京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据、隐私及机器人:未来技术发展三大主题
在本届由《麻省理工科技评论》杂志社举办的EmTech 2015大会上,参与者们高度关注技术的未来发展核心以及接下来几年当中我们即将迎来的最新动态。
未来技术的发展核心在于人工智能、数据与隐私。这正是上周由《麻省理工科技评论》每年秋季于马萨诸塞州坎布里奇市召开的EmTech大会所传递出的主要信息。该项会议——主要专注于各类新兴技术——让CEO、CTO、CIO、政策领导者、创新者、商界领袖以及企业家齐聚一堂,共同商议未来几年内的技术发展趋势。
大数据、隐私以及机器人一直是EmTech大会的主导议题。无论是从企业在隐私保护方面的责任、机器人在实际工作中的作用或者数据的重要意义等任意角度出发,这三大方向都可谓是讨论未来技术趋势时无法回避的永恒主题。
展望数据与智能化技术的未来
《麻省理工科技评论》杂志主编Jason Pontin主持了开场仪式,他提到了我们对于技术成果的高度依赖。时至今日,数据已经成为企业的最大商品,他指出。我们的设备如今能够以消费者们几乎注意不到的方式收集数据,而这些收集成果则足以帮助企业在市场当中获得竞争优势。不过Pontin表示,要达到上述目标,最重要的一点在于评估处理设备到底希望从我们身上获取哪些数据——毕竟机器本身对于消费者的兴趣或者说偏好是没有任何感觉的。而随着人类与计算机之间联系的日趋紧密,我们必须要将数据在不同设备之间的往来转移视为日常生活的重要组成部分,Pontin指出。
创造智能化机器
Facebook公司AI研究主任Yann LeCun就智能化技术议题进行了探讨。LeCun受命建立一支AI研究小组,Pontin则将其形容为硅谷之内的一场“军备竞赛”,旨在确定如何最大程度发挥人工智能在技术领域中的作用。LeCun做出了题为《教会机器理解我们》的演讲,其中概述了我们为何要越来越多地关注如何实现机器学习并引导其理解我们人类思维,从而创造出更具智能化水平的用户体验。
为了展示其在AI研究方面的成果,LeCun播放了一段视频,其中一位人类用户向计算机系统提出与某些图片相关的问题,而计算机则能够做出描述性回答。作为一款实用性应用,这项技术未来可能会帮助那些存在视图障碍的使用者,引导他们在浏览Facebook时不再因为看不到图片内容而影响使用感受。另外,该项技术还将有助于提高虚拟助手方案的能力,而Facebook目前正在开发的Facebook M正是这样一款工具,其目前尚处于beta开发者测试阶段。
数据与企业责任
哈特福德金融服务集团旗下技术与生命科学实践事业部副总裁Joseph Coray探讨了大数据与企业责任这一议题。Coray指出,大数据能够帮助企业评估各类人力几乎不可能发现的趋势以及矛盾,从而揪出哪些造成收入损失的诈骗活动。而作为另一类示例,他还提到了企业该如何利用数据引导自身获得更为积极的工作方式、节约成本并减少欺诈行为。
不过在另一方面,他强调称企业也需要理解自身所获取到的数据的重要意义。因此,企业在向数据进行投资时——这也正是目前大多数企业正在努力推进的工作——必须考虑自身该如何在运用这些信息的同时对其进行保护。换言之,企业不能单纯从提升收益的角度来看待收集到的数据,Coray警告称。
工作中的人工智能
人工智能是否真的会抢走我们的工作岗位?Comau机器人公司业务发展经理Arturo Baroncelli向与会者们表示,“机器人人在我们身边,而并非工业体系当中。”然而,目前有三大行业已经在大量利用机器人处理日常工作,其分别为食品、服装与汽车制造。Baroncelli指出,目前关于无人机与机器人的工作能力已经引发了大量争论,但人们的普遍观点是让机器人与我们协作,而非彻底取代我们。基本上,不会有人愿意看到自己的工作被机器人抢走,但他们倒是很乐意在人工智能技术的帮助下让工作内容变得更轻松也更安全,Baroncelli解释称。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 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 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16