AI应用落地之道
全新正版 极速发货
￥ 38.89 5.6折 ￥ 69 全新
库存6件
广东广州
认证卖家担保交易快速发货售后保障
作者(日)野村直之|责编:张亚捷|译者:孔毅珺
出版社中国人民大学
ISBN9787300278643
出版时间2020-04
装帧平装
开本其他
定价69元
货号1202052259
上书时间2024-06-07
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
[日] 野村直之，Metadata Incorporated公司董事长、法政大学研究生院创新管理研究专业兼职教员。 1984年毕业于东京大学工学院，2002年获得九州大学理学博士学位。先后就职于NECC&C研究所、JustSystems、法政大学、日本理光集团，后出任法政大学研究生院客座教授。2005年创立Metadata Incorporated公司。主要提供大数据分析、社会化应用，以及各种人工智能应用解决方案等服务。 期间，出任美国麻省理工学院（MIT）人工智能研究所研究员。与“人工智能之父”马文·明斯基属同一研究室。曾与同为MIT的语言学者诺姆·乔姆斯基交流讨论。不仅参与研究了支撑深度学习的ImageNet的基础WordNet，还同时参与过从日本第五代计算机开发机构ICOT分立出来的知识库的开发。在从事各种软件开发的同时，对AI在产业、生活、行政、教育等领域的应用问题也极为关心。 著有WorldNet: An Electronic Lexical Database ,edited by Christiane D.Fellbaum ,MIT Press ,1988.（合著）。 同时在信息处理、AI应用等相关杂志上发表过多篇论文。参加过多场讲座。
目录
第1章 当今AI的功能与局限
关于AI常见的误解
利用大数据的围棋AI
如何有效运用“幼儿智能”
思考能够使用图像识别技术的商业领域
深度学习是“原始数据计算”
通过三个数轴对AI进行分类
深度学习是如何提取特征的
“模式识别”：AI的眼睛和耳朵
使用深度学习的机器翻译能够获得压倒性胜利的原因
“强AI”的出现至少要到22世纪吗
指数函数的恐怖
知识量的增加至多是二次曲线级
充分运用深度学习的必要性
深度学习与其他方式的结合也很有价值
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
分享评测数据使其可以共用
作为精度指标的“精确率”和“召回率”
作为前提的正确结果不止一个
不同场景中对精确率和召回率的重视程度不同
业余和专业所需的精度是不同的
深度学习的准确性评估测试非常简单
能准备反映共同特征和多样性差异的训练数据
使用开发环境进行数据学习的流程
注意过度拟合
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
AI给生产力带来的提升效果
交通标志与AI的匹配和RFID化也是必要的
精度目标的设定和预算是“鸡与蛋”的问题
自动驾驶需要用各种观点进行综合评估
特斯拉汽车为何发生车祸
结合预期值评估服务质量非常重要
设计业务流程时的混淆矩阵很重要
用附有概率值的判定结果将分支条件精细化
根据置信度对处理结果进行场景分类
为每个样本或医疗机构设置最佳精度
对AI纠错的意义
如何评估聊天机器人的准确性
用“对话成立度”对精度进行定量评估
参考信息技术架构库改善业务流程
让AI学习特殊情况下的数据
第4章 AI部署的实例
企业的数字化
将AI API化后公开
AI部署的战略以及企业内部体制
制作样本数据时的注意点
标注人员进行的标注工作
增加相互之间只有少许差异的样本数据
内容摘要
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Al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，通过使用精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。
精彩内容
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”先进；6.深度学习是最强大的；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，评测并提升系统精确度，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
— 没有更多了 —
以下为对购买帮助不大的评价