
打造大数据与人工智能正循环
我们在经历一场人工智能变革
“人工智能在当下十分火热,语音识别、人脸识别等能力取得了长足的发展的和进步。”百度深度学习实验室杰出科学家徐伟表示。
如今,大数据的发展和处理大数据能力的提升,以及深度学习的发展,都对人工智能发展起到很重要的推动作用。“深度学习和大数据的结合成为人工智能这个浪潮的巨大推动力。”徐伟介绍,数据内部复杂的结构关系和属性,是要通过大量的数据才能够呈现出来的,因此光有大数据是不够的,还需要非常强有力的学习方法——深度学习。所谓的深度学习,就是对大数据进行深层次的挖掘、分析。
据悉,百度耗费巨大资源打造了百度大脑的PADDLE深度学习平台。该平台支持多样数据类型,可以灵活配置深度学习结构,是一个通用、灵活、强大的深度学习平台。
目前,百度已将深度学习运用到了各个领域,包括数据中心管理、检测,同时在百度搜索、百度推广、百度图片、百度贴吧、百度地图等产品上都有应用。
机器的感知能力正在超越人类
“随着大数据、深度学习的发展,机器在某些方面的感知能力已经接近甚至超过人类的水平。”徐伟介绍,对于搜索这样的短文本(中文)语音输入,人类的单字错误率为8%,机器为6%;对于人们十分自信的人脸识别同样如此:在世界最权威的人脸识别评测(LFW)中,人类的错误率为0.8%,百度人脸识别的错误率为0.23%,这是目前世界上最好的结果。
目前,百度已经通过apistore.baidu.com向用户开放了人脸识别和图像文字识别服务。用户可以通过这些技术进行人脸注册、认证。人脸认证不仅可以静态认证,也可以动态认证,通过观察眨眼、摇头这些动作,保证只有活体才能通过认证。文字识别技术的应用范围和准确度都有很大提高,可以检测任意方向文字、识别中英文、识别公式。
百度运用深度学习在感知方面取得了非常大的进步。人与动物最大的区别在于语言理解能力。百度的统一视觉和语言深度学习模型已经能像小孩学习一样自然,能够进行简单的看图说话、问答,理解动态视频。
百度打造的明星产品
“百度花费巨资开发人工智能,最终目的就是想要使人们的生活变得更美好。”徐伟说。
小明(DuLight)是百度帮助盲人打造的“生活助理”,依托百度大脑,可以帮助盲人描述周围环境、识别人民币,对摄像头看到的人脸进行识别,帮助盲人更好地融入社会和理解真实世界。
脸优,一款可以随意变脸的应用。以人脸检测、跟踪、关键点定位为基础,配合图像处理算法实现了换脸、贴脸的功能。可以自动检测出人脸的位置,同时预测出原始脸和目标脸中对应的人脸关键点坐标,把两个不同脸的各个部位对齐。同时,人脸跟踪技术可以实时跟踪脸部的运动和关键点的位置变化,使得贴上去的脸也可以跟着作出相应的变化。这样用户不仅可以变成明星脸,也可以变成动漫人物的脸。
小度机器人,像真人一样面对面和用户对话。利用人脸检测和跟踪技术,根据用户的位置移动而转动视线。不仅如此,小度机器人还具备了认识用户的能力,可以判断出面前用户的身份是注册用户中的哪一个人,根据用户的不同年龄、身份、性别作出个性化的回答和服务。
数据与人工智能相辅相成
人工智能运用到生活的方方面面,带来巨大的数据量,而更多的数据带来更强的智能,随即产生更好的产品,这就是百度打造的人工智能正循环。通过长此以往的正循环,百度大脑越来越强,机器人会越变越聪明。
“人工智能于1955年提出。一晃半个世纪过去了,我们对人工智能的研究还只停留在开始阶段……”徐伟感叹人工智能的发展道路并不平坦。
徐伟介绍,人工智能还缺少小数据的学习能力、自主地探索环境、通过和人的交流学习的能力。小孩能够主动对周围的事物产生好奇,并且能感知周围的事物,小孩子可能只需要大人教一次就能学会,但是机器却需要成千上万的图像训练才能认识一个新的物体。
“人工智能还有很长一段路要走。虽然很有难度,但是通过大家共同的努力,我看到了人工智能的希望,我们已经在经历一场人工智能的变革。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15