关于 AI应用 的搜索结果,共1657
来自:云平台技术和产品探讨
AI丨智能诊疗,医师的得力助手
感冒、发烧也需要排长队,在医院,你是否经常会遇到这样伤不起的瞬间?可以说,医疗资源和医疗需求的不平衡一直都是令人头疼的问题。不过,借助人工智能的力量,这样的情况正逐步得到改善,随着智能诊疗的落地,人工智能将成为医生的辅助,让医生更加轻松高效地治病救人。 何谓智能诊疗?就是将人工智能到医学诊疗中,让机器“学习”专家级医师的医疗经验和医学文献知识,模拟诊疗时的思维逻辑,并在实际时给出方案。现在,智能诊疗的概念进一步扩大,一些诊疗时的准备工作也可由机器承担,进一步减轻医生的压力。 那么,智能诊疗在实际场景中该如何落地呢? 基层医疗:智能诊疗的绝佳之地 有些人听到智能诊疗可能会觉得非常“高大上”,会将其与名医名院联系起来。 但实际上,真正需要智能诊疗的医疗卫生机构在基层,因为基层医院或卫生所的医生资质不足,设备落后,诊疗水平较低,而面对的却是最广泛的居民群体,需要承担大量常见病、多发病、慢性病病人的治疗,因此更需要提高诊疗水平和效率的工具。 再加上医疗资源分配不均的矛盾由来已久,大医院对人才的吸纳一时也难以解决。为此,国家提出了分级诊疗制度,“基层首诊、双向转诊、急慢分治、上下联
来自:AI应用
2019年企业AI四大维度趋势在这里
AI的第三次浪潮正在以超乎想象的速度发展,短短两年间,技术不断进化、遍地开花。当前,AI正从企业单个业务场景试到复制推广到更多部门,从先行者的小范围探索到行业企业全面入局,从语音控制、人脸识别、OCR等单点到将机器学习在各种细分领域。 在这种局面下,未来几年,AI将发生什么样的变化?百度云结合市场情况,深度为您解读。 首先,来听听研究机构的判断。 根据IDC预计,在未来1-3年内,人工智能将渗入到企业的各项程序和业务场景,并将为组织的人力结构、业务流程甚至所在的产业结构带来变革。IDC预计到2022年,中国人工智能市场规模将达到98.4亿美金。 中国人工智能市场规模预测,2017-2022(百万美元) 来源: IDC, 2018 从上图表可以看出,未来AI的市场将是现在的8倍之多,必然是下一代技术的引擎。因此,正视AI的意义和价值,并逐步拥抱AI已经成为企业、行业的必要功课,这其中,把握市场趋势尤为关键。 同时,在IDC和百度AI产业研究中心共同发布的《百度大脑领导力白皮书》中认为,AI在2019年有十大发展趋势。简单来说,这十大趋势可以总结为四个维度
来自:AI应用
评估企业AI能效,从这几方面入手
前几期本专栏一直在谈AI的技术,从这期开始,我们聊一聊AI走向行业。不过,在这之前,我们先要问一下,如何评估AI为企业带来的效果?如果不搞清楚这个问题,盲目AI,就会适得其反。 近年来,随着大数据、高性能计算和深度学习技术的快速发展,AI技术迎来了第三次发展浪潮,与更多领域的融合不断深入,迸发出了一系列的新技术、新模式、新业态。与此同时,市场对AI技术的投入与期望值高涨,一些头脑发热的企业往往会为了,对于AI为企业带来的实际价值并不清晰。于是,如何构建科学的AI效能评估体系,客观准确地评价AI技术为企业带来的价值就显得尤为重要。 对企业而言,AI的价值无非降本增效。但具体降低了多少成本?增加了多少效益?对于不同体量、不同行业、不同发展阶段的企业来说很难量化成一个统一的评估模型。考虑到AI在企业不同的职能部门发挥的价值也不尽相同,目前主流的评测方法是将与AI相关的职能部门分为四类,即:产品服务、生产、运营和决策。 接下来,我们就逐步分析这四大部门AI之后产生的效果。 ➤ 产品服务:覆盖交互全流程 对于涉及产品服务的部门,AI技术最多在与客户的交互上,能够覆盖售前-售中
来自: Apache Doris (incubating)
Apache Doris小米的
小米广告平台服务于MIUI系统之中各个产品线,包括浏览器,Feed信息流,视频流媒体。平台致力于为每个广告主提供高效、实时的统计分析。自2018年接入Doris以来,Doris以其卓越的性能和易性得到了小米广告团的一致认可。 背景及需求 小米广告业务,从流量方看,主要在小米的各个生态产品中进行包括投屏、横幅、锁屏画报、视频广告等形式的广告展示。从广告主的角度来说,需要监测广告的定向投放效果,比如按地域、设备、时间、人群等等,并且需要根据投放的效果进行定制化的策略调整。这些使需求,映射到OLAP场景,就是转化为不同的维度和指标,进行各种多维分析。 小米广告服务平台作为公司统一的内部平台,每天需要接收超过2TB的数据,每秒产生超过50K的事件。 Why Doris 支持星型模型(Star Schema),方便户建模。 兼容Mysql协议,无缝适配各类BI系统,迁移学习成本低 支持窗口函数,UDF。 运维部署简单,支持滚动升级。 支持物化视图(Materialized View),平衡了效率和存储空间。 支持online schema change,适合业务的变更。 主要场景 广告数据从时效上可分为两类,批量和实时。批量数据存储在HDFS中,通过Doris提供的Broker Load功能进入Doris中,进行分析,数据延迟维持在分钟级别。 实时的数据,如CTR相关数据,则由Kafka经Streaming Load进入Doris,为广告主提供实时分析。为广告效果的评估、广告预算的分配提供实时性指导。
来自:百度云智学院
DuerOS 对话式人工智能
话式操作系统上完全一些。 智能语音 首先对比智能语音与手机上的APP的区别: 对于手机APP设备端就是手机,操作系统是安卓,具体的服务是APK。对于对话式AI系统而言它的设备可能是音箱,操作系统是DuerOS,称为技能,技能服务对着安卓的APP。 智能语音的过程: 基于对话式操作系统可通过自然语言(也即我们的问话)与设备通信,设备能理解我们的通话,同时完成一系列的服务,这就是智能语音服务或智能语音。也就是说从户的角度来看,智能语音服务相当于一个个具体的;从开发这角度来看,每个服务相当于一个机器人。 技能开发平台 我们将SDK当做一个开放平台,对于对话式AI操作系统DuerOS而言,它的SDK或者是API或者系统调是什么呢?就是我们谈到的技能开放平台dbp,他就相当于我们的SDK。 DuerOS Bot Platform Dbp提供了两个能力:一个是API,另一个能力就是各种开放的工具,也就是技能开放平台相当于一套API加上一套辅助工具。 下面是一套具体的技能语言服务流程 户说话,音箱获取户的音频流,存储到DuerOS平台,DuerOS的核心服务会把
来自: Apache Doris (incubating)
Apache Doris在微博平台的
分享者:马骎 微博平台研发部资深系统研发 前言 微博的工程业务团队是来自微博平台研发的feed组,微博平台的关注流和转评赞互动都来自工程业务团队的技术支持。 基于对业务数据关注的希望,微博从17年初开始做数据方面的建设。目前系统已经了Kafka、HDFS、Spark等,同时,Doris也在其中起到了重要的作。 1.背景介绍 微博团队在2018年1月开始调研Doris,进行功能、性能方面的评估;2019年初正式引入生产环境。微博目前总共部署两个Doris集群,部署规模在40+节点。上图展示了Doris在微博部署的具体规模,可以看到服务器除了磁盘容量上的差别外,配置基本同构。 部署方法上,微博团队采Docker容器的方式部署Doris,同时也给Doris建立了服务池,保持其他业务运维管理的一致。 Doris目前在微博主要承接了阅读互动相关方面的数据支持的需求,单天写入规模大致维持在4~5亿条这个量级。 2.Doris场景 Doris在微博的场景主要分为3类。 首先存储微博阅读数等历史数据。微博上实时展示的阅读数据,经常面临来自不同媒体的质疑。为消除质疑,需按分钟存储各条微
来自:百度云智学院
区块链发展现状与
注:该文章来源——直播课程《区块链发展现状及》 区块链是什么? 区块链本质是一种开源分布式账本,它是比特币和其他虚拟货币的核心技术,能高效记录买卖双方的交易,并保证这些记录是可查证且永久保存的。同时,区块链本身具有去中心化、去中介化、信息透明、无法篡改和安全等特点。 观测下面两张图,左边是传统中心化账本,右边是区块链分布式账本。直观上看,传统中心化账本是以中心为节点,向四周扩散,而区块链是p2p的网络,它的每个节点均相连。单从这两图来理解有些困难,下面我们举个例子来说明区块链与传统中心化账本的区别。 传统中心化账本 区块链分布式账本 这就是中心化的弊端,总结起来主要有以下四点:: 但中心化账本村长一些小问题:之前的例子,村民开始存在以下顾虑:1)随着时间流逝,村长老了,糊涂了,把账本弄丢了;2)村长想谋取私利,开始收手续费;3)村长挪了钱,当村民要取的时候没钱给村民;4)村长把村民信息给卖了,信息泄露;5)村长找不到了,钱取不了。村长存钱问题:在以前的一个村庄里,村民把钱存到村长那里,村长有个小账本,村长将每个村民的存钱金额记录在上面。当村民想取钱时,就去找村长,村长就拿出他的
来自:云平台技术和产品探讨
AI丨“阅片”慢怎么破?医学影像呼唤人工智能入局
中医诊断,讲究望闻问切,其中“望”首当其冲。作为诊断的第一步,医生对病人的神、色、形、态、舌象等进行观察,初步大致判断病变情况。 事实上,现代医学在诊断方法上有着异曲同工之妙,只不过“望”的手段更数据化,“望”的结果也更精准。借助高科技成像设备,医生不仅可以观察体表,还能观察脏器、颅内等部位,像平时大家熟悉的CT、核磁共振等都属于医学影像的范畴。而随着智能化升级向各行业的渗透,医疗影像借助人工智能的力量能否更上一层楼呢? 医学影像正遭遇哪些挑战? 在讨论人工智能技术如何于医学影像之前,先要了解医学影像在无人工智能条件下难以解决的三大挑战。 第一,医疗数据增长快与医师数量缺乏。据南京医科大学的研究,我国医疗数据的年增长率约为30%,而医疗数据中绝大多数来自于医学影像,考虑到人口老龄化等社会问题,这一数字仍有上升的趋势。这意味着,未来需要更多的放射科医生“照片”与“阅片”来分析医学影像数据,但我国仅有8万多名放射科医师,年增长率约4%,且医师从业需要较长时间的培训和学习,供需关系的不平衡急需改善。 第二,人工分析的限制性因素显而易见。面对爆炸式增长的医学影像数据,如果仅靠人工,阅片的
TOP