关于 灰色词外推发帖专业技术q扣735894904荆州市小米AI中央 的搜索结果,共1189
j****2 2018-07-10
百度大脑开放日来袭 24种全新AI能力呈现
在现场,喻友平介绍到,目前已有4款新品正式上架AI场。 在AI能力广度、速度、精度不断提升的基础下,百度大脑充分利用自己在AI领域内的成功经验不断雕琢着自身的核心,开始在产界呈现“乘法效应”展现出产智能化“头雁”的速度。 AI落地的乘法效应 AI展,最终还是要落实到我们的生活。在我们触手可及的各个角落都有百度大脑加持的智能产品。首期开放日着重介绍了近期开者询问较多的政、物流、教育三个领域的落地案例。
x****7 2018-07-10
行进阶 传统企AI转型差的可能只是一个百度EasyDL
许多企主都迫切希望能将人脸、语音、图像等AI快速应用起来,扩大竞争优势,但往往却苦于无从下手。 传统企落地AI,普遍存在三大痛点: 1)通用的AI无法满足企的个性化需求。与企务深度结合的AI应用需求,往往需要结合所在领域很强的知识,通用AI无法满足,例如,目前出的通用物体和场景识别的API无法满足大量个性化的需求:家装企想识别装修图库的细分家居风格、房间布局分类等,物公司想通过摄像头识别区垃圾桶是否已满,施工单位想通过图像识别工地上的工人有没有穿工服、戴安全帽等,这些场景需求是常见的务场景,但是企很难找到现成可用的AI,往往需要自己做定制化的研。 2)AI自研及运维成本高昂。自己研AI会面临多道难关,首先是AI人才关,国内AI人才池有限,据人民日报的报道,我国人工智能的人才缺口超过500万,供求比例仅为1:10。AI人才的年薪动辄数十万,除非有庞大的务场景,否则,一般体量的企难以组建独立的AI团队。其次是基础设施关,AI运维需要的服务器、GPU,在财务上也是不可承受之重。 3)开周期过于漫长。
无****禾 2018-07-11
云客户需求引导管理--实战型IT太极拳
我就劝客户工程师,网卡改QoS不难,但宿主机网卡才10G,你们是愿意一台物理机只跑两台虚拟机,还是愿意停机扩容物理网卡。客户工程师认同让最终用户学采用LB加多台虚拟机,比改QoS和停机加网卡更可靠。但最终用户宁愿纠缠客户人员也懒得学如何用LB,我给支招说我们的操作人日免费送,但硬件改造成本有20万,问这用户只是想试试还是改完网卡就能付费。最后该用户果然只是想试试,我们和客户部门都躲过一场折腾。 案例2.有个IDC新上线一套售型私有云,运营负责人第一次操盘公有云心里痒痒,总是提需求但总被我拒绝。他想开放注册并给新用户大量赠额,而我跟他聊运营数据,让他同意赠送用户并不能带来多大收益。他说在主机和网络性能测试没友商好,我跟他说明权威测试方法和意义,让他相信友商性能比他好就是作弊或者烧钱。他想不同客户不同产品给不同折,我们研人员半年内没这个排期;我们已经有充分的信任,我就直接告诉他我做不过来,给用户充值后赠送同样可以达到折效果;给云资源做独立折我们要收开费用,而且这不是强需求。
追****圣 2018-07-11
给书记省长讲清楚云计算
第二类是创云厂商,他们一般是靠优势和服务态度从大型云企手里抢单子。地方政企和这类企合作时有很强的议价能力,注意不要盲目倾向优先的创云厂商,而是选择服务态度和执行能力好的创云厂商。地方政企很难确切搞懂厂商的有哪些优势,而项目的进落地都是要靠云厂商来执行的。 第三类是企云厂商,这类厂商是被广阔的场吸引过来的,也有兼顾国分部的客户。这类厂商在国内展都不太顺,和他们沟通主要看他们有什么合作诚意,是否穷极思变。 最后一类是系统集成企,这类厂商已经服务地方政企几十年了。他们最大的优点和缺点都是为服务政府和国企为生,他们可以买搭建出云平台,但他们建好云平台的目的是再卖给本地政府和国企。这类企需要完成从供应商到合作方的转变。 云计算不是万能药,它无法解决哪些问题。 在地方政企看来,云计算只是一种商形式,不能对它报以不切实际的期望值。 云计算行不需要大量雇佣本地劳动力,无法解决大批就问题;云计算核心员工会呆在一线城远程操控,很难将云计算人才引进到当地。
1****6 2018-07-10
反向图灵测试——如何识别这是不是AI
翻译软件出现有几十年了,常用的单和短语BTW/WTF/OMG用大库即可,用户大脑会做二次语意加工。谷歌2016年9月底才宣布在谷歌翻译采用AI,在此之前的谷歌翻译同样是可用的啊。翻译和文字搜索是异曲同工的,但以图搜图是真AI。 各种广告、APP、资讯的智能荐依赖的就是用户长期画像和短期意图,具体标签和统计方法是商机密;我很难评估这机密是AI还是大数据,但这些几年前就已经成熟落地,所以我倾向于是大数据。有些智能荐根本就不智能,男人就美女和猎奇广告,挤地铁用IPhone的女顾客就轻奢化妆品,洞察人性的广告不需要搞数学和计算机。 一些深刻洞察人性的玩家也会用AI做诸如星座算命、验证心理有几座断背山、荐股票彩票一类的服务,其实就是消磨时光涨点粉丝。我在前一篇AI科普文章已经说过了,深度学习的结果必须要人做验证,人脸和鉴黄可以找人验证,但股票预测没人有能力验证。真懂股票IT又好的人早去做量化交易了,赚到钱买粉不比编故事吸粉更痛快? 还有一些创意纯粹就是蹭热点做逼格塑造,连造假的成本都没有。
1****2 2018-07-09
百度安全:AI 是系统工程 需要真正开放的安全护航
而将AI 用在黑客手里,就可能造成“永恒之蓝”那样席卷全球的灾难。 然而,AI 是一个大的生态系统,它的安全也是复杂的多层面的。任何一个企都无 力涵盖所有。这也正是OASES 联盟的价值所在。它希望针对AI 安全能够动整个产 链的力量,联合终端厂商、安全厂商和研究机构,通过生态开放、联合的力量,保护 各种智能设备的安全,最大化避免AI 生态出现安全和隐私的灾难。据悉,百度安全已 经将上述的云管端安全方案对联盟内开放。 作为一个型的生态联盟,它跟以往联盟最大的不同之处就在于实现了真正的开 放,不仅是提供单方向的服务,而且是核心基础开源,利共享。这就打消了产 链上的顾虑,有效地动了核心落地,动联盟之间的合作。 AI 时代,百度安全寄希望于行联合和创新,让安全的天秤向防御的一方倾斜 一点,再倾斜一点。
w****t 2018-07-10
AIOps的四大金刚
一方面,他们会与运维工程师紧密配合,对务问题进行深度分析,理解务的特点。另一方面,他们与平台研工程师、AI工程师相配合,基于AIOps解决方案的策略和框架,进行定制化开,使其适合自身务线的特征。 总结 本文介绍了运维工程师、运维AI工程师、平台研工程师、运维研工程师四种角在自动化运维时代和AIOps智能化运维时代,其职责和能的拓展和变化。AIOps为运维展带来了更多的机遇,对于每个参与到AIOps实施的个人或团队也是如此。四种角既有攻,同时又紧密协作,共同将AI能力引入为运维赋能。那么,你的选择是什么呢?
1****9 2018-07-11
【强势出击】第二期百度大脑体验师来袭
4月25日,百度大脑开放日第二期正式开启 与第一期有所不同,第二期百度大脑开放日,介绍了多种通用 AI新 能力;除此之,还出了两个新的定制训练平台-帮助开者更简单高效地训练出满足细分场景的务模型。 无论你是资深AI者,还是AI初体验者,加入“百度大脑新品体验师计划” 分享改进建议、使用巧/攻略或者有价值有意思的案例,与我们一起动百度大脑进化,帮助他人一起成长,探索AI前沿应用。 我们将评选出“最佳”的内容和开者,布获奖公告、颁百度大脑定制礼品、现金礼品卡等多重奖励! 【征集内容及要求】 产品改进建议或者您对百度大脑AI的新需求:描述清晰、字数不限 使用巧 攻略:接入流程清晰具体、可读性可参考性强,不少于500字 有价值有意思的案例:场景、应用价值明确、图文结合,不少于500字 【参与方式】 在百度AI社区“经验交流”版块:http://ai.baidu.com/forum/topic/add?
y****n 2018-07-09
Apollo 自动驾驶感知分享
感知是什么? 感知属于自动驾驶核心,我们可以将汽车上的感知与人类感官进行一个类比:人有感知,通过感官器官获取界信息,传达感知功能区,把形象化的东西抽象成概念性或者更高层的语义,供我们思维记忆、学习、思考或者决策,让我们运动控制功能区,让我们身体对界进行反馈。无人车类似这样的结构,这是强相关的东西,我们无人车也是一样。 下图所示这辆车是 2016 年 12 月乌镇演示车队的其一台,它有传感器、雷达、摄像头,这是覆盖比较全面的设置,包括视觉、触觉、嗅觉等信息。它需要大脑处理,大脑是无人车里的感知功能模块。 由于感知范围是广泛的,它依赖于人工驾驶或者自动驾驶需要的环境匹配,工况复杂度越高,感知复杂度越高。自动驾驶不同级别里,感知的复杂度也不同。Apollo 目前开放的定位是 Level3 或者 Level4,感知、决策、控制是三位一体的过程。 感知与传感器系统紧密结合,获取部环境信息,比如有没有障碍物,障碍物的距离、速度等,把数据交给感知处理模块,我们会收集信息,构成人开车时理解的环境。
x****3 2018-07-10
零基础认识深度学习——猿人的第一次直立行走
我们只有从心里把AI请下神坛,才能把它当做顺手的工具去用。AI很深理论很晦涩,主要是这个行刚刚芽还未分层,就像20年前IT工程师需要全面掌握能,现在的朋友们连字符集都不用关注。 二、关联度模型 深度学习有两步工作,先要训练生成模型,然后使用模型去测当前的任务。 比如说我用100万张图片标记好这是猫还是狗,AI把图片内各个片段的特征提取出来,生成一个猫狗识别模型。然后我们再给这个模型套上接口做成猫狗检测程序,每给这个程序一张照片它就能告诉你有多大几率是猫多大几率是狗。 这个识别模型是整个程序最关键的部分,可以模糊的认为它就是一个密封黑盒的识别函数。以前我们写程序都是做if-then-else因果判断,但图像特征没有因果关系只看关联度,过去的工作经验反而成了新的认知障碍,还不如就将其当做黑盒直接拿来用。 接下来我放一个模型训练和测的实验步骤截图,向大家说明两个问题: 1.需要用客户的现场数据做训练才能出模型,训练模型不是软件包堆人日就行,很难直接承诺模型训练结果。
c****i 2018-07-11
付费拨云见日--云咨询可行性分析
不同的需求描述、不同的统计口径能得到完全不同的TCO,这时候需要立、不相干的IT咨询工作。 没有云计算的时候,这些不懂IT的公司根本不会上IT项目,他们用传统经营足以生存展。现在IT项目的实施门槛被云厂商降低,未来愿景被云厂商抬高,友商搞IT化自己也只能被迫跟进,但IT决策人的环节是缺失的。 2.云咨询的客户价值 在企IT服务场里,厂商如狼似虎,客户是肥羊不是猎人,肥羊无法坐山观虎斗。 简单让云厂商拼价格拼服务,短期内会是劣币驱逐良币,无论是低价标还是画饼营销,最终坑的都是客户。 长期看即使口碑最好的云厂商,配备最优秀的销售服务团队,厂商也不可能以客户的利益为优先,他们关注的是执行过程,而不是决策过程。 随着IT行展变化,非IT企根本招不到、留不住合适的IT决策人(参见踏云落地--谈IT就趋势)。IT决策人是在大部分公司里是唯一的IT内行,行不尊重内行“闲着的价值”,那内行就要让行“跟着忙起来”,所以他要保障自己的利益就必须把IT项目做大、预算做多,而且绝对不能粘上风险责任。
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
Q新开的基础设施服务有问题,能立马回滚吗? Q可以做虚拟化资源限制基础设施不占用过多的机器资源吗? Q如何先部署批量机器,确认无误之后,再做全集群部署?简而言之,布。 Q新到位10000机器,如何高效部署最新的基础设施?使集群所有机器环境同质化? 管窥豹,我们可以现如果在私有云或者混合云场景还是通过人肉运维的方式管理,那么管理效率将会十分低下,并且其重复繁杂的操作,难以保证云环境的稳定性和安全性。急人之所急,需人之所需。百度云的工程师们便展开了一场头脑风暴...... 原始太初 私有云存在大规模的机器集群,集群一片空虚混沌,渊面黑暗,仅有字节流在其间穿梭。为有效地管控体量庞大的集群,合理分配资源,降低运维成本,保障云上服务穿越狂风暴雨,工程师们意识到:“必须要有一个优秀系统来管控这混沌的集群世界!” 第一天 工程师们说:”这个系统要代表操作系统的意志!占用资源少!对部系统零依赖!装机自带!要能自升级和自保活!“。
TOP