惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

有赞技术团队
有赞技术团队
Martin Fowler
Martin Fowler
N
Netflix TechBlog - Medium
WordPress大学
WordPress大学
罗磊的独立博客
H
Help Net Security
MongoDB | Blog
MongoDB | Blog
A
About on SuperTechFans
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
D
Docker
云风的 BLOG
云风的 BLOG
Microsoft Security Blog
Microsoft Security Blog
Blog — PlanetScale
Blog — PlanetScale
P
Proofpoint News Feed
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
I
InfoQ
J
Java Code Geeks
博客园 - 聂微东
大猫的无限游戏
大猫的无限游戏
Engineering at Meta
Engineering at Meta
美团技术团队
小众软件
小众软件
Stack Overflow Blog
Stack Overflow Blog
C
Check Point Blog

jdhao's digital space

Conversion between base64 and OpenCV or PIL Image 腾讯云对象存储博客图床开启 CDN 加速(不需要购买额外域名) Search and Replace in Multiple Files in Vim/Neovim Change Table Column Width in LaTeX Image or Table Side by Side in LaTeX LaTeX 并排显示图像或表格 Firenvim: Neovim inside Your Browser Content inside HTML tags missing in Latest Hugo? Creating Markdown Front Matter with Ultisnips Labelme JSON 标注格式转 voc XML 格式 Nifty Nvim Techniques That Make My Life Easier -- Series 6 macOS 下如何为视频制作字幕 Running Command Asynchronously inside Neovim Resolving Merge Conflict after Git Stash Pop Pylint: command not found? A Hands-on Experience with Neovim's Built-in LSP Support How to Convert PDF to Images with Imagemagick 互联网上常用缩略语集锦 File Backup in Neovim Converting PDF Pages to Images with Poppler Nifty Nvim Techniques That Make My Life Easier -- Series 5 Neovim Configuration for System-wide Use How to sort a list of tuple or list in Python -- lambda or itemgetter? Building A Vim Statusline from Scratch 人类第一颗原子弹爆炸始末 Distributed Training in PyTorch with Horovod Learning Expect Programming Essential Knowledge about SSH Nifty LaTeX Techniques -- Series 1 更改 Adsense 邮寄地址,重新寄送 PIN
AI 的噱头
2020-05-22 · via jdhao's digital space

人工智能 (AI)甚嚣尘上,动则称颠覆,各家公司纷纷推出了自己的 AI 产品,但是这些产品真的有那么多人用吗?

别看各种论文宣称他们的算法有多么牛逼,一到实际场景,要做成能让消费者使用的产品,不费一番功夫优化是不可能的。论文里的算法之所以厉害,是因为他们专门针对数据集进行了优化,而实际场景的数据通常是复杂的。

另外一方面,我们要区分“能用”和“好用”,经过大量的优化和数据拟合,AI 算法大都能到“能用”的程度,但是要达到让消费者满意的程度,是非常困难的。例如图像分割算法,要做到准确分割各种物体是很难的,由于现实世界的物体千差万别,不像论文里是限定种类,分割算法要做到让人满意其实是很难的,很多时候,产生的图像粗看还可以,细看的话,一些细节处理就不到位,不能令人满意。更不用说一些现在还不成熟的技术了,强行上马只会导致算法只对某些场景有用,达不到消费者的预期。

前不久在华为的专卖店体验了华为手机拍照翻译功能,首先翻译效果很差,另外翻译以后的文本贴回去的时候排版粗糙不堪,这样辣鸡的拍照翻译,是梁静茹给了勇气上马到手机吗?

虽然 AI 被吹的神乎其神,但是真正对消费者产生价值的产品有多少呢?人脸识别算是一个,现在大部分手机都有人脸识别解锁的功能,语音识别也算是一个吧,语音转文本能帮用户节省大量手动录入的时间,还有什么呢,一时竟想不起来了。大部分算法并未达到成熟应用到产品的地步。

我们在做产品的时候,应该做真正为消费者产生价值的 AI 产品,而不是赶所谓的首发或者创造一些噱头。