無意識のうちに、まず、見落とし参加私はコンピュータビジョンのように、この事をしたいので、単に見落とし、4年間見過ごされます。4年見落とさ多くのことを経験し、彼らが望む多くのことを行って、だけでなく、軽視彼のキャリアの中で最も貴重な年に捧げ、それとはいくつかの良い貢献をした、多くのことを学びました見落とさ。四年には非常に満足して非常に満腹感を感じます。
私は徐々にコンピュータベースの視覚的な深さの研究の発展が大きなボトルネックが発生しているようだことがわかったので、しかし、今年の初めから、危機感がある、アルゴリズムの性能は、ResNet、SSD、3、4年前に存在しているとして、それが困難であり、大きな躍進を持たせることが困難ですなど、画期的なアルゴリズムを持っFasterRCNN、私たちは、いわゆる「錬金術」に分類されているようだと、もっと重要なのは、現在のレベルのアルゴリズムに、それは人々の期待に到達することは困難である、私は視点からプロジェクトのいくつかを経験している、多くのがあります顧客の需要から、アルゴリズムの性能はまだ遠く、そしていくつかさえ、私は今、アルゴリズムの多くを持って（理解しやすい学術研究としての）最終的に排除される技術の真の価値を生み出すことができない、届かなかったことは役に立ちません私はそれが仕事をしていませんか？私は深く多くのプロジェクトに携わっていた後しかし、プロジェクトのいくつかは、状況はそうではないらしいことがわかった理解しています。私は、このようなアルゴリズムを追跡するよう、アルゴリズムは問題に完璧なソリューションにできるはずである、と考えるために使用される間違った軌道は分割できないとすべきではない、誤検出対象の検出アルゴリズムは、0である必要があり、無制限に近づい100％を思い出し、私がいなくても行います人工知能必ずしも強い人工知能の発達という。しかし、私は今、ビューが大幅に変更されました。
：私は、ビューのポイントをある表現したいと思いますまず第一には、人工知能のこの段階では非常に初期の段階にとどまっている、アプリケーションのフィールドは以下のような特徴を持つタスクのために、また、非常に限られている
1。非クリティカルなタスク
2.単純な繰り返しが低いですタスク
今そこにブラシ面の支払いがありますが、基本的には小さいですが、我々は非常に精通している必要があり、顔認識、顔認識CVは、ほとんどがミッションクリティカルで顔認識アプリケーションのこの段階で一つの領域を成熟していないが、支払った金額は、私はメーカーが使用するためにあえて何も大きな値の支払いがあってはならないと思います。そこオートパイロットフィールド、我々は完全に学習の深さに依存することはできません。現在のAI技術は、このような教師、プログラマーなどとして、反復的な低レベルの仕事、仕事の少し高いポイントが現在まだやることはできませんが、簡単な操作を行うことができます。警察の協力と私は、プロジェクトの需要全体で関与していたいくつかの時間前には実際には非常に簡単であるプロジェクトでは、それは我々が使用して、トレースのためのその後の時間を特定の制服を着用していない画像の歩行者を決定し、義務のために彼を判断し、対象となります技術は、実際には、歩行者検知+ +プロパティの歩行者認識を追跡し、また非常に簡単です。最後に、結果は良かった、またこのプロジェクトを獲得し、このタスクは、上記の特性を持っている、タスクは重要なタスクではないが、高い精度を投影し、限り、彼らは主に義務と離れてその上に時間を決定するよう、必要とされていません一方、非常に反復的なタスクをシンプルに、人々はそれを行う場合には、非常に退屈だろう。
今年も多くのプロジェクトに参加し、いくつかのプロジェクトも全面参加している、最大の経験は、人工知能のこの段階があります：
人間の経験+弱い人工知能アルゴリズム。人間の経験はこれです：
シーンやアルゴリズム設計のビジネスロジックとの境界の1特性
特定のシーン2.最適化アルゴリズム。例えば、私は前にブログを書いたSSDは、ハスAIチップHI3516DV300にコードを最適化し、それが遅いアルゴリズムいくつかのシーンを解決することです
私たちは、人間の経験の利点は利点に遊びの弱点を回避することであるアルゴリズムのアルゴリズム、アルゴリズムは完全ではないことを認めなければならない、と機械の利点は、機械のオペレータ強い力という、機械が反復作業を行うには非常に良いです、と簡単な人好きではありません感情的な影響によります。だから、両方の利点を組み合わせてください。
だから、エンジニアの後にコアコンピタンスをアルゴリズム：
1.原則アルゴリズムの深い理解
ビジネスシーンの2の深い理解
両方が不可欠です。
実際には、最近も何であるか最後に、人工知能の会社のために、コアコンピタンスを考えて？おそらく、これらのポイントをまとめました。
- データ
- アルゴリズム
- シーン
- 規範、基準や手続き
データは、公安プロジェクトは上記のような、このプロジェクトのデータは、データの完全治安あり、同社が唯一の本質的なデータを持っていない最も重要なことと認識し、現在人工知能データに大きく依存しているべきですそれは、カスタマイズ開発であり、我々が駐留しているこのプロジェクトの開発は、データは外ではありません。基本的には難しいと電流制限の詳細な研究は、実質的に改善しているために、私は様々なアルゴリズムの間のギャップは唯一の完全なアルゴリズムを理解しているので、私たちがターゲットにすることができ、主にアルゴリズムを理解した上で、大きな問題はないと思います特定のシーンのデザイン、ビジネス・ロジック、ならびに特定のシーンのためのアルゴリズムを最適化します。クライアントのためのアルゴリズムと組み合わせる私の主な気持ちはシーンがあまりにも重要であるということです、私は2020年にシーンはまた、主要なAIの企業に焦点を当てるべきだと思う。今年本当に着陸シナリオを見つける必要があり、そしてこれらのシナリオの深い理解を持っている必要があり、真の価値を提供しています。最後に、私は今年、大きく、強くなりたいチームである、いくつかの経験行うには、管理規範、基準やプロセスがあまりにも重要です！そのようなデータセット、仕様、および開発モデル管理慣行（例えば、使用のgit）、効率的な反復プロセスモデルかどうか、データ・フロー標識効率かどうかなどの管理方法。この局面は、後のブログで詳しく説明します。
強力な人工知能が表示されます最後に、私は予測することはできませんが、私の個人的な見解である：人間の知性のマシンは、単純なものから人々を追求目的、人間に代わるものではありませ人工知能の目的ではないはずですが、人類を支援するためにより高度な作業を行うために、低レベルの作業のリリースを繰り返しました。例えば、私は、人々はすべてのビデオを読む必要はありませんが、マシンを見て、その後、手動ですることができ、監査結果に行く低レベルの仕事外の簡単な繰り返しから人々を解放するためにある公安プロジェクトは、上記の出席しましたA。
こまごまとしたの多くは、私たちが議論を歓迎し、現在の人工知能のいくつかは、いくつかのビューは、単に自分のアイデアだと思うと述べました。
