七分之一在线评论都有假

这篇文章将盘点 AI 十年来取得的重要突破。

卷积

2012 年是深度学习历史上重要的一年。那一年，卷积神经网络（CNN）在著名的 ImageNet 挑战赛中大放异彩。由 Alex Krizhevsky 等人设计的卷积神经网络「Alexnet」以远超第二名的成绩夺冠，在 ImageNet 数据集上的视觉识别错误率为 15.3%，降低了一半。该神经网络对猫的检测准确度达到了 74.8%，在 YouTube 视频中检测人脸的准确率为 81.7%。

现在，手机和商场中的人脸识别应用都应该归功于 2012 年的这项工作，识别准确率的提升使研究者能够进行医学成像模型的部署，这些模型具备高置信度。

与 AI 对话

Vaswani 等人 2017 年发表的《Attention Is All You Need》带来了级联效应，使得机器能够以前所未有的方式去理解语言。得益于 Transformer 架构，AI 现在能够撰写假的新闻、推文，甚至可能引起政治动荡。继 Transformer 之后，谷歌又推出了 BERT 模型，将其用于关键字预测和 SEO 排名等。BERT 如今已经变成了自然语言处理领域的实际标准，诸如 Microsoft 和 NVIDIA 之类的公司开始堆积更多参数来追赶该模型。

NVIDIA 的 Megatron 具有 80 亿个参数，而 Microsoft 的 Turing NLG 模型具有 170 亿个参数。OpenAI 的 GPT 模型后来居上，1750 亿参数的 GPT-3 目前是历史记录的保持者。
 

智能灯只是更大颠覆性发展的一种表达：家庭自动化。人们可能在管理房屋时遇到的每个问题都将得到解决。冰箱订购牛奶，百叶窗会自动调节以适应外界光线，摄像头和感应器无处不在，让人们感到安全。由于许多原因，这些情况对人们来说简直是难以想象的。

但是，物联网必须具有比订购牛奶更有价值，更有价值的东西。目前，世界正经历着如此多的动荡。地球面临着能源、食品和健康方面的挑战。人们没有足够的可持续能源来满足对近乎耗尽的自然资源的日益增长的需求。另一方面，气候变化加剧了淡水和粮食的短缺。人类的生存受到威胁。人们在道德上有义务对大规模发展中的任何问题提出必要的基本问题：这项技术如何帮助解决世界上最紧迫的问题?

人们需要问这个问题，因为大规模发展消耗了生产资料。如果我们的大多数生产力都浪费在奢侈品上，这不是一件可怕的事情吗?想想有多少熟练的工作人员将工作时间花在开发像物联网这样庞大的工作上。这样的投资应该对人类有益。无论如何，克服水和能源的挑战取决于明智地利用劳动力。

值得庆幸的是，物联网可以为更大的事业服务。物联网正在创建连通性和可控性的网格。如此庞大的可控对象(主要是传感器和执行器)意味着我们可以使能源系统比今天的系统效率更高。而且，由于采用了低成本的硅芯片，因此部署难以想象的复杂网络可以具有很高的成本效益。

效率低下的一种系统是的水和能源分配网络，这个浪费的数字惊人。并且浪费的能源是人们每年全球消耗的能源的两倍。这是相当大的瓶颈。如果能源已经浪费在分配中，那么住宅和工业负载将无法维持更高的效率。任何旨在提高这种水能关系效率的努力都必须从分配层面开始。幸运的是，公共事业、城市、企业和消费者正在联手应对水资源浪费的挑战。每个人都投资的一项有吸引力的技术是通过跟踪水输送的网状网络，使水和能源的分配更加智能。公用事业公司希望将50美分的无线微控制器连接到水和能源分配网中的每个关键点。一旦这样做，人们可以了解电子大脑的奇迹，动态地调节水流量和能量负荷，以确保前所未有的效率水平。例如，截至2018年12月，英国政府已在人们的房屋中安装了1380万个智能电表。这仅仅是全球使用物联网趋势的开端。

 

（编辑：南昌站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!