AI应用落地之道
正版新书 新华官方库房直发 可开电子发票
￥ 45.54 6.6折 ￥ 69 全新
库存7件
作者(日)野村直之
出版社中国人民大学出版社
ISBN9787300278643
出版时间2020-04
版次1
装帧平装
开本32开
纸张胶版纸
页数243页
字数174千字
定价69元
货号SC:9787300278643
上书时间2024-09-17
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
内容简介:
从AI核心技术、样本数据提取到业务流程构建、人才培养机制
MIT人工智能研究所客座研究员、日本人工智能专家全流程指导
帮助企业实现AI技术的落实应用，指导个人从知识劳动人才向智能劳动人才转变
当人们听说“AI的进化将剥夺人类的就业机会”时，出于对机器的担忧和反感，他们就会产生逆反心理，从而造成对AI能力的过高预估；另一方面，当这种过高的期待没有实现时，人们就会产生对AI的全面否定，如“AI什么也干不了”“到头来还不是一无是处、毫无意义”。我们该如何澄清关于AI的各种误解，使企业能够从容自如地使用AI？
本书作者野村直之30多年来一直致力于AI的开发、应用和部署。在本书中，他针对已经参与或即将参与AI系统相关工作的读者揭示了诸多为了充分应用AI系统需要掌握的要点。
·AI的现状。目前的AI都是辅助性工具，“强AI”还无法在21世纪内诞生。
·AI的核心技术——深度学习。AI应用落地的关键在于目标精度的评测与活用，通过使用准确率和召回率两个指标，来准备良好的样本数据。
·样本数据的制作。通过短周期原型开发评估目标精度，加之专业人士的参与，同时使用高性能的GPU硬件。
·AI部署人才应具备的技能。AI时代的人才需要福尔摩斯般的思考能力，不仅要善于发现问题，打破现有局面，还要为解决问题设定目标，完成从“知识劳动”到“智能劳动”的转变。
摘要:
本章将会总结目前以深度学习为代表的AI的大致情况，并对其已具有和尚未具有的能力进行归纳。
如本书引言所述，目前的AI作为一种辅助性工具，主要在图像、声音识别方面具有很强的实用性，而且发展迅速。我们可以预见，AI今后将与人类一样拥有视觉、听觉和读写能力，并被广泛地应用到各个行业，取代人类完成一部分工作，最终在提升生产效率、创造社会财富和缓解劳动力不足方面发挥价值。
遗憾的是，目前大众对于AI还存在很多认识上的误区。比如，过度关注需要几十年或几百年才能实现的“强AI”以及具有和人类同等知性的“通用AI”，并将它们与目前作为辅助性工具应用在商业领域的局部AI混淆。虽然后者在当前更为重要，但相关的讨论，比如怎样将目前已经成熟的AI技术应用于短期的企业战略规划，如何用AI重构业务流程、提高生产效率等话题，却很少听到。
事实上，对于企业而言，并不需要在三年或者五年的短期计划中考虑“强AI”或“通用AI”。让我们先从这一点开始吧。
关于AI常见的误解
目前的AI并非“通用AI”，而是只能完成特定工作的专用AI，其种类高达上千种。大众对AI过度的期待，以及对AI所持有的理想与现实存在巨大落差而深感失望的现状，很可能源自对AI的实际应用情况了解不足，或者对它存有误解。高德纳(日本)IT咨询公司在2016年12月发表了关于AI常见的误解：
1.具有高度智慧的AI已经存在；
2.如果导入类似于IBM沃森那样的机器学习、深度学习的技术，任何机器都能变得无所不能；
3.存在一种名为AI的单一技术；
4.只要引入AI就能立刻见到效果；
5.“非监督式学习”过程不需要指导，所以比“监督式学习”优选；
6.深度学习是不错大的；
7.算法如同编程语言一样可以随意选择；
8.存在任何人都可以立刻上手的AI；
9.AI是一种软件技术；
10.到头来AI什么也干不了，毫无意义。
很多层面的问题交织在一起，导致了以上误解的产生。事实上这几种说法都不正确。
“具有高度智慧的AI已经存在”的说法显然不正确。目前“通用AI”尚未诞生，我们对如何创造也无从知晓。就连“AI”的精准定义，我们都尚未有定论。
“只要使用了AI后就可以变得无所不能”的想法也是错误的。要想让AI发挥作用，就必须努力获取、积累大量样本数据和词库，评测并提升系统准确度，将其应用到业务实践中。如果不下这样的苦功，那么即使用了AI也解决不了眼前的问题。关于这一点，我会在第2章里详细说明。同样的理由，关于“只要引入AI就能立刻见到效果”和“存在任何人都可以立刻上手的AI”的说法也是不对的。
其实，对于“只要引入AI就能立刻见到效果”的说法，我认为并不妥当。在由人工智能学会编撰的厚达1600页的《人工智能学大事典》中介绍的AI多达上千种，这些AI既类似又不尽相同。每个AI的来源与目的、实际状态各有差异。然而，媒体在报道时经常会粗略地说“
...
目录:
第1章当今AI的功能与局限
关于AI常见的误解//2
利用大数据的围棋AI//5
如何有效运用“幼儿智能”//6
思考能够使用图像识别技术的商业领域//7
深度学习是“原始数据计算”//9
通过三个数轴对AI进行分类//12
深度学习是如何提取特征的//14
“模式识别”：AI的眼睛和耳朵//17
使用深度学习的机器翻译能够获得压倒性胜利的原因//20
“强AI”的出现至少要到22世纪吗//26
指数函数的恐怖//28
知识量的增加至多是二次曲线级//30
充分运用深度学习的必要性//34
深度学习与其他方式的结合也很有价值//36
第2章使用深度学习的基本流程
在AI应用中不可或缺的目标设定//40
分享评测数据使其可以共用//42
作为精度指标的“准确率”和“召回率”//44
作为前提的正确结果不止一个//46
不同场景中对准确率和召回率的重视程度不同//47
业余和专业所需的精度是不同的//49
深度学习的准确性评估测试非常简单//51
能准备反映共同特征和多样性差异的训练数据//53
使用开发环境进行数据学习的流程//55
注意过度拟合//59
第3章目标精度的实际评估和利用
从危险驾驶分类中了解自动驾驶的问题//66
AI给生产力带来的提升效果//71
交通标志与AI的匹配和RFID化也是必要的//73
精度目标的设定和预算是“鸡与蛋”的问题//79
自动驾驶需要用各种观点进行综合评估//81
— 没有更多了 —
以下为对购买帮助不大的评价