您的位置: 怀柔信息港 > 旅游

人工智能的变现方式可以干到王思聪没币

发布时间:2019-05-15 06:12:01

曾记得十几天之前否?那时我们踌躇满志的跨进了2018,满怀着对未来的渴望和珍爱然后我们惊奇的发现,2018个火起来的词叫撒币。

不是我说啥,这可真出戏啊。

仿佛一夜之间,直播答题和这个叫做撒币的关键词就火了。王思聪的冲顶大会、映客的芝士超人、花椒的百万赢家,一时之间大佬们疯狂争当大撒币,人民群众则纷纷出头相当被币砸到的那个幸运儿。

固然了,不管这些平台们如何撒,终币还是要回到他们自己口袋里的,毕竟做生意是为了赚钱,搞出来这么大场面当然是为了放后招,没听说过哪位出题让人答是为了做慈善的。除非...除非AI化妆成选手,也来答个题,说不定能干到王思聪们没币可撒...

毕竟,答题也是讲科学的对不对?

AI答题这件事其实也不新鲜,不信你百度输入一个长城有多长之类的,马上就会给你跳出来答案。这里就是用了AI的专业答题姿式:知识图谱。

借着直播答题的春风,今天讲讲知识图谱的故事吧。虽然在机器视觉、语音交互等红技术眼前,作为AI重要分支之一的知识图谱仿佛不那么出位。但是以应用度和脑洞指数来说,这个技术当仁不让。更重要的是,在AI感知通向AI理解的大路上,知识图谱近乎是无法绕开的一道关卡。

更更重要的是他能帮你答题啊。

知识图谱是什么鬼?

知识图谱这个概念被提出并不算太久,但是要追根溯源理解这个技术到底是玩什么的,那可能真要往上倒腾几十年才行。

上世纪40年代,人工智能被提出之后,无数科学家们就开始琢磨,到底用甚么方式能让机器模拟出人的智慧呢?揣摩来琢磨去,人对于信息能够进行关联理解似乎是个路子。所谓信息关联,就是人类在接受一个信息后,会把它放在记忆中进行归纳和调用。比如说你打小认识了你三舅,绝不可能过几年管他叫二哥。

利用这个思路,上世纪50年代末,学术界提出了语义络(semantic network)的设想,打算把数据进行结构化的处理,让单个信息组合成有联系、能共鸣的知识。今天我们用到的很多技术都来源于语义络,比如机器翻译、自然语言处理等等,知识图谱也是其中之一。

上世纪80年代,遭到多方面刺激的地球人开始了一次AI复兴运动,而这次运动的主角,就是各国开始打造专家系统和知识库。那时候科学家们相信,如果把人类大量知识进行逻辑化关联和语义络存储,终究人类就能打造出全知全能,啥啥都懂的人工智能。可惜好景不长,终AI没等来呢PC先来了,专家系统纷纷被弃置。但是海量知识构成的知识库却成为了宝物流传了下来。

2002年,基于语义web技术和Freebase等优良知识库,谷歌宣布推出了知识图谱(Knowledge Graph)概念,并在2013年投入使用。所谓知识图谱,实际上是建立在页百科知识库基础上,利用语义络进行知识关联的技术。它可以用来帮助学术人员快速搜集和理解信息,也可以用来分析情报,辨别信息真伪。在产业端则为搜索、内容推荐和智能问答提供了基础,成为今天AI领域不是十分热门,却也足够强势的一个技术种别。

如果说了这么多还没明白,那就举个直白的例子吧:

假设你这几天很好奇一个叫PGone的词为啥火了。然后你去搜索一下,结果给你推荐的词是PGtwo、PGthree...那你就跟没搜一样。假如蹦出来两个词,一个是贾乃亮一个是地沟油,那末你就了然了嘛...

所谓的知识图谱,就是让智能体去理解知识之间络关系,并能主动以此提供服务的技术。

今天的知识图谱专治各种撒币

假设你以为本文到此就该结束了,那么你又错了。

上文说了知识图谱专治各种大撒币行为,并不是随意讲讲的。我们要知道,2002年知识图谱技术假如跟王思聪刚一波正面,那是基本没有胜算的。

这里有几种可能:首先是假如你的知识库是更新到前年的,人家问你PGone的嫂子是谁你怎么办?或人家不问你长城有多长,问你长的墙有多长怎么办?

在考教真人的直播答题进程中,可能面临各种语言上的调剂、发问方式的改变,和加入信息。这都是几年前基于单一结构知识库的知识图谱技术难以胜任的。

这就把知识图谱难住了吗?不能够,毕竟为答题而生,必须要搞点新高度出来才行。

这项技术在近几年间发生了重要变化,比如:

1、大数据+机器学习带来了的效率契机。

今天的AI复兴,是建立在机器学习驱动大数据的基础上的,知识图谱也是如此。举例来说,搜索引擎知识图谱技术,是建立在搜索数据和百科、问答等数据库之上的。数据本身的优良化是知识图谱运行的基础。而在机器学习、深度学习领域的积累,则让图谱技术实现了及时化、逐步完善图谱关联强度和理解力提升。换句话说,知识图谱技术正在变得愈发即时性与可成长。

2、语音交互成为启动知识图谱的新形式。

知识图谱想要真的为人类所用,那末就不能是人类用固定方式去出发知识图谱的模板。而应该是知识图谱主动理解人类的语言和思维习惯,做到主动输出服务。这就需要知识图谱与语音交互紧密结合。

3、强语义理解能力成为关键。

能听懂长城有多长,却听不懂长城从东到西一共多少距离的知识图谱,明显是知识没谱。深度学习各种语意、语义、语序和方言的知识图谱能力,也成为了目前知识图谱技术的唤醒核心。

这几种能力加持下,把知识图谱伪装成选手去搞点撒币,显然已不算甚么了...但是如果只干这点事,其实也蛮亏的。

撒出一个明天

无论是语音交互还是机器视觉,我们今天正在努力教会AI一件事,就是辨认。可是,在识别之后呢?AI下一步要干什么?

辨认的下一步当然是理解和处理,但如果想让AI开启这些能力,很多人都认为,知识图谱的爆发将是AI下一步的必经之路。

今天知识图谱的核心,在于通过数据生成可视化的知识链条,用链条形成络,利用络来进行预测、生成自动化,终生成机器主动提供的智能化服务。

要知道,人类理解世界并不是基于一个个散乱的信息,而是基于信息背后的知识。

我们期待的知识图谱技术,是通过这类技术的完善,把AI调剂到主动输出服务模式。经典计算阶段是你想到的,电脑帮你做出来。而知识图谱时代,是你想不到的,AI可以想到。

能做到这一步的AI技术,当然不会只满足去答答题,做个直播。人家的使命是改变世界好不好?

其实,知识图谱作为一种隐藏的后端技术,今天已经悄然布局在了我们的生活。比如我们今天在百度搜李白写过哪些饮酒诗?,已经不是跳出来有这些关键词的站,而是直接跳出来你的答案,这背后就是知识图谱即使已经解答了你的问题。

更重要的是,知识图谱技术作为AI交互手段的必要触达点,正在为其他AI产业提供帮助,比如智能处理、无人驾驶。

更远的未来,或许是利用知识图谱技术达成物联间的协作、人机交互的全新升级,那么终究所能抵达的,远远不是答题这一件小事而已。

所以呢,直播平台上谁给谁撒币,谁是大撒币,其实也不是很重要了。真正重要的是,技术正在努力把未来的币,撒到现在的土壤里。

月经后期的日常调理
如何更有效的治疗痛经
什么食物治疗痛经
猜你会喜欢的
猜你会喜欢的