Tag: AI

編輯導語：隨著現代醫學的不斷發展，在「互聯網+」、人工智慧等新技術帶動下，人工智慧醫療出現並且造福著廣大醫生和病人。但同時，人工智慧醫療也面臨著商業化困局。 為了能讓讀者們能快速的了解人工智慧醫療這個行業，對人工智慧醫療有個概念。所以在文章開篇我整理了一份AI在醫療領域的全景地圖，全景地圖內容包含了應用場景、應用價值、相關企業、政策解析、技術現狀相等等。 目前是1.0版本如果有遺漏或者有更好的建議可以掃描全景地圖的二維碼聯繫主編，一起共同完善。 一、價值 當前AI在醫療領域的應用大部分都是在醫學影像行業，而它所帶來的最直觀的價值就是效率以及精準度十倍甚至是百倍的提升。 就以肺結節醫學影像為例，起最大的價值就是當醫生的工作量大的時候，對於3毫米以下的肺結節是比較難發現的，有了AI輔助之後，至少 […]

5G相比4G網路，在數據傳輸速度、容量和延遲方面都有很大地飛躍。當AI與5G結合，未來的十年，會帶來怎樣的變化？ 什麼是5G？ 回顧歷史展望未來 5G 是指第五代移動通信技術，它相比4G網路在數據傳輸速度、容量和延遲方面都有很大地飛躍。 在國際電信聯盟(ITU)制定的5G 標準中，定義了5G 未來的三大應用場景：增強移動帶寬(eMBB)、低時延高可靠通信(uRLLC)和大規模機器通信(mMTC)。說人話，就是： 高速率：未來理論上10Gbps 的通訊速率，相比4G提升了約100倍 低延時：1ms的超低延時，相比於4G網路小於50ms的延時，再次降低了一個數量級 廣連接：每平方公里100萬個設備接入，這也讓每個物聯網設備單獨接入網路成為可能 縱觀歷史，幾乎每10年，通信網路就會發生一次變革迭代 […]

導語：人工智慧和教育看似是沒有交集的兩條平行線，但是卻又真實地交互著，切實地融合應用於教育教學場景中。2019 年 5 月，國家提出要充分發揮人工智慧優勢，加快發展平等、適合每個人的、更加開放靈活的教育。那麼，現在人工智慧到底可以給教育帶來什麼，它如何運用在教育行業，它的局限性又是什麼？本文將為您揭曉關於人工智慧與教育應用的那些事。 本篇報告亮點： 詳實的投資數據——從近 6 年 AI+教育投融資情況到重點大額融資事件，從 A 背後的投資方到騰訊等企業的投資布局均有詳實的數據披露，AI+教育投資形勢瞭然於胸； 全面的應用剖析——從教育參與主體、教學環節、教育內容、產品形態多方面分析 AI+教育的應用融合，便於理解哪方面的哪些應用較發展為成熟； 國內 AI+教育獨角獸榜單公布——教育、AI+教 […]

編輯導語：AI技術在人才招聘領域已經被廣泛使用，據不完全數據統計，在美國已有超過100萬求職者接受了 AI 面試，一些大學甚至開設了培訓課程來提升學生在 AI 面試時的表現。隨著AI面試越來越多，我們不禁開始思考：AI面試官真的有那麼神奇嗎？ 繼可口可樂、聯合利華等巨頭採購AI招聘系統后，國內招聘平台智聯招聘也推出了視頻面試產品「AI易面」。在面試中AI能進行語義分析、視頻分析，還能給出一些固定套路的面試題，加上經典的性格和智力測評，「AI易面」就可以智能完成人崗匹配。 聽起來似乎HR已經被AI踢出了招聘流程，但這種新技術也存在不少問題。 原本AI招聘的賣點是可以消除企業在招聘過程中的人為偏見，讓企業和求職者都能從招聘中受益。但實際應用起來可沒那麼容易，AI演算法並非「生來」客觀，招聘軟體也 […]

編輯導讀：回顧2020年，數字化和疫情成為兩個最重要的關鍵詞，兩者相互影響，相互作用。深層次的數字化轉型是流行趨勢之一，它對個人和社會都產生了根本性的影響。本文作者將從三個維度對此進行分析，希望對你有幫助。 2020年的篇章已經悄然翻過，讓不少人能夠稍稍鬆口氣。不過剛剛過去的一年，註定會成為銘記史冊的重要歷史轉折點。 「疫情」和「數字化」當然是2020年最重要的兩個關鍵詞，兩者相互影響，相互作用。一方面，數字化技術的大規模應用有助於疫情防控；另一方面，疫情也加速了全社會的數字化轉型。過去淺嘗輒止的數字化，正在被深層次的數字化轉型所取代，而這個過程是不可逆轉的。 不可逆轉的數字化浪潮，日益對社會與個人產生根本性的影響。對社會，帶來了基礎設施數字化、社會治理數字化、生產方式數字化；對個人，帶來了 […]

汽車駕駛體驗的智能化升級下，車載場景內容的語音交互場景、產品形態都在不斷變更、不斷升級。而未來它究竟發展地怎麼樣呢？讓我們拭目以待。 汽車駕駛體驗的智能化升級 自動駕駛技術可謂是當今最為熱門的一個話題，同時也是人工智慧技術實現落地的重要場景之一。目前我們距離機器全自動駕駛技術的實現還有一定的距離。不過，在自動駕駛技術完全實現之前，人工智慧將會首先升級汽車的駕駛體驗。本文將嘗試梳理語音交互在車載場景中的應用，向讀者介紹目前智能駕駛艙和車載語音助手的現狀，以及未來的發展趨勢。 智能駕駛艙是一個基於人工智慧技術實現的概念。它是車載場景中智能駕駛輔助與智能機械化功能控制的結合，主要應用包括汽車娛樂，安全駕駛，自動駕駛和智能導航。 智能車載助手是智能駕駛艙的核心應用，用戶能夠通過語音與車輛交互。車載智 […]

編輯導語：隨著科技的不斷發展，智能家居開始逐漸深入我們的生活，手機上的一些應用就可以對相應的家電進行控制，智能家居對我們的便利性也大大提高了；本文作者分享了關於智能家居平台的一些思考，我們一起來看一下。 很久沒有寫文章了，近來斷斷續續地在思考一些東西；在去工作的地鐵上，終於想好，決定分享自己在智能家居方面的思考。 本系列文章計劃分為7部分，不排除會對部分內容合併： 智能門鎖 中控屏 智能音箱 智能家居平台設計 關於供應鏈、ID、MD、電子設計等 關於銷售、售後、弱電集成、工程管理等 智能家居之智 一、智能家居平台4要素：人、設備、家（空間）、場景（聯動） 智能家居平台的4個要素，家、用戶、設備、場景（場景聯動）。當下任何一個智能家居平台，都需要同時覆蓋這4個要素，這4個要素中前3個要素是基礎 […]

筆者將目光聚焦於在線招聘，並分析總結了在線招聘領域的發展弊端與頑疾，並講了如何利用AI技術改進在線招聘，以及在線招聘的破局點在何處。 求職者：千里馬常有，而伯樂不常有。 僱主品牌：千金買馬骨。 人才與僱主品牌之間，天然的互相需求。這一對CP，橫垣於世數千年，有毛遂自薦，亦有極具大數據思維的「大案牘術」。 近日大火的《長安十二時辰》中的張小敬就是通過古代版的AI選出來的（後面劇情顯示證明還是人為選擇）。極具特色的」后喻文化「思維，AI對於精準招聘的重要性不言而喻。 可，「大案牘術」真的能救在線招聘嗎？ 不用急於下結論，也許世界上一切真正的大問題往往鴻蒙難解，任何過於清楚的答案不過是人們在進行辛苦的思維勞作后的一種邏輯安慰罷了。 我們先來看看招聘行業的頑疾。 一、間歇性失靈的CLV 終身價值，又 […]

編輯導語：以前的人養貓，大多數都是散養或者放養。而現在，有越來越多的人夢想就是「貓狗雙全」，彷彿養了貓和狗，人生就完滿了一樣。但是隨著現代人的工作壓力和生活壓力逐漸加大，白天並沒有多少時間能夠照顧自己的毛孩子，於是AI養寵受到了鏟屎官們的青睞。 養過寵物的人都知道，「小主子」能帶來不少有趣的笑料和溫暖的陪伴，與此同時，牠的吃喝拉撒睡並沒有想象中那麼省心，而是一項雖然可簡可繁卻必須面對的工作。 所幸現在人工智慧發展快速，市面上已有各式各樣的智能設備能幫助「鏟屎官」更好地伺候他們的主子。 一、有病找獸醫？AlphaDo：先讓我看看! 昨天，剛剛領養一隻小貓的賀子抱怨寵物醫療的高花費與不便利。「剛從外面帶回來嘛，想讓牠做個健康檢查打個疫苗什麼的，沒想到檢查出一堆問題，寄生蟲、外耳炎什麼的，一下就花 […]

導語：前面介紹了「AI產品經理需要具備的能力和對數據、演算法需要理解的程度」、「機器學習的實際訓練過程」；後面將圍繞AI產品在當前環境下的熱門應用來進行探討，涵蓋了語音識別、圖像識別、NLP自然語言處理、知識圖譜等產品化落地的場景。 一、人工智慧與「人工」智能 人每天做的最多的事情就是看、聽、說、思考、決策，這是人這個複雜系統需要具備的能力，那麼如果要做像人一樣的智能機器，最基礎要解決的問題便是圖像處理的能力、聲音的處理能力、口語的處理能力、邏輯推理能力，具備了這些能力之後，人才能做更多的事情，同理機器也就能做更多的事情。 機器學習作為人工智慧的實現手段之一，核心是用演算法來解析數據、從數據中學習規律，再對現實世界中的事件做出決策和預測。由於強依賴數據，對於數據的處理和應用便顯得極為重要。A […]

​編輯導讀：抄襲是指竊取或修改他人的作品當作自己的，在相同的使用方式下，完全或者部分完全照抄他人作品或在一定程度上改變其形式或內容的行為。是一種嚴重侵犯他人著作權的行為，同時也是在著作權審判實踐中較難認定的行為。相比較其他內容形式藉助AI技術，音樂抄襲一直是比較難以判定的問題。藉助人工智慧技術是否能解決呢？本文對這個問題展開了分析討論，一起來看看~ 如何判斷一首歌是否抄襲，一直是音樂行業中的”老大難”問題。很多音樂人因為技術條件不夠、鑒定成本高而放棄維權，也有很多創作者，明明沒有抄襲，卻在輿論的質疑漩渦中難以自證清白。 而人工智慧的介入，可能會幫助我們更加方便、準確地鑒定抄襲。 近日，外媒MBW從一份歐洲專利申請文件中得知，Spotify正在為一項名為”抄 […]

導語：上一篇文章里簡單介紹了AI產品經理需要具備的能力和對數據、演算法需要理解的程度；本篇計劃介紹一下機器學習的實際訓練過程，來進一步的理解AI產品在日常工作中需要關注的內容。我們一起來了解一下。 現簡單的將訓練流程劃分為：定位要解決的任務類型 -> 選擇合適的演算法模型 -> 準備數據集 -> 訓練模型 -> 調整參數 -> 模型評估及驗收。 一、根據場景定位要解決的任務類型 結合不同的應用場景，機器學習核心解決的任務類型可以簡單歸納為分類問題、回歸問題、聚類問題、時間序列問題。 1. 分類問題 原理：根據樣本特徵提前定義好數據的分類，把具有相同特徵的數據點落到提前定義好的類別標籤上完成分類。 特點：數據樣本有標籤。 應用場景：人臉識別、垃圾郵件檢測、圖像識別 […]