3-4路视频简单目标检测（单模）。每段视频平摊需要约1000~2000美元的硬件成本。与目前4K相机的成本相比，近10倍的成本差异。如果我们进一步考虑动作检查，用于光流计算或3D深度自学或更简单的算法，这种成本的变化是不可接受的。
因此，当人工智能前进时，我们必须更好地研究和创造力来解决所有系统的优化问题，这意味着我们不能只停留在单一的功能或精度层面。对于在AI领域技术基础脆弱的企业，如何享受AI给予的红利？为什么今天的企业争先恐后地想转入AI领域？他们期待成为IBM、Google这样的AI公司，每年在AAAI或NIPS上放几篇文章？答案当然不同。企业想转入AI领域，还是希望在自己的业务领域获得新的成长点，希望通过AI的力量创造新的产品获得更多的市场份额，通过AI提高数量的产品，打败市场竞争对手。因此，对于这些期待利用AI技术的企业来说，最重要的是两点。
第一，找准AI技术在自己业务领域的定位，也就是未来产品的战略思维。这是因为只有企业自己自己才能理解自己的业务领域、发展机会和企业现状。第二，Time-tomarket，时间非常宝贵。
在当前信息缓慢的时代，市场机会的长跑是时间的长跑。对于各行各业的企业来说，如果想享受人工智能给予的红利，自己必须花更多的时间思考和企划上提到的第一个问题(产品战略)，第二个问题必须知道利用外力。
今天，在与时间长跑的过程中，企业面临的仅次于挑战是人才和数据的问题。如何利用外力，往往也是企业犹豫不决。人才像传统的销售企业服务模式一样解决问题的人才问题，对一些行业没有权利。
对于许多行业来说，他们的数据具有很高的保密性，不能将这些数据交给第三方公司进行数据培训和分析。另外，企业生产环境的数据类型也不会随着时间的推移而变化。
例如，零售业货架的商品类别、生产线上产品的出货变化等。因此，即使企业从第三方公司开发了机械学习模式，之后所有生产环境的变化都依赖于第三方公司进行调整吗？因此，在引进AI技术的过程中，企业往往不会犹豫人才培养时间过长和触摸产品。数据在人力资源问题后，另一家后遗症企业的问题是数据问题。
过去几年，深度自学的顺利性是基于大量的网络开源数据。但是，这些数据都是互联网的数据，与企业希望解决问题(特定病种的医疗影像、产品质量影像等)没有必要的关系。因此，在AI技术必须使用自己的业务领域时，企业必须自己计划业务场景的数据集，没有专业领域的科学知识的人必须显示数据集。
因此，计划数据的过程本身接近时间和人力。此外，企业往往不会面临数据严重不足的问题，尤其是必须高度关注的数据类型。
例如，在医疗影像中，具有各种症状的数据比健康人群的数据更重要的生产生产中，具有各种缺陷问题的数据比质量长的产品数据更需要注意的汽车驾驶员中，在各种危险的天气道路上的数据比长时间的天气和光照时得到的数据更需要注意。但是，这些数据往往是概率低的数据。因此，如何对这些数量少但最重要的数据开展机械学习？如果不解决问题的话，AI确实不能使用工业界的场景。
意识到这个问题的重要性，IBM研究院建立了对小数据(Smalldataset)的一系列研究，基于自学、数据强化等课题进行了解开发。这些技术也应用于IBM中的Watson和企业AI研发平台，需要协助企业解决问题数据问题。
未来几年，哪些AI可以大规模投入市场？需要更长时间的研究和检查吗？由于业界的你追我，AI似乎在高速滑道上发展。大家对短期的定义是1-2年，中长期是3-5年。
新的AI技术能否大规模投入市场，应该看这个市场对这个技术的错误忽视程度低，比如，这个技术能否有80%的正确绝，还是必须有95%，甚至99%的正确度？忘记在2015年，玩具制造商发售了CogniToys(能和孩子对话的绿色恐龙，当时被选为2015年度最佳玩具。但是，当时CogniToys的对话能力比今天国内很多公司发售的智能扬声器差。
但是，CogniToys只是玩具产品，所以没有必要有很高的精度。和孩子的对话一句话也没什么关系。
因此，2015年，即使机器对话技术还不成熟，CogniToys也无法阻止在亚马逊受欢迎。但是，在一定程度上的对话技术，我们作为拒绝周密的医疗行业和银行财经行业，必须有更长的技术成熟期。例如，今天有可能只做90%的准确率的技术。
如果我们希望在未来的1~2年普遍使用，我们必须从场景中折扣。折衷的手法可以多样，如重新加入人为判断。我们在top1精度过高的情况下，可以得到用户top5的识别结果，让用户再次从top5中识别。
通过这种方法，一些AI技术可以减缓在一些领域的应用。当然，可以用于这种折衷手法的应用领域，不是工业管理领域。必须实时控制的系统领域，包括无人驾驶、自动控制等，几乎需要低精度的拒绝。
这种低精度几乎被硬拒绝的应用于场景，必须进一步长期研究和检查。即使在同一技术、同一工业领域，也不会有时间的问题。例如，在AAI技术上开展无人驾驶，现在很多制造商选择特定地区的工程车辆、小区巴士等，道路状况比较单一，非常简单。
我们最近去印度展览，看到印度的汽车行业，辅助驾驶员的研究开发也刚刚开始。最重要的原因是该地区路况的复杂性远高于美国和中国。
因此，无人驾驶在印度落地的话，可能需要3~5年的时间。原始文章允许禁止发布。下一篇文章发表了注意事项。
本文关键词：IBM,林咏华,技术,基础,薄弱,的,企业,应该,怎么,米乐体育app下载
本文来源：米乐体育app网页登录-www.menjinkaoqinji.com