0
| 本文作者： 沐沐 | 2017-04-27 17:21 |
雷鋒網(wǎng)硬創(chuàng)公開(kāi)課聚焦于新技術(shù)和新產(chǎn)品的 Know-How 分享，在過(guò)去的一年里，雷鋒網(wǎng)和同行的技術(shù)創(chuàng)新者們都趕上了相當(dāng)好的時(shí)候。
當(dāng)以品牌和渠道驅(qū)動(dòng)的那些智能硬件、以資本驅(qū)動(dòng)的那些O2O、以抄襲模仿起家的那些虛擬現(xiàn)實(shí)項(xiàng)目們熱潮褪去，同時(shí)在新興技術(shù)領(lǐng)域，由于機(jī)器學(xué)習(xí)和計(jì)算基礎(chǔ)設(shè)施的發(fā)展，語(yǔ)音、語(yǔ)義、圖像技術(shù)開(kāi)始出現(xiàn)較為繁冗的應(yīng)用。
以下為雷鋒網(wǎng)硬創(chuàng)公開(kāi)課整理的人工智能往期公開(kāi)課實(shí)錄筆記，供各位讀者參考學(xué)習(xí)：
CV
目前最新的美顏技術(shù)已經(jīng)發(fā)展到了 2.0 階段，打個(gè)比方，如果美顏 1.0 只是化妝（磨皮、祛痘、膚色調(diào)整）的話，美顏 2.0 基本就能達(dá)到整容的效果——把眼睛變大，把圓臉變成瓜子臉。而實(shí)現(xiàn)這一效果的基礎(chǔ)就是人臉識(shí)別。
去年 ILSVRC 2016（全稱是ImageNet Large Scale Visual Recognition Challenge）分為五大部分，包括：目標(biāo)檢測(cè)、目標(biāo)定位、視頻中目標(biāo)物體檢測(cè)、場(chǎng)景分類、場(chǎng)景分析。在昨天，全球最為權(quán)威的計(jì)算機(jī)視覺(jué)大賽 ILSVRC2016（大規(guī)模圖像識(shí)別競(jìng)賽）公布了算法排名結(jié)果，Hikvision（海康威視）奪得場(chǎng)景分類第一名。
很多人疑惑，為什么深度學(xué)習(xí)相比其它的AI實(shí)現(xiàn)方法，已然呈現(xiàn)出一副碾壓之態(tài)？
這種技術(shù)叫以圖搜視頻，它解決了當(dāng)前針對(duì)海量視頻內(nèi)容的精準(zhǔn)快速檢索的硬傷。
直播火爆的背后，都存在哪些問(wèn)題？機(jī)器如何識(shí)別小黃圖？
人工智能是人類一個(gè)非常美好的夢(mèng)想，跟星際漫游和長(zhǎng)生不老一樣。我們想制造出一種機(jī)器，使得它跟人一樣具有一定的對(duì)外界事物感知能力，比如看見(jiàn)世界。
NLP
每天都用搜狗的輸入法、語(yǔ)音、地圖，知道他們的語(yǔ)義理解是如何實(shí)現(xiàn)的嗎？
不少企業(yè)都把目光聚焦在視頻鑒黃上，但音頻審核也是人工智能鑒黃技術(shù)的一部分，二者缺一不可。那在大家熟悉的視頻鑒黃之外，音頻檢測(cè)究竟能解決哪些問(wèn)題？這一技術(shù)是如何進(jìn)行鑒黃的呢？
其實(shí)，老羅發(fā)布會(huì)上宣傳了97%這個(gè)數(shù)字，我們達(dá)到這個(gè)數(shù)字其實(shí)已經(jīng)有一兩年時(shí)間了。
特邀供職于阿里巴巴 iDST 的語(yǔ)音專家薛少飛博士，從學(xué)術(shù)的角度回顧過(guò)去一段時(shí)間中語(yǔ)音識(shí)別技術(shù)的發(fā)展?fàn)顩r。
這兩種學(xué)習(xí)方法更接近生物體，或者說(shuō)人的學(xué)習(xí)方式，所以我更愿意稱之為“Human-like Learning”。
語(yǔ)音識(shí)別的模型有語(yǔ)言模型和聲學(xué)模型兩種，語(yǔ)言模型包括了N-gram、RNNLM等，在聲學(xué)模型里面又涵蓋了HMM、DNN、RNN等模型。
語(yǔ)音識(shí)別是目前應(yīng)用最成熟的人機(jī)交互方式，但各家語(yǔ)音識(shí)別產(chǎn)品的體驗(yàn)還有很大的提升空間。
音頻的端點(diǎn)檢測(cè)、降噪和音頻壓縮始終是終端語(yǔ)音處理關(guān)注的重點(diǎn)，目前仍是活躍的研究主題。
中文分詞是中文自然語(yǔ)言處理的一個(gè)非常重要的組成部分，在學(xué)界和工業(yè)界都有比較長(zhǎng)時(shí)間的研究歷史，也有一些比較成熟的解決方案。
我們邀請(qǐng)到了商鵲網(wǎng)CEO鄒劍宇，以實(shí)戰(zhàn)經(jīng)驗(yàn)為我們解讀，什么樣的機(jī)器翻譯比Google還要占優(yōu)？
深度學(xué)習(xí)框架與生物識(shí)別
格靈深瞳 CEO 趙勇博士基于自己多年的研究和行業(yè)經(jīng)驗(yàn)，深入分享 AI 技術(shù)將怎樣以智能硬件、大數(shù)據(jù)挖掘和物聯(lián)網(wǎng)的形式，深刻地變革整個(gè)安防行業(yè)。
如果人工智能是一個(gè)蛋糕的話，那么“蛋糕胚”不僅是指無(wú)監(jiān)督的數(shù)據(jù)表示學(xué)習(xí)，還應(yīng)該包括“無(wú)監(jiān)督推斷學(xué)習(xí)”，而GAN確實(shí)很好地連接了這兩個(gè)重要的人工智能主體。
Tensorflow到底適合如何拿來(lái)做開(kāi)發(fā)？能不能為你的研究或者產(chǎn)品帶來(lái)更好的機(jī)會(huì)？
正如程序語(yǔ)言一樣，深度學(xué)習(xí)開(kāi)源框架同樣各有優(yōu)劣和適用的場(chǎng)景，那么 AI 從業(yè)者該如何有針對(duì)性地選擇這些平臺(tái)來(lái)玩轉(zhuǎn)深度學(xué)習(xí)？
虹膜識(shí)別目前是一門(mén)新興的技術(shù)，在生物特征識(shí)別領(lǐng)域?qū)嶋H上是被認(rèn)為可以在某種程度上取代今天的指紋和人臉識(shí)別，也是精度最高的生物特征識(shí)別技術(shù)。
從人臉識(shí)別和情緒識(shí)別區(qū)別開(kāi)始，循序漸進(jìn)到情緒識(shí)別原理，情緒識(shí)別的應(yīng)用場(chǎng)景，最后為我們揭秘這個(gè)過(guò)程是如何實(shí)現(xiàn)的。
隨著人臉識(shí)別技術(shù)的普及，不光可以靠“刷臉”支付吃喝玩樂(lè)的花費(fèi)，現(xiàn)在連銀行辦業(yè)務(wù)都可以“刷臉”了。
《TensorFlow實(shí)戰(zhàn)》作者黃文堅(jiān)，為我們講解了關(guān)于四大經(jīng)典CNN網(wǎng)絡(luò)：AlexNet、VGGNet、Google?Inception?Net和ResNet的基本原理。
行業(yè)
余凱對(duì)去年 AI 圈內(nèi)的各種現(xiàn)象，發(fā)表了自己的獨(dú)到觀點(diǎn)和看法。
隨著AI的快速發(fā)展，AI到底能不能跟我們的智能相提并論。
深度學(xué)習(xí)并不萬(wàn)能，AI的未來(lái)還得靠人類。
本期硬創(chuàng)公開(kāi)課，我們特意請(qǐng)到了微軟亞洲研究院副研究員張富崢博士，來(lái)談?wù)勊谖④泚喼扪芯吭汗ぷ鞯捏w驗(yàn)和他眼中的微軟亞洲研究院。
怎么在浩如煙海的數(shù)據(jù)中篩選出對(duì)我們真正有用的那些？又如何通過(guò)分析這些數(shù)據(jù)做出對(duì)自身有利的決策？
相信不少學(xué)者在面對(duì)艱深的科研課題的時(shí)候，心中都有過(guò)那么一絲疑惑：這東西何時(shí)能實(shí)現(xiàn)產(chǎn)業(yè)化，真正造福社會(huì)？
深度學(xué)習(xí)可以用在很多領(lǐng)域，前面說(shuō)過(guò)了，只要這個(gè)領(lǐng)域需要構(gòu)建一個(gè)模型來(lái)預(yù)測(cè)，而且有大量標(biāo)注的訓(xùn)練數(shù)據(jù)。
由圍棋棋手解讀人機(jī)大戰(zhàn)。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
