程(含工具、算法原理、實戰(zhàn)操作、項目優(yōu)化全流程講解)”——傳統(tǒng)視覺算法→深度學習建模→工業(yè)級部署"
    的頭像 發(fā)表于 12-02 08:07 ?540次閱讀
    <b class='flag-5'>從</b>0到1,10+年資深LabVIEW專家,手把手教你攻克機器視覺+<b class='flag-5'>深度</b><b class='flag-5'>學習</b>(5000分鐘實戰(zhàn)課)

    如何深度學習機器視覺的應用場景

    深度學習視覺應用場景大全 工業(yè)制造領(lǐng)域 復雜缺陷檢測:處理傳統(tǒng)算法難以描述的非標準化缺陷模式 非標產(chǎn)品分類:對形狀、顏色、紋理多變的產(chǎn)品進行智能分類 外觀質(zhì)量評估:基于學習的外觀質(zhì)量標準判定 精密
    的頭像 發(fā)表于 11-27 10:19 ?230次閱讀

    如何在機器視覺中部署深度學習神經(jīng)網(wǎng)絡

    圖 1:基于深度學習的目標檢測可定位已訓練的目標類別,并通過矩形框(邊界框)對其進行標識。 在討論人工智能(AI)或深度學習時,經(jīng)常會出現(xiàn)“神經(jīng)網(wǎng)絡”、“黑箱”、“標注”等術(shù)語。這些概
    的頭像 發(fā)表于 09-10 17:38 ?911次閱讀
    如何在機器視覺中部署<b class='flag-5'>深度</b><b class='flag-5'>學習</b>神經(jīng)網(wǎng)絡

    潔凈工作臺塵埃粒子標準是多少

    潔凈工作臺的塵埃粒子標準因應用場景和行業(yè)規(guī)范而異,以下是不同潔凈級別的具體要求:百級潔凈度≥0.5μm的塵埃粒子數(shù):應≤3,500,000個/立方米;≥5μm的塵埃粒子數(shù):應≤20,000個/立方米
    的頭像 發(fā)表于 08-26 13:42 ?1757次閱讀
    潔凈工作臺<b class='flag-5'>塵埃</b>粒子標準是多少

    深度學習對工業(yè)物聯(lián)網(wǎng)有哪些幫助

    深度學習作為人工智能的核心分支,通過模擬人腦神經(jīng)網(wǎng)絡的層級結(jié)構(gòu),能夠自動海量工業(yè)數(shù)據(jù)中提取復雜特征,為工業(yè)物聯(lián)網(wǎng)(IIoT)提供了數(shù)據(jù)感知到智能決策的全鏈路升級能力。以下
    的頭像 發(fā)表于 08-20 14:56 ?1038次閱讀

    自動駕駛中Transformer大模型會取代深度學習嗎?

    持續(xù)討論。特別是在自動駕駛領(lǐng)域,部分廠商開始嘗試將多模態(tài)大模型(MLLM)引入到感知、規(guī)劃與決策系統(tǒng),引發(fā)了“傳統(tǒng)深度學習是否已過時”的激烈爭論。然而,技術(shù)原理、算力成本、安全需求與實際落地路徑等維度來看,Transforme
    的頭像 發(fā)表于 08-13 09:15 ?4193次閱讀
    自動駕駛中Transformer大模型會取代<b class='flag-5'>深度</b><b class='flag-5'>學習</b>嗎?

    使用STM32CubeMX的時候創(chuàng)建的工程已經(jīng)使用的板載資源如何去掉

    在使用STM32CubeMX的時候創(chuàng)建的工程已經(jīng)使用的板載資源如何去掉?在基于開發(fā)板進行工程創(chuàng)建的時候會把板載資源直接初始化,后面想要用不同的功能配置,如何初始配置去掉
    發(fā)表于 07-22 07:13

    深度學習遇上嵌入式資源困境,特征空間如何破局?

    近年來,隨著人工智能(AI)技術(shù)的迅猛發(fā)展,深度學習(Deep Learning)成為最熱門的研究領(lǐng)域之一。在語音識別、圖像識別、自然語言處理等領(lǐng)域,深度學習取得了顯著成果。
    發(fā)表于 07-14 14:50 ?1252次閱讀
    當<b class='flag-5'>深度</b><b class='flag-5'>學習</b>遇上嵌入式資源困境,特征空間如何破局?

    世界模型:多模態(tài)融合+因果推理,解鎖AI認知邊界

    ,自然地學習世界運作方式的知識。深度學習之父 Yann LeCun 認為,世界模型是通往通用人工智能(AGI)的重要路徑之一。 ? 世界模型
    的頭像 發(fā)表于 06-23 04:49 ?4080次閱讀

    嵌入式AI技術(shù)之深度學習:數(shù)據(jù)樣本預處理過程中使用合適的特征變換對深度學習的意義

    ? 作者:蘇勇Andrew 使用神經(jīng)網(wǎng)絡實現(xiàn)機器學習,網(wǎng)絡的每個層都將對輸入的數(shù)據(jù)做一次抽象,多層神經(jīng)網(wǎng)絡構(gòu)成深度學習的框架,可以深度理解數(shù)據(jù)中所要表示的規(guī)律。
    的頭像 發(fā)表于 04-02 18:21 ?1524次閱讀

    用樹莓派搞深度學習?TensorFlow啟動!

    介紹本頁面將指導您在搭載64位Bullseye操作系統(tǒng)的RaspberryPi4上安裝TensorFlow。TensorFlow是一個專為深度學習開發(fā)的大型軟件庫,它消耗大量資源。您可以在
    的頭像 發(fā)表于 03-25 09:33 ?1214次閱讀
    用樹莓派搞<b class='flag-5'>深度</b><b class='flag-5'>學習</b>?TensorFlow啟動!