未来观察:人工智能成年

经过数十年的有限应用,人工智能无处不在。这次确实有效。

1 2 3 Page 2
第2页,共3页

一切都与数据有关

当然,机器学习是通过聪明的算法来实现的,但是近年来促使其脱颖而出的是从互联网以及从最近的物理传感器激增中获得的大量数据。卡内基梅隆大学计算机科学与机器学习助理教授卡洛斯·格斯特林(Carlos Guestrin)结合了传感器,机器学习和优化功能,以理解大量复杂数据。

他说,例如,南加州大学和加利福尼亚大学洛杉矶分校的科学家将传感器放在机器人船上,以检测和分析水道中的破坏性藻类大量繁殖。 AI算法学会了预测藻类的位置和生长。同样,卡内基·梅隆大学(Carnegie Mellon)的研究人员将传感器放在当地的水分配系统中,以检测和预测污染物的扩散。在这两种情况下,机器学习都可以随着时间的推移做出更好的预测,而优化算法可以为昂贵的传感器确定最佳的位置。

卡洛斯·格斯特林(Carlos Guestrin),卡内基·梅隆(Carnegie Mellon)
卡洛斯·格斯特林(Carlos Guestrin),卡内基·梅隆(Carnegie Mellon)

Guestrin还正在研究一个系统,该系统可以搜索大量博客,并根据该用户的浏览历史和首选项识别每天应由给定用户阅读的博客。他说,这听起来与通过传感器预测污染物扩散的任务完全不同,但事实并非如此。

他说:“通过水分配系统传播的污染物基本上就像是通过网络传播的故事。” “我们能够使用相同的建模思想和算法来解决这两个问题。”

Guestrin说,诸如博客过滤器之类的支持AI的工具的重要性可能远远超过了它们每天为我们节省几分钟的能力。 “我们正在根据非常有限的信息来决定我们的生活-我们选谁,发现哪些重要问题。我们没有时间做出明智的决定所需的分析。信息量的增加,我们做出正确决策的能力实际上可能下降。机器学习和AI可以提供帮助。”

Microsoft Research在道路交通预测模型中结合了传感器,机器学习和人类行为分析功能。预测交通瓶颈似乎是显而易见的,并且传感器和计算机预测的应用并不是很困难。但是MSR意识到几乎不需要警告大多数州际公路出行将在下午5点被堵死。在星期一。他们真正需要知道的是何时何地发生异常或“意外”,也许更重要的是,他们在何处发生 发生。

因此,MSR建立了一个“意外预测”模型,该模型从交通历史记录中学习,可以根据传感器捕获的实际交通流量提前30分钟预测意外情况。在测试中,它能够预测西雅图地区道路上约50%的意外情况,目前已有数千名驾驶员在其Windows Mobile设备上接收警报,正在使用该方法。

关于这张图片的文字
Microsoft Research的交通预测软件可以一半时间预测西雅图地区道路上的“意外”情况。

几乎没有组织需要像搜索引擎公司那样理解尽可能多的数据。例如,如果用户在Google上搜索“玩具车”,然后点击显示在结果顶部的沃尔玛广告,那么沃尔玛有什么价值?谷歌应为该点击收取多少费用?答案在于使用“数字交易代理”的AI专业,沃尔玛和Google等公司将其用于自动在线拍卖。

密歇根大学教授和这些市场专家Michael Wellman解释说:“关键字有数百万个,一个广告商可能对数百或数千个关键字感兴趣。他们必须监视关键字的价格并决定如何分配预算,Google或Yahoo很难确定某个关键字的价值。他们让市场通过拍卖过程来决定这一点。”

有关:
1 2 3 Page 2
第2页,共3页
  
在亚马逊上购买技术产品