导航菜单

AI巨幕之下,数据不只折叠

硅谷秘密特工2天前我想分享

在人工智能产业链中,有一种有趣的说法称为“数据折叠”,这意味着训练算法需要大量的数据,并且数据注释成为一项要求很高的工作,并且没有门槛,所以完全和完全不同研究创造性和高净值的人工智能算法,标签,清洁和数据处理等低技术工作在新时代被视为“廉价劳动力”。因此,除了人工智能的光环外,这些做数据注释的普通人都会被折叠起来。

这个陈述实际上表达了近年来的一个方向。从大数据热到人工智能热,许多人已经开始忽视数据本身的价值,并将其视为创新内容较低的行业,并认为数据行业只服从人工智能。该算法是一个附件。

在我们看来,这种观点是完全错误的。 AI算法和数据应用程序彼此更加互补。在今天与人工智能技术的整合中,数据行业的创新远远超过过去。在最近的2018年乌镇世界互联网大会上,我们一直关注的公共数据发表了演讲,并提出利用智能业务解决方案来协助数字世界的建设。

今天我们可以以联盟的数据为例,探讨数据行业在人工智能时代的重大命题下面临的机遇。

数据的折叠决定了AI的准确性,而技术的创新也会影响AI的位置。

我们知道存在“数据折叠”论证,因为大多数AI算法模型是无限精确的,因此它们将在某个字段中使用大量重复数据来重复训练模型以追求0.02%的识别。增加。这就像识别狗品种的算法。为了让AI区分Shiba Inu和Akita,两只狗的图片被手动标记,希望被固定在神经网络的黑盒子上。

这样,根据算法需要处理数据,它的技术内容确实非常有限。但是我们可以找到一个问题 - 在算法和数据之间,“鸡蛋和鸡蛋”的逻辑有些相似。 AI算法促进了对数据处理的需求,并且只有当某个字段中有足够的数据结构基础时,该算法才有用。

例如,上述欧盟数据的特点是专注于离线数据和应用创新,以便将商业智能推广到更多线下行业,并优化效率。人工智能恰恰是一个专注于整合而非颠覆的行业。在今年,人工智能进入离线场景并与传统行业整合已成为一个重要的命题。这与公司自己专注于离线情景的数据一致。目标是一样的。更重要的是,实验室和技术企业中出现的AI算法如果想要有效地运行场景,则需要这些企业的数据积累和物理商业智能的经验。

在今年的云琪会议上,该公司的数据展示了新的零售智能业务解决方案,利用智能硬件作为切入点,通过在线和离线消费者行为数据的结合,帮助企业利用其离线数据资产来促进商业智能。如智能运营,AI营销等。为了量化物理行业的流量和业务价值,并将以前仅适用于互联网公司和虚拟经济的技术方法应用于实体行业,这是最好的方法。帮助AI通过技术创新进入实体行业。

如果您只看到AI当前的需求,您只能进行折叠的数据标记工作,帮助AI提高0.0001%的准确度,但如果您可以打赌未来的行业发展和创新,您可以就像联盟数据一样。这会影响人工智能的发展。

让AI进入细节,谁在做巨人不能做的事情?

技术巨头正忙于扩大人工智能领域,这是一个不争的事实。在他们的生态地图中,数据行业通常是“主导”下游行业(这是数据折叠的另一个论据),而在线内容,电子商务,社交,线下零售,行业,城市.都包含在规划人工智能。

然而,问题在于巨人们出于战略原因通常会将大量精力投入到大企业或大型场景中。而那些中小企业,包括小企业,也有很强的技术升级需求,但巨头们对他们的需求没有足够的深入了解,也没有足够的人力来了解他们的需求。像家乐福和永辉等零售巨头一样,科技公司必须引起人们对人工智能的关注,但那些本地连锁超市很难引起技术巨头的关注。硅谷一直在呼吁人工智能的民主化,它也鼓励各种规模的公司获得相同的技术升级机会。

Allied Data联合创始人&首席运营官杨海玲也在乌镇世界互联网大会上提到了这种现象。实际上,每个离线服务的公司和商店都有稳定的数据流,但该公司缺乏应用的技术和工具。用户很难理解这些数据。

目前,该公司的数据一直在服务于离线场景并具有足够的AI功能,因此发挥了重要作用。这类企业本身维护着传统企业的小生态,离线软硬件创新和资金流动,现在可以将人工智能技术引入线下行业的细节。例如,公司数据启动的数据AI功能可以帮助不同规模的线下企业应用智能操作和AI营销等功能模块。这些人工智能技术源于离线场景和传统企业。赋权的积累现在能够更好地为他们提供人工智能服务。

数据行业的关键时刻,如何找到解锁数字世界的关键

今天的数据行业实际上处于一个微妙的时间点。

首先,数字世界的创建即将来临,人工智能产业的发展迫切需要在网上寻找立足点。当我们将AI技术视为新时代的“水电煤”时,我们已经确定这项技术不能仅适用于在线场景。但离线世界是混乱无序的。对于更适合结构化数据的AI技术,使用自己的能力打开离线场景是不现实的任务。

与此同时,我们也发现实体经济期待新技术,并期待人工智能的力量。通过与实体企业和传统企业的长期接触,我们可以清楚地感受到他们的“技术恐慌”,经历了互联网经济的整合,而且大多数实体都看到了技术如何能够与经济保持距离。对他们来说,AI是一个很好的机会。

数据行业应该是两者之间的联系,现在已经分开并分开了。一些数据公司已经默默地折叠成为人工智能技术的下游工厂。但是,有些数据公司只能离线服务,而且没有技术创新能力。

现在掌握的All-Shares数据的机会是站在交叉路口的中间并捏三个。更多的AI技术功能向上集成,离线公司的真正需求被认为是向下的。核心部分是丰富数据应用程序的积累。

换句话说,数据行业面临着罕见的“三花聚集”,它是否能够发挥这种优势,取决于谁能真正掌握技术,感知需求,勇于创新。

我们相信,在人工智能时代的帷幕下,数据行业不仅会折叠形式,而是在数字世界中发挥关键作用。对于新技术的挖掘和创新,主角有一种光环。

更多精彩,请关注硅谷Insight:的官方网站

收集报告投诉

在人工智能产业链中,有一种有趣的说法称为“数据折叠”,这意味着训练算法需要大量的数据,并且数据注释成为一项要求很高的工作,并且没有门槛,所以完全和完全不同研究创造性和高净值的人工智能算法,标签,清洁和数据处理等低技术工作在新时代被视为“廉价劳动力”。因此,除了人工智能的光环外,这些做数据注释的普通人都会被折叠起来。

这个陈述实际上表达了近年来的一个方向。从大数据热到人工智能热,许多人已经开始忽视数据本身的价值,并将其视为创新内容较低的行业,并认为数据行业只服从人工智能。该算法是一个附件。

在我们看来,这种观点是完全错误的。 AI算法和数据应用程序彼此更加互补。在今天与人工智能技术的整合中,数据行业的创新远远超过过去。在最近的2018年乌镇世界互联网大会上,我们一直关注的公共数据发表了演讲,并提出利用智能业务解决方案来协助数字世界的建设。

今天我们可以以联盟的数据为例,探讨数据行业在人工智能时代的重大命题下面临的机遇。

数据的折叠决定了AI的准确性,而技术的创新也会影响AI的位置。

我们知道存在“数据折叠”论证,因为大多数AI算法模型是无限精确的,因此它们将在某个字段中使用大量重复数据来重复训练模型以追求0.02%的识别。增加。这就像识别狗品种的算法。为了让AI区分Shiba Inu和Akita,两只狗的图片被手动标记,希望被固定在神经网络的黑盒子上。

这样,根据算法需要处理数据,它的技术内容确实非常有限。但是我们可以找到一个问题 - 在算法和数据之间,“鸡蛋和鸡蛋”的逻辑有些相似。 AI算法促进了对数据处理的需求,并且只有当某个字段中有足够的数据结构基础时,该算法才有用。

例如,上述欧盟数据的特点是专注于离线数据和应用创新,以便将商业智能推广到更多线下行业,并优化效率。人工智能恰恰是一个专注于整合而非颠覆的行业。在今年,人工智能进入离线场景并与传统行业整合已成为一个重要的命题。这与公司自己专注于离线情景的数据一致。目标是一样的。更重要的是,实验室和技术企业中出现的AI算法如果想要有效地运行场景,则需要这些企业的数据积累和物理商业智能的经验。

在今年的云琪会议上,该公司的数据展示了新的零售智能业务解决方案,利用智能硬件作为切入点,通过在线和离线消费者行为数据的结合,帮助企业利用其离线数据资产来促进商业智能。如智能运营,AI营销等。为了量化物理行业的流量和业务价值,并将以前仅适用于互联网公司和虚拟经济的技术方法应用于实体行业,这是最好的方法。帮助AI通过技术创新进入实体行业。

如果您只看到AI当前的需求,您只能进行折叠的数据标记工作,帮助AI提高0.0001%的准确度,但如果您可以打赌未来的行业发展和创新,您可以就像联盟数据一样。这会影响人工智能的发展。

让AI进入细节,谁在做巨人不能做的事情?

技术巨头正忙于扩大人工智能领域,这是一个不争的事实。在他们的生态地图中,数据行业通常是“主导”下游行业(这是数据折叠的另一个论据),而在线内容,电子商务,社交,线下零售,行业,城市.都包含在规划人工智能。

然而,问题在于巨人们出于战略原因通常会将大量精力投入到大企业或大型场景中。而那些中小企业,包括小企业,也有很强的技术升级需求,但巨头们对他们的需求没有足够的深入了解,也没有足够的人力来了解他们的需求。像家乐福和永辉等零售巨头一样,科技公司必须引起人们对人工智能的关注,但那些本地连锁超市很难引起技术巨头的关注。硅谷一直在呼吁人工智能的民主化,它也鼓励各种规模的公司获得相同的技术升级机会。

Allied Data联合创始人&首席运营官杨海玲也在乌镇世界互联网大会上提到了这种现象。实际上,每个离线服务的公司和商店都有稳定的数据流,但该公司缺乏应用的技术和工具。用户很难理解这些数据。

目前,该公司的数据一直在服务于离线场景并具有足够的AI功能,因此发挥了重要作用。这类企业本身维护着传统企业的小生态,离线软硬件创新和资金流动,现在可以将人工智能技术引入线下行业的细节。例如,公司数据启动的数据AI功能可以帮助不同规模的线下企业应用智能操作和AI营销等功能模块。这些人工智能技术源于离线场景和传统企业。赋权的积累现在能够更好地为他们提供人工智能服务。

数据行业的关键时刻,如何找到解锁数字世界的关键

今天的数据行业实际上处于一个微妙的时间点。

首先,数字世界的创建即将来临,人工智能产业的发展迫切需要在网上寻找立足点。当我们将AI技术视为新时代的“水电煤”时,我们已经确定这项技术不能仅适用于在线场景。但离线世界是混乱无序的。对于更适合结构化数据的AI技术,使用自己的能力打开离线场景是不现实的任务。

与此同时,我们也发现实体经济期待新技术,并期待人工智能的力量。通过与实体企业和传统企业的长期接触,我们可以清楚地感受到他们的“技术恐慌”,经历了互联网经济的整合,而且大多数实体都看到了技术如何能够与经济保持距离。对他们来说,AI是一个很好的机会。

数据行业应该是两者之间的联系,现在已经分开并分开了。一些数据公司已经默默地折叠成为人工智能技术的下游工厂。但是,有些数据公司只能离线服务,而且没有技术创新能力。

现在掌握的All-Shares数据的机会是站在交叉路口的中间并捏三个。更多的AI技术功能向上集成,离线公司的真正需求被认为是向下的。核心部分是丰富数据应用程序的积累。

换句话说,数据行业面临着罕见的“三花聚集”,它是否能够发挥这种优势,取决于谁能真正掌握技术,感知需求,勇于创新。

我们相信,在人工智能时代的帷幕下,数据行业不仅会折叠形式,而是在数字世界中发挥关键作用。对于新技术的挖掘和创新,主角有一种光环。

更多精彩,请关注硅谷Insight:的官方网站

——