京公网安备 11010802034615号
经营许可证编号:京B2-20210330
打造大数据与人工智能正循环
我们在经历一场人工智能变革
“人工智能在当下十分火热,语音识别、人脸识别等能力取得了长足的发展的和进步。”百度深度学习实验室杰出科学家徐伟表示。
如今,大数据的发展和处理大数据能力的提升,以及深度学习的发展,都对人工智能发展起到很重要的推动作用。“深度学习和大数据的结合成为人工智能这个浪潮的巨大推动力。”徐伟介绍,数据内部复杂的结构关系和属性,是要通过大量的数据才能够呈现出来的,因此光有大数据是不够的,还需要非常强有力的学习方法——深度学习。所谓的深度学习,就是对大数据进行深层次的挖掘、分析。
据悉,百度耗费巨大资源打造了百度大脑的PADDLE深度学习平台。该平台支持多样数据类型,可以灵活配置深度学习结构,是一个通用、灵活、强大的深度学习平台。
目前,百度已将深度学习运用到了各个领域,包括数据中心管理、检测,同时在百度搜索、百度推广、百度图片、百度贴吧、百度地图等产品上都有应用。
机器的感知能力正在超越人类
“随着大数据、深度学习的发展,机器在某些方面的感知能力已经接近甚至超过人类的水平。”徐伟介绍,对于搜索这样的短文本(中文)语音输入,人类的单字错误率为8%,机器为6%;对于人们十分自信的人脸识别同样如此:在世界最权威的人脸识别评测(LFW)中,人类的错误率为0.8%,百度人脸识别的错误率为0.23%,这是目前世界上最好的结果。
目前,百度已经通过apistore.baidu.com向用户开放了人脸识别和图像文字识别服务。用户可以通过这些技术进行人脸注册、认证。人脸认证不仅可以静态认证,也可以动态认证,通过观察眨眼、摇头这些动作,保证只有活体才能通过认证。文字识别技术的应用范围和准确度都有很大提高,可以检测任意方向文字、识别中英文、识别公式。
百度运用深度学习在感知方面取得了非常大的进步。人与动物最大的区别在于语言理解能力。百度的统一视觉和语言深度学习模型已经能像小孩学习一样自然,能够进行简单的看图说话、问答,理解动态视频。
百度打造的明星产品
“百度花费巨资开发人工智能,最终目的就是想要使人们的生活变得更美好。”徐伟说。
小明(DuLight)是百度帮助盲人打造的“生活助理”,依托百度大脑,可以帮助盲人描述周围环境、识别人民币,对摄像头看到的人脸进行识别,帮助盲人更好地融入社会和理解真实世界。
脸优,一款可以随意变脸的应用。以人脸检测、跟踪、关键点定位为基础,配合图像处理算法实现了换脸、贴脸的功能。可以自动检测出人脸的位置,同时预测出原始脸和目标脸中对应的人脸关键点坐标,把两个不同脸的各个部位对齐。同时,人脸跟踪技术可以实时跟踪脸部的运动和关键点的位置变化,使得贴上去的脸也可以跟着作出相应的变化。这样用户不仅可以变成明星脸,也可以变成动漫人物的脸。
小度机器人,像真人一样面对面和用户对话。利用人脸检测和跟踪技术,根据用户的位置移动而转动视线。不仅如此,小度机器人还具备了认识用户的能力,可以判断出面前用户的身份是注册用户中的哪一个人,根据用户的不同年龄、身份、性别作出个性化的回答和服务。
数据与人工智能相辅相成
人工智能运用到生活的方方面面,带来巨大的数据量,而更多的数据带来更强的智能,随即产生更好的产品,这就是百度打造的人工智能正循环。通过长此以往的正循环,百度大脑越来越强,机器人会越变越聪明。
“人工智能于1955年提出。一晃半个世纪过去了,我们对人工智能的研究还只停留在开始阶段……”徐伟感叹人工智能的发展道路并不平坦。
徐伟介绍,人工智能还缺少小数据的学习能力、自主地探索环境、通过和人的交流学习的能力。小孩能够主动对周围的事物产生好奇,并且能感知周围的事物,小孩子可能只需要大人教一次就能学会,但是机器却需要成千上万的图像训练才能认识一个新的物体。
“人工智能还有很长一段路要走。虽然很有难度,但是通过大家共同的努力,我看到了人工智能的希望,我们已经在经历一场人工智能的变革。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12