Re: [問題] 人工智慧 數學or資工

看板PhD作者 (Syameroke)時間6年前 (2018/04/07 13:23), 6年前編輯推噓8(8推 0噓 14→)
留言22則, 10人參與, 6年前最新討論串4/12 (看更多)
我想提出一個新的觀點，那就是未來想要從事人工智慧相關事業的人的不是應該在『數理 』以及『編程』兩者中二選一，而是兩者兼備外加『領域知識』，而我認為主要專業的選 擇在上述任何方向都可以，而困難的在除了主專業之外還必須對另外兩者進行持續的加強 。 各位試想一下最近人工智慧的關鍵突破發生的背景，我想大家都可以接受2012年在ILSVRC 一舉奪冠的AlexNet是引爆關鍵，而我們思考一下它成功的背後關鍵是甚麼? 是演算法嗎? (所謂的數學?) 顯然不是，他使用的演算法在1980年代就已經被提出了。 是編程能力? (所謂的資工?) 部分是，但關鍵是在於對GPU的編程能力以及足夠強大的GPU支持。 如果都不是，那關鍵是甚麼?顯而易見的是關鍵是『數據』，在人工智能領域，我們公認 『演算法』是引擎，而『軟體及硬體』是工廠，『數據』則是石油，而石油才是真正稀缺 的資源。 在ILSVRC之前不是沒有圖像辨識挑戰賽，只是以前數據不足，數據才是這波革命的關鍵。 當你了解到了這一點，你就應該知道掌握數據，我這裡要把『領域知識』的定義稍微擴充 ，你必須把『數據』的產生算成領域知識的一部分，現在要投入此領域的人大多忽視了數 據的重要性。 我希望想要投入這個領域的人必須從數據優先的角度來思考，而這個角度勢必必須先決定 你希望做出什麼樣子的人工智慧。 假設你未來是想進入一般業界(Google等級的當我沒說)，那你要知道現在新創公司/事業 群比的都是數據，很少有公司能『完全使用公開數據』做出自己的核心服務，並且同時確 保自己的競爭優勢，就連Google、Amazon的核心競爭優勢也是依靠自己累積的數據。 舉例來說你想做智慧醫療，我認為先把自己搞進醫院比什麼都重要。 而如果你還沒決定，只覺得人工智慧很潮想要投入，那我認為也是選擇資工相關科系而不 是數學相關科系，至少有許多資料的蒐集需要的是編程能力而非數理能力。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 219.85.128.60 ※ 文章網址: https://www.ptt.cc/bbs/PhD/M.1523078588.A.4FD.html
→
04/07 16:53, 6年前 , 1F
數據我沒想過 之前練習時是拿網路上找的到的
04/07 16:53, 1F
→
04/07 16:54, 6年前 , 2F
不過要贏別人就是要有別人沒有的數據滿有道理
04/07 16:54, 2F
→
04/07 16:55, 6年前 , 3F
感謝回復
04/07 16:55, 3F
推
04/07 21:48, 6年前 , 4F
同一個MODEL 用GOOGLE的內部dataset train就低imagenet
04/07 21:48, 4F
→
04/07 21:48, 6年前 , 5F
幾個點
04/07 21:48, 5F
這說明了資料品質的重要性。事實上我的經驗告訴我預測準確度80%來自資料，20%來自演 算法。 再補充幾點為什麼業界更希望掌握資料而非演算法： 1. 演算法概念非常容易被抄，對台灣小公司而言一個核心研發人員被挖直接帶走，而資 料相對不容易帶走，也有法律保障。 2. 資料的累積是先行者的優勢，後繼者難以追上前者累積的資料，且隨著用戶越來越多 搜集速率也會有明顯區別。
推
04/07 22:05, 6年前 , 6F
同意此觀點。有些人預測未來中國的AI發展可能會比美國
04/07 22:05, 6F
→
04/07 22:06, 6年前 , 7F
更先進，最主要的推論理由來自於中國13億人產生的data
04/07 22:06, 7F
→
04/07 22:08, 6年前 , 8F
很可觀，以那樣規模的big data做基礎，AI發展將更快速
04/07 22:08, 8F
→
04/07 23:01, 6年前 , 9F
數據可靠度呢?
04/07 23:01, 9F
數據可靠度很大一部分也取決於領域知識，你的搜集方式是否存在潛在bias直接影響到資 料品質，而這需要的絕非數學、編程等能力。 我特別想強調的就是大家往往更重視演算法而忘了資料的重要性，imagenet的初期完全找 不到資金就是因為大家覺得這研究沒什麼價值（看起來就像標註資料而已），但事實證明 他才是推動進步的核心關鍵。 ※ 編輯: ching0629 (219.85.128.60), 04/08/2018 09:05:46
推
04/08 09:48, 6年前 , 10F
是cea領域啊XD data 因為中國data相對好取得....
04/08 09:48, 10F
→
04/08 09:48, 6年前 , 11F
CE領域才是 本來就是硬體在推動的
04/08 09:48, 11F
→
04/08 09:49, 6年前 , 12F
AI BIG DATA IOT 這三樣 如果能參透 都是一件事
04/08 09:49, 12F
→
04/08 12:05, 6年前 , 13F
把自己搞進醫院很簡單啊
04/08 12:05, 13F
推
04/08 12:11, 6年前 , 14F
imagenet 根據李飛飛自己說法 她也是邊做邊出這個
04/08 12:11, 14F
→
04/08 12:12, 6年前 , 15F
想法 去收集 label
04/08 12:12, 15F
→
04/08 12:12, 6年前 , 16F
我們常開玩笑 最後都是拼體力 還是當運動員好了
04/08 12:12, 16F
→
04/08 12:16, 6年前 , 17F
A G兩公司最近一直把一堆東西放低價請大家用
04/08 12:16, 17F
→
04/08 12:16, 6年前 , 18F
請多仔細看那個條例 就是為了XXX
04/08 12:16, 18F
推
04/08 17:00, 6年前 , 19F
推 重要的觀點
04/08 17:00, 19F
推
04/09 09:52, 6年前 , 20F
此文點出重點
04/09 09:52, 20F
推
04/15 01:01, 6年前 , 21F
推
04/15 01:01, 21F
推
04/16 22:40, 6年前 , 22F
類似imagenet的資料不公開 一堆影像辨識的都只能吃土啊...
04/16 22:40, 22F
‣ 更多 ching0629 的文章
文章代碼(AID): #1Qo5MyJz (PhD)
討論串 (同標題文章)
完整討論串 (本文為第 4 之 12 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共12篇)
‣ 更多 ching0629 的文章
文章代碼(AID): #1Qo5MyJz (PhD)