
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01