关于 人工智能 的搜索结果,共782
来自:百度云智学院
DuerOS 应用对话式
注:该文章来源——直播课程《DuerOS 应用对话式语音设备 上面是目前大部分的小度音箱,从无屏音箱(最上层,最早的小度音箱)到新推出的小度音箱版,中间一系列是有屏的,近期还推出了移动的(带电池、带4G模块的)音箱,最下面的一排是大型的音箱,也叫音箱pro系列。 信息的组成 音箱是一个喇叭,是一个输出设备,音箱增加了输入设备,语音的输入设备就是麦克风,交互式设备就是触摸屏touchscream,同时音箱还可通过本地连接线。通过wifi、蓝牙、zigbee等与其他设备连接,通过Internet连接会获得音箱的一系列服务,比如ASR(语音识别)、TTS(语音合成)、NLP等等,通过业务引擎将业务资源和技服务串联起来,最终实现了基于音箱(基于硬件)的一个语音系统。语音在硬件之上是操作系统,音箱的操作系统就是DuerOS,整个小度系列的音箱都是基于DuerOS的。 对话式操作系统---DuerOS 从程序运行看操作系统 从操作系统角度看,可以将DuerOS当做一个分布式的操作系统。对话管理相当于操作系统的调度。有了对话式操作系统就可对
来自:百度云智学院
产品经理之实践篇
产品经理最佳实践 上一篇我们讲到了如何学习成为一个 AI 时代的产品经理,这篇文章,我想结合自己的作,跟你分享一些我在做相关产品时的实践和思考。我们用算法很多但是在这波火起来以前当时的算法不成熟,而且目前的主要作都集中在NLP或图像识别领域,所以难免会有一些局限性,希望大家批判地看这篇文章。 产品与算法的结合粒度要小 产品经理应当把大颗粒的整体性领域算法拆成小颗粒的算法单元,并在此基础上寻找产品化可。这句话的意思是说,我们不给算法团队提出一个很大的领域型需求,然后就坐等算法的突破,产品经理应当更小粒度地看待每个具体算法过程和环节,并评估是否有够被产品化的成果。 比如,我们不要求算法团队交付一个“聊天机器”,这个需求粒度太大了,彻底完成会受制于各种因素,更是一个长期的过程。产品经理应该深入到领域内,比如看到自然语言理解(NLU),甚至看到其中本体库搭建和句子的语法树等等,可部分完成的本体库已经可以包装为一个初级的机交互引导产品。 我们在做某银行的客服机器时,产品经理会尽量避免提出像实现命名实体识别(NER)或实现信息抽取(IE)之类,这样大而
来自:百度云智学院
时代,产品经理的生存指南(1)
随着技术突飞猛进的发展,AI等机器系统应用到越来越多的业务场景,类迎来了全新的时代变革。与此同时,大步跨出传统领域,努力迈进领域,也成为产品经理们所面临的必要选择。 时代,想要成为一名优秀的AI产品经理,该如何学习呢?产品经理需要掌握AI技术吗?AI行业对产品经理又有哪些力需求? 产品设计有章可循吗?产品经理的进阶之路是什么? 本文是《时代,产品经理的生存指南》系列的第一篇,旨在通过三个递进式的问题: “什么是”、“什么是产品“、“什么是产品经理”,为大家讲清楚产品经理到底是什么。 一、什么是 (Artificial Intelligence):缩写为AI,是研究开发用于模拟、延伸和扩展的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括交互机器、自然语言处理、语音识别、语音合成、计算机视觉、知识表示、专家系统等。 的发展,经历了一个漫长而曲折的过程,距今已经有近70年的历史,的发展简史如下图所示: 图1: 发展简史 1950年艾伦·麦
来自:百度云智学院
时代,产品经理的生存指南(2)
从AI技术到商业变现的过程中,一招不慎,很可满盘皆输。在AI时代,一个优秀的产品经理,应该具备哪些力呢?通过对产品生命周期的解读,明确在各个环节中,所需要承担的作职责,同时参考常规产品经理的力模型,我们给出了产品经理的力模型矩阵。 一、产品生命周期模型 产品和常规软件产品,除了产品应用技术和属性特征差异外,在产品的生命周期上,没有任何差异。我们通过引入软件产品的生命周期模型,来定位产品经理的力要求。软件产品生命周期模型如下图所示: 图1:软件产品生命周期模型 通过软件产品的生命周期模型,我们可以看到整个软件产品的生命周期可以划分为五个阶段。软件规划、技术可行性分析、产品研发、市场推广和持续改进。在软件产品的生命周期模型中的每一个阶段,产品经理都需要承担相应职责:在软件规划阶段,产品经理需要基于对业务的理解,通过行业分析,进行产品定位、卖点分析、功策划、开发周期评估和市场效益预估等;在技术可行性分析阶段,产品经理需要进行技术调研,可行性方案设计和评估等;在产品研发阶段,产品经理需要进行需求管理、进度管理和质量管理等;在市场推
来自:百度云智学院
浅谈时代下的产品经理
产品经理最佳实践 目前,还是一个学术密集型以及技术密集型的领域,其中最耀眼的角色当属研究员和程师。这样的背景下,大量的资讯和材料都指向了程师受众。那么,对于产品经理来说,如何在这个领域中调整自己的认知和状态,跟上发展的节奏呢? 今天,就我参加的产品经理课程谈一点个心得,以及我自己学习相关知识的方法和过程,以期达到抛砖引玉的效果,希望给大家带来些许启发。 通过6天的课程可以为一个新时代的产品经理构建一个快速的学习路径。 在如今的科技行业中,的普及已成显著趋势,资本布局初具规模,从业者的梯队也逐渐形成。可以预见的一点是:在接下来相当长的一段时间内,会渗透到整个互联网行业中,成为业界标配。 这种规模的技术变革,很可会改变游戏规则,从而产生大量的新机会。作为互联网从业者,我们应该想办法跟上节奏,不要浪费科技浪潮带来的红利。 相信很多同学在加入百度云学院之前,自己对基本是陌生的,对于机器学习、深度学习之类的概念半生半熟。于是,作为产品经理,我们面临的第一个问题就是:要不要学算法。 第一个问题:AI 时代的产品经理,要
来自:百度App技术
移动深度学习:的深水区
本文作者: 李永会 百度APP 团队长期致力于在移动平台应用技术,近两年得到快速发展,百度 APP 中的 AI 体验也重新定义了很多行业的用户体验,而这仅是开始。 随着5G商用大规模落地,以及手机硬件性越来越强、AIoT设备的快速普及,基于云-边缘-端算法和算力结构的移动端,仍有非常大的发展空间,亟待我们快速理解移动端深度学习的原理,掌握如何将其应用到实际业务中。 一.在移动端应用深度学习技术的业界案例 在互联网行业中,在移动端应用深度学习技术的案例越来越多。从深度学习技术的运行端来看,主要可以分为下面两种。 一种是完全运行在移动端,这种方式的优点显而易见,那就是体验好。在移动端高效运行神经网络,用户使用起来会感觉没有任何加载过程,非常流畅。前面的“拾相”和手机百度中的图像搜索都属于这一流派,还有其他一些比较好的应用,典型的如识别植物花卉的App“识花”。 另一种是在服务器端运行深度学习技术,移动端只负责UI展示。在第一种流派出现之前,绝大部分App都是使用这种在服务器端运算、在移动端展示的方式的。这种方式的优点是实现相对容易,开发成本低。 1.1 植物花卉识别
来自: 百度技术沙龙
百度技术沙龙第 54 期 技术应用
2014 年 9 月 20 日,在由@百度主办、@InfoQ负责策划组织和实施的第 54 期百度技术沙龙活动上,来自百度自然语言处理部的杨程和来自清华大学自动化系控制理论与技术研究所的赵明国,两位讲师分享了各自在及机器学习领域的相关经验。 本次分享的话题分别是“ 计算机围棋 - 蒙特卡洛搜索与统计学习”和“ RoboCup 形组的技术与挑战”。本文将对这两个主题分享做下简单的回顾,同时提供相关资料的下载。 主题一:计算机围棋 - 蒙特卡洛搜索与统计学习(下载讲稿) 计算机博弈在这个领域是一个重要的研究方向,这与围棋的特性息息相关。杨程举例道:比如说 19 路的围棋它有 361 个交叉点,如果我们简单地估计它的组合数的话,应该是大概 361 个节程,这可谓一个天文数字了。所以我们也常说它的空间复杂度是近似无穷大的概念。除了空间无穷大以外,它的状态也没有办法评估。任意地给一个棋盘的状态,有 ABCD 可选的点,我们怎么样知道哪个点是最好的,或者说哪个点的价值高,好有多好,坏有多坏。围棋这块,到现在也没有办法做。这和的某些领域还比较类似,所以我们把这个领域作为试金
来自:AI应用
为什么越来越聪明,从机器学习说起
在上一篇专栏文章中《AI应用 | 2019年企业应用AI四大维度趋势在这里》,我们分析了2019年AI的发展趋势,本篇继续聊聊AI的核心技术——机器学习。 为何越来越聪明? 要说产品,可就想起无驾驶、音箱等。的确,这两个是表现最多、也被大众所熟知的产品。 去年7月,百度第100辆阿波龙无车正式下线,阿波龙的商业化落地也同步展开。从外观看,这辆车是典型的“无驾驶”:没有方向盘、没有驾驶位、也没有油门和刹车踏板。它已经应用在一些园区当接驳车使用。像这类无驾驶车越熟悉场景、执行任务的频率越多,它带来的体验就会越好。 同样,像音箱也是如此。它的应用越来越广,可以陪孩子说话、播放童话和歌曲。对话,播报新闻、天气预报、甚至帮你网上购物、与其他家居互动等。只要你所互动的频率越多,互动的质量越高,音箱就会越聪明,越“懂你”。 为什么这类产品都在交互中不断“成长”?这与的核心“机器学习”离不开。 通常业内把的核心三要素看作是“算法、数据和算力”,而机器学习是“算法”的核心,培养的是机器的认知、推理、思考、判断等力,也就是让机器
来自:区块链
当区块链遇上,会擦出怎样的火花?
众所周知,包含三个核心要素:数据、算力和算法。从这里也可以清晰看出和大数据、云计算的关系,大数据负责数据和算法,云计算提供算力,但和区块链有着怎样的关联?两者的结合又会给彼此带来哪些优势? 目前业界对区块链与的关系,已经有了一个比较一致的共识: 提高了生产力,而区块链改善了生产关系。区块链可以借助对链上数据进行分析、训练、模型化和再利用,同时区块链上的数据则通过分散控制和数据多方共享,保证的安全性和稳定性。 区块链有望破解发展的数据壁垒 的发展和进步,需要大量数据予以支撑,正所谓“巧妇难为无米之炊”,数据之于就像是做饭所需的大米一样。过去,一直受制于没有足够多的数据来验证和训练。如今,互联网应用的深入将们带进大数据时代,数据量已经不再是发展的瓶颈,但数据共享的壁垒却成了新的制约因素。 如今,许多数据都聚集在中心机构手里,比如个消费记录、医疗数据、教育数据、用户行为数据等,这些数据都分属不同的机构所有,却不随意被个或机构支配,数据交换和共享的市场也一直无法形成,这种中心化的大数据带来
来自:AI未来说*青年学术论坛-数据挖掘
李国杰院士:理性认识的“头雁”作用
嗨,大家好。这里是学术报告专栏,读芯术小编不定期挑选并亲自跑会,为大家奉献科技领域最优秀的学术报告,为同学们记录报告干货,并想方设法搞到一手的PPT和现场视频——足够干货,足够新鲜!话不多说,快快看过来,希望这些优秀的青年学者、专家杰青的学术报告 ,让您在业余时间的知识阅读更有价值。 论坛如今浩如烟海,有硬货、有干货的讲座却百里挑一。由中国科学院大学主办,百度公司提供支持,读芯术作为指定合作自媒体的“AI未来说·青年学术论坛”第一期“数据挖掘”专场已于2019年1月19日下午在中科院学术会堂举行。李国杰院士为论坛开启第一课:理性认识的“头雁”作用。 李国杰,中国程院院士,第三世界科学家院士,中国计算机学会名誉理事长,曙光信息产业股份有限公司董事长。 李国杰院士主要从事计算机体系结构、并行算法、、计算机网络、信息技术发展战略等方面的研究,发表科学论文150多篇,合著了4本英文专著。长期从事国家863计划高技术研究,两次担任国家“973 计划”项目首席科学家。近几年来,主持研制成功了曙光1号并行计算机、曙光1000大规模并行机和曙光天演系列计算机,先后获得国家
来自:AI未来说*青年学术论坛-数据挖掘
百度熊辉教授:大数据才管理
嗨,大家好。这里是学术报告专栏,读芯术小编不定期挑选并亲自跑会,为大家奉献科技领域最优秀的学术报告,为同学们记录报告干货,并想方设法搞到一手的PPT和现场视频——足够干货,足够新鲜!话不多说,快快看过来,希望这些优秀的青年学者、专家杰青的学术报告 ,让您在业余时间的知识阅读更有价值。 论坛如今浩如烟海,有硬货、有干货的却百里挑一。由中国科学院大学主办,百度公司提供支持,读芯术作为指定合作自媒体的“AI未来说·青年学术论坛”第一期“数据挖掘”专场已于2019年1月19日下午在中科院学术会堂举行。来自百度的熊辉教授,为大家分享百度在大数据才管理过程中的一些作。 熊辉,长江学者,中国大数据技术大会主席,美国罗格斯新泽西州立大学讲授,ACM杰出科学家,百度商业实验室主任。 熊辉教授主要研究领域涵盖数据挖掘、大数据、。熊辉教授的研究作被Forbes, the Economist,Harvard Business Review,the Wall Street Journal等媒体广泛报道。其中,经济学杂志(the Economist)在2016年专文重点介绍了
来自:百度云智学院
如何搭建一个对话机器
注:该文章来源——《对话机器开发实战》 本篇文章会系统性的介绍对话机器的构成组件,通过本篇文章的阅读,可以让你对对话机器的体系结构有初步认识,了解对话机器回答问题的作原理。 概述 首先我们来看对话机器体系结构的构成,从与机器交互的完整流程角度来给大家做一个系统性的概述。 当通过声音信号把自己表达的内容以声音的方式来传递给机器的时候,机器接收声音的过程涉及到了语音识别技术。 这个语音识别在这个里面其实是一个综合体,它既包括语音采集,也包括把声音信号转成文字信号。 其次,当我们把声音信号转换成文本信号后,要做的一件事情就是语义理解,因为你要让机器理解你,那么首先要让机器知道你说的是什么内容。机器在理解你说内容的过程中,依赖于中文分词、词性标注、实体意图识别、语义分析。那这部分内容就涉及到了语义理解技术。 在机器理解所说的内容后,会把对应的内容交给对话管理平台来进行处理。那么对话管理平台涉及到的内容是什么呢?包括对话状态的跟踪同时也包括对话的策略模型。 对话状态跟踪负责两件事情,第一是负责对对话状态进行跟踪,第二是对“对话活动”进行决策。当完成了对话状
来自:AIOps时代,你准备好了吗?
百度运维程架构
背景:为什么要做运维 百度云运维团队在运维具和平台研发方向历史悠久,支撑了全百度数十万规模的服务器上的运维服务,所提供的服务包括服务管理、资源定位、监控、部署、分布式任务调度等等。最近几年,团队着力于发展化运维力以及AIOps产品化建设。 众所周知,百度除了搜索业务之外,还有很多其他的业务线,有像地图、百科、知道、网盘这样的老牌业务,也有诸如像教育、医疗这样的新兴业务,每个业务在规模上、服务架构上都有很大差异。业务本身对稳定性的要求很高,需要保持99.995%的高可用,同时在业务上云的背景下,虚拟化、混合云等都给我们带来了新的挑战。 百度运维经历了从脚本 具、基础运维平台、开放可定制运维平台到我们现在的运维平台,这样四个阶段的转变。过去运维的核心目标是提升效果,比如持续交付的速度、服务稳定性、运营成本等。经过这么多年的建设,整个运维行业已经非常成熟,而我们所支撑业务规模仍在不断增长,越来越多的运维场景和问题无法用传统方法来解决,而运维效率也难以继续支撑业务规模的快速扩张,所以我们更加关注怎么样解放运维自身的效率,以及解决传统运维方法(、自动化)所解决不了的问
TOP