"AI Yeniden Başlıyor, Vientiane Güncellemesi" 2017 Makine Öğrenimi Teknolojisi Pazar Tahmini İlk 10
1 Xinzhiyuan derlemesi
Kaynak: blog.bigml.com
Eser sahibi: atakancetinsoy
Çeviri: Liu Xiaoqin, Wang Nan
AI devam ediyor, Vientiane güncellendi!
Xinzhiyuan, tüm abonelerine iyi bir Horoz Yılı diliyor!
Xinzhiyuan yeni bir işe alım turu başlattı : COO, Genel Yayın Yönetmeni, Baş Editör, Kıdemli Derleyici, Baş Yazar, Operasyon Direktörü, Hesap Yöneticisi, Danışmanlık Direktörü, İdari Asistan ve diğer 9 pozisyon tamamen açıktır.
Teslime devam et: j obs@aiera.com.cn
HR WeChat: 13552313024
Xinzhiyuan, COO ve yönetici editörlere bir milyon yuan'a kadar yıllık maaş teşvikleri sağlar; kilit çalışanlar için en eksiksiz eğitim sistemini sağlar, Sektör ortalamasından daha yüksek maaşlar ve ikramiyeler.
Xinzhiyuan'a katılın ve dünyayı değiştirmek için yapay zeka endüstrisinin liderleriyle birlikte çalışın.
Xin Zhiyuan Rehberi Yeni yıl yaklaşırken, Xinzhiyuan size bigML web sitesinin 2017 açılış özel makalesini öneriyor.Makale, güvenilir raporlar, ünlü medya raporları ve yatırım, girişimcilik, yetenekler, iş içeriği, rekabet vb. Gibi diğer verileri geleceğe aktarıyor. Makine öğreniminin yıl içindeki gelişme trendi yerinde ve rasyonel tahminlerde bulunulmuştur.Örneğin, birkaç olağanüstü proje dışında, derin öğrenme iş alanında çok başarılı olmayacaktır. VC, belirsiz durumlarda şanslarını denemek için algoritma başlangıç şirketlerine yatırım yapar Analiz ve muhakeme, makine öğrenimi araştırmalarında yeni bir zirveye ulaşması beklenen bir sonraki odak noktasıdır; Makine öğrenimi sistemlerinin kullanımı artmasına rağmen, insanlar karar vermenin merkezinde olmaya devam edecek.
2017'de, makine öğrenimi pazarı için öngörümüz, kara bulutların ardındaki bir güneş ışını.
Daha doğrudan söylemek gerekirse, şirketlerin yapay zeka çılgınlığı hakkında içgörü kazanmaları, bunları uygulama yollarını bulmaları ve bunları kendi iş operasyonlarına dahil etmeleri gerekiyor. Bunun doğru dahili platformu seçerek başlaması gerekir.Doğru platform, şirketlerin daha küçük, daha kolay türetilmiş projeler oluşturmak için kendi özel veri setlerini kullanmalarına yardımcı olabilir. Bu süre zarfında, bu projeler olumlu bir geri bildirim etkisi yaratabilir ve sonuçta sadece karar verme otomasyonunu gerçekleştirmekle kalmaz, aynı zamanda makine öğrenimi ekiplerinin sektörlerini dönüştürmesine yardımcı olabilir.
Şimdiye kadar makine öğreniminin geliştirme yolunu hızlıca gözden geçirelim:
Birincisi, makine öğrenimi birçok sektörde çalışma şeklimizi değiştirmede çok etkili oldu ve sonunda tüm ekonomiye dokunacak.
Ancak 36 yıllık makine öğrenimi ilerlemelerini anlamak, benimsemek ve bunlardan yararlanmak, en iyi uygulamaları bulmak birçok şirket için zorlu bir süreçtir ve şimdiye kadar çok az şirket bu adıma ulaşmıştır.
Birkaç kitap okuyan veya birkaç çevrimiçi kursa katılan birçok sözde "uzman" vardır ve birden bire, sadece ucuz sermaye elde edebildikleri için bir şeyi "değiştirebilecekleri" bir konuma geldiler. . En iyi teknoloji şirketleri, gelecekteki yapay zeka ekonomisine hazırlanmak için mümkün olduğunca çok sayıda deneyimli makine öğrenimi yeteneği topladı. Diğer şirketler sadece acemi yatırımcıların dikkatini çekebilir Mevcut yetenekler, tek boynuzlu at olma hırslarına rağmen yeni mezun olmuş deneyimsiz öğrencilerdir. Yeni algoritmalara dayalı genel amaçlı, uygun fiyatlı ve ölçeklenebilir çözümler, bu şirketlerin hedeflerini gerçekleştirmeyi vaat ediyor.
2017'de tahmin ediyoruz Ekosistem, doğru yaklaşım etrafında birleşmeye başlayacak .
Spesifik tahminlerde bulunmadan önce 2016'nın özel bir yıl olduğunu unutmamalıyız. Dünyanın en değerli beş şirketinin tamamı teknoloji şirketleri, bu tarihte ilk defa . Beş şirketin ortak özellikleri, büyük ölçekli ağ etkileri, son derece veri merkezli bir şirket kültürü ve karmaşık analize dayalı yeni ekonomik katma değerli hizmetlerdir. Makine öğrenimini gelecekteki gelişimleri için bir rehber haline getirme hedeflerini güçlü bir şekilde destekliyorlar. Uber ve Airbnb gibi gelir getiren tek boynuzlu atların artmasıyla birlikte teknoloji şirketlerinin hakimiyeti önümüzdeki birkaç yıl içinde devam edebilir ve bu şirketler küresel ekonominin büyük ölçekli dijitalleşmesinden büyük ölçüde faydalanacaktır.
Bununla birlikte, trilyon dolarlık sorun, geleneksel işletmelerin (yani, zengin veriye sahip teknoloji dışı şirketler ve küçük teknoloji şirketleri) birbirini nasıl dengelediği ve yalnızca hayatta kalmak için değil, aynı zamanda yeni oluşturulan değer zincirinin ayrılmaz bir parçası haline gelmesidir. Önümüzdeki on yıl içinde refah ve gelişme. Artık bu şirketler, basit regresyon modellerini çalıştırmak için modası geçmiş iş istasyonlarına dayanan katı iş zekası sistemlerinden ve geleneksel istatistiksel sistemlerden kurtulamıyor ve birçok gerçek yaşam kullanım durumunun karmaşıklığını yakalayamıyor.
Aynı zamanda, kopyalanması zor, ancak yeterince kullanılmayan çok sayıda özel veri kümesinde oturuyorlar. McKinsey'nin en son araştırma raporu "Analiz Çağı: Veriye Dayalı Dünyada Rekabet", 2011 raporlarında listelenen modern analiz teknolojisi potansiyelinin% 30'undan daha azının gerçekleştirildiğini gösteriyor. Son beş yılda ortaya çıkan yeni teknolojiler getirmiştir. Daha az yeni fırsat var. Sorunları daha da kötüleştirmek için, bu gelişmelerin çeşitli sektörlerdeki dağılımı çok eşitsizdir (ABD sağlık sektörü% 10'a kadar düşük bir paya sahiptir ve akıllı telefon kategorisi% 60'a kadar çıkmaktadır) ve analitik yetenekler her zamankinden daha rekabetçi hale gelmiştir. Yakından alakalı.
Ana akım satıcıların ve araştırma şirketlerinin pazarlama konuşmalarının (örneğin, "bilişsel bilgi işlem", "makine zekası" veya hatta "akıllı makineler") arkasına gizlenmiş olsa bile, makine öğreniminin cini şişeden atıldı. Sorular, işletmeler için sınırsız potansiyele sahip bir kelime dağarcığı haline geldi. Bu, daha geleneksel şirketlerin ve girişimlerin 2017'de makine öğrenimi yolculuğuna başlayacağı anlamına geliyor. Akıllı insanlar başkalarının hatalarından ders çıkarır. Yine de, bazı eski kötü alışkanlıklardan kurtulmak hala zor, bu yüzden çok net olmayan bazı tahminlerle başlayalım ve daha olumlu tahminlerle bitirelim.
Aşağıdakiler bizim tahminlerimizdir:
Tahmin 1: "Büyük veri" önemli değil, makine öğrenimi merkezde
Yakın zamanda "büyük veri" Gartner'ın teknoloji olgunluk eğrisinden kaldırıldı (Gartner Hype Cycle) , Bunu da yansıtıyor. Tüm bunlar, makine öğreniminin ilgi odağı olma sürecini hızlandıracak ve akıllı uygulamalarla doğrudan kullanıcı teması yoluyla bu projelerden kaynaklanan batık maliyetleri kurtaracak.
Tahmin 2: Risk sermayedarları, şanslarını denemek için algoritma girişimlerine yatırım yapıyor
Risk sermayesinin eğitim süreci devam edecek, ancak bu başarısızlıklardan ders almayı gerektiren yavaş bir süreç. Risk sermayesi, kurucunun akademik özgeçmişine odaklanarak, algoritma tabanlı girişimlere yatırım yapmaya devam edecek. Bu, makine öğrenimi ve derin öğrenme ile ilgili kafa karışıklığı, makine öğrenimi algoritmaları ile makine öğrenimi modelleri arasında tam bir kafa karışıklığı veya tahmin yapmak için model eğitimi ile eğitimli modellerin kullanımı arasındaki kafa karışıklığı gibi bazı karışıklıkları beraberinde getirecektir. Yatırım dünyasında hızlı bir başarı noktası arayan yatırımcıların çoğu, belirli bir tarihsel perspektiften ya da disipline ilişkin derinlemesine bir anlayışa sahip değildir. Ancak olumlu tarafta, VC topluluğunun küçük bir alt kümesi, makine öğreniminin sunduğu devasa platform fırsatlarını uyandırıyor gibi görünüyor.
Tahmin 3: Makine öğrenimi yetenek arbitrajı hızlanmaya devam edecek
Medyanın yapay zeka ve makine öğrenimi arayışı tüm gücüyle devam edecek.Roket YZ gibi toplantılarda, genç akademisyenler yukarıda belirtilen yatırımcılar tarafından aranacak ve finanse edilecek. Portföy şirketleri, algoritma düzeyinde rekabet etmekte zorlanacaktır, çünkü bir algoritma çok küçük problemlerde diğerlerinden biraz daha iyi olsa da, pratikte az sayıda algoritma gerçekten genel olarak etkilidir. Çoğu rekabet, yetenekler ve kurumsal geliştirme ekipleri için rekabet etmeye odaklanır , Bu şirketler makine öğrenimi araştırma ve geliştirmesini dahili olarak güçlendirmeyi umuyor. En kötü durumda, edinen kişi net bir analiz prosedüründen geçmeyecek, ancak çılgınca güncel içeriği takip edecek ve yapay zeka / makine öğrenimi dalgasını takip ettikleri yanılsamasını yaratacaktır.
Tahmin 4: Yukarıdan aşağıya makine öğreniminin yazgısı, hayal kırıklığıdır
Tahmin 5: Derin öğrenmenin pek çok ticari başarı öyküsü olmayacak
Tahmin 6: Belirsiz koşullar altında muhakeme ve planlama üzerine araştırmalar makine öğreniminde yeni zirveler getirecek
Elbette makine öğrenimi, yapay zekanın yalnızca küçük bir alt alanıdır. Belirsizlik altında akıl yürütme ve planlama alanında olduğu kadar araştırma alanlarına da artan ilgi, yeni başlayanlardan elde edilen sonuçların uygulanması, öğrenme yeteneğini yalnızca örüntü tanımayı daha iyi anlamakla kalmaz, aynı zamanda yepyeni alanları kapsamak için gerçekten faydalı hale getirir . Şaşırtıcı olmayan bir şekilde, Facebooktan Zuckerberg, yapay zeka / makine öğreniminin şu anki aşamasına ilişkin değerlendirmesinde benzer bir sonuca vardı. Prototip, kişisel asistanı "Jarvis" i yazmak yaklaşık bir yıl sürdü. "Iron Man" serisindeki AI uşağı "Jarvis".
Tahmin 7: Makine öğreniminin daha fazla benimsenmesine rağmen, insanlar karar vermenin merkezinde kalacak
Bazı işletmeler, kanıta dayalı kararlar almak için makine öğrenimini kullanır, ancak İnsanlar karar vermenin merkezinde kalacak . Akıllı uygulamaların bazı erken kullanım durumları, düzenleyici çerçeveler, yenilikçi yönetim yöntemleri, rekabetçi baskılar, son kullanıcı karmaşıklığı ve daha yüksek kaliteli deneyimler için farklı ihtiyaçların yanı sıra belirli değerlerdeki ekonomik motivasyonlar nedeniyle belirli endüstrilerde ortaya çıkacaktır. Çatışma, yeteneğin eşit olmayan bir dağıtım zinciri var. Tekilliklerin gelmekte olduğu ve robotların dünyayı ele geçireceği iddialarına rağmen, soğukkanlı insanlar gerçekten akıllı bir sistem yaratmanın uzun zaman alacağına işaret ediyor. Bu dönemde, şirketler yavaş yavaş modellere ve model tahminlerine güvenmeyi öğrenecekler çünkü algoritmaların aslında birçok görevde insanlardan daha iyi performans gösterdiğini anlayacaklar.
Tahmin 8: Daha pratik ve esnek makine öğrenimi ortaya çıkacak
Daha pratik ve esnek makine öğrenimi yöntemleri bu yıl sessizce ortaya çıkacak. İkna edici kurumsal veriler, "büyük veri" gürültüsünü tamamen atlayacak, bulutta olgun algoritmalarla çözülebilecek tahmin sorunlarını dikkatlice seçecek, Bu algoritmalar, yalnızca uygun sinyal-gürültü oranlarına sahip daha küçük örnek veri kümeleri gerektirir . Yeteneklerine güven sağlandığında, şirketler ürünlerinde daha fazla makine öğrenimi uygulaması devreye alacak ve daha fazla kullanım alanı artıracaktır. Esnek makine öğrenimi Geliştiricilerin artık veri erişimi, karmaşık ve dağıtılması zor araçlar ve diğer konularla kısıtlanmamasına izin vererek, uygulayıcıların yalnızca temel işlemleri iyileştirmeye başlamasına izin vermekle kalmaz, aynı zamanda yeni gelir kaynaklarına yol açabilecek daha yüksek risk ve getiri içeren kullanım durumlarını tahmin etmeye başlasın.
Tahmin 9: MLaaS platformu, geleneksel şirketlerin makine öğrenimini benimsemeleri için "yapay zeka ayağı" olacak
MLaaS platformu, makine öğreniminin çevik gelişimini hızlandırmak için "AI ayağı" olacak. Bu nedenle, MLaaS altyapısı üzerine kurulabilecek yeni uygulamalar nedeniyle ticari makine öğrenimi daha ucuz hale gelecektir. Bulut makine öğrenimi platformu, aşağıdaki alanlarda makine öğreniminin demokratikleşmesini destekleyecektir:
-
Çeşitli veya önde gelen tedarikçi sözleşmelerini ortadan kaldırarak maliyetleri önemli ölçüde azaltın;
-
En etkili algoritma ile paketlenmiş önceden yapılandırılmış bir çerçeve sağlayın;
-
Mimari kurulum ve yönetimin karmaşıklığını son kullanıcılardan çıkarın;
-
REST API ve bağlama yoluyla entegrasyon, iş akışı otomasyonu ve dağıtım seçenekleri sağlayın.
Veri bilimci olsun ya da olmasın, daha fazla geliştirici işlerinde makine öğrenimini kullanacak
Derleme kaynağı: https://blog.bigml.com/2017/01/05/10-offbeat-predictions-for-machine-learning-in-2017/
[AI Unicorn'u Arıyor] Xinzhiyuan, 10 büyük başkentle güçlerini birleştirdi
2017 Girişimcilik Yarışması'nı başlatın
AI Girişimcilik Yarışması, Xinzhiyuan ve 10 ana akım AI girişim sermayesi kuruluşundan oluşur: Blue Run Ventures, Sequoia Capital China Fund, Hillhouse Smart Artificial Intelligence Fund, Blue Lake Capital, Blue Elephant Capital, IDG Capital, Gaorong Capital, CITIC Jiantou Securities, Mingshi Capital ve Songhe Yuanwang Fund tarafından ortaklaşa başlatılan, Xinzhiyuan sponsorluğunda, Pekin Zhongguancun Bilim Parkı Yönetim Komitesi ve Zhongguancun Bilim Parkı Haidian Park Yönetim Komitesi tarafından desteklenen, AI teknoloji liderleri ve yatırım liderlerinin bir araya gelmesidir. Büyük olay. Xinzhiyuan, risk sermayesi kaynaklarıyla geleceğin iddialı AI tek boynuzlu atlarına bağlanmak için güçlü bir fırsat sunuyor ve en iyi risk sermayesi TS sizi bekliyor.
Orijinal metni okumak ve çevrimiçi başvuru formunu doldurmak için makalenin altına tıklayın. Seçime katılmak için kayıt formu gereklidir.
Daha fazla bilgiye sahipseniz (BP, vb.), Xzy100@aiera.com.cn adresine gönderebilirsiniz.Lütfen e-postanın konusuna şirket adını belirtin. Herhangi bir sorunuz varsa, posta kutusuna bir mektup da gönderebilirsiniz.
