版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/pickers/article/details/79618555
今天有幸参加了一场来自某歌公司（我特么做梦都想进的顶级公司）人工智能小组的一个人来给我们科普关于人工智能的相关技术，这个不用想的，肯定是力推他们自己家的TensorFlow框架的，说这个框架在内部用的也有很多，然后也有近百人在维护这个框架，，，他们谈论了关于人工智能的一些事情，比如说
AlphaGo狗和
AlphaGo zero，这个zero要比第一版强上太多的，因为它使用了DeepLearning技术，而DeepLearning其实说代表框架就是Google一直弄得TensorFlow，一些其他公司也推出了类似的platform，比如说amazon和facebook，百度等等都在弄这个东西。都想有自己的一个platform，，，也探讨了现在关于DeepLearning的一些使用场景，现在Google内部已经大都数项目都使用了人工智能，但是人工智能并做不了所有的事情，基本上都是%90的嵌入式或者服务器相关的东西+%10的AI，，，一般比如说amazon的echo，其实说ai部分占得比重比较多，但也就仅限于设备采集语音并上传到服务器，服务器端采用了ai技术对其做处理，好像是一个设么pipeline的流程，，，而且还说到了现在的ai其实还很不成熟，离真正的有自己的思想还有很久的路要走，比如说现在的ai基本上就是给你很多数据训练集，然后你根据数据来学习的一个过程，基本上不会创新，只不过是对一个学习的总结过程，比如说google有个项目，就是说机器人可以自己打字，其实说这个基本上就是给这个机器人学习很多paper，然后他能猜测到接下来的数据，然后你外界看的话感觉就好像很流畅一样，但其实也是有错误概率的，，，还有个啥那个可以让电脑写代码的东西，好像也有在做的，不过目前并不能真的完全自己创造一个代码，可能说只是进行一些检测，比如说溢出和被除数不能为0等等，这些只是人为控制的，机器还不能够自己创造，，，然后还有说道之前特斯拉汽车发生的一次车祸，好像说是一款自动驾驶的特斯拉汽车全速的撞上了一个卡车，这个官方是有解释的，反光，是的，经过技术人员分析事故时的数据发现，当时太阳照着卡车的旁边造成强烈反射光，然后特斯拉车以为他旁边什么也没有，产生了误判，然后就全速撞了过去，，，有这么个5%的说法，这个好像是一个很牛的Stanford的一个教授得到的一个结论，就是说让人来识别一张图片都会有5%的错误率，所以说基本上如果说这个modul错误率控制在5%之下，基本就能商用了，现在ai市场上炒的这么火，所实话还是得感谢google，google将它研究的一些框架和一些app全部开源，基本你都能在官网上下载到，据说理念就是，人工智能是每个人都需要关注的，每个人都应该有机会去了解和学习它，我感觉这个很好的，但是说实话他也不怕，你有了源码又怎么样，有没有硬件和数据去train这个模型，那基本还是没什么效果的，其实说ai这个东西可能说本身就是个玄学，这个东西可能说你无意间调整个参数权重比，哎，效果很好，那就很赚了，不同的场景可能需要不同的模型，你需要一个一个去试，去调整参数，去给数据训练他，看看最后效果，不行再换，这种感觉就是靠碰和经验，还有就是设备，就比如说他之前搞这个模型的时候，就是测试一个模型，用了100个cpu集群训练了一天，我的哥，这要不是在google，小公司哪有这条件，当然还有gpu，并且google正在研制的TPU，现在硬件确实越来越好了，然后代码越来越开源了，训练数据越来越容易得到了，说句不好听的，真的有可能某个小孩学了点python，然后搞个模型训练下，调整各权重比，然后，哎，突然发现识别精度出奇的高，这也是有可能的哈。
哦对，还说了去年很火的一个那个啥，对抗式训练集，好像就是说有两个模型，然后可以互相训练然后产生数据，然后通过产生的数据再继续训练，这样的话就可以解决没有数据的问题了，额，具体我也没听懂，反正大概就是这么个东西。
好像就这些，其他的也忘了，一些专业术语啥的，我当时也没带笔记本，差点就特么的听睡着了。