傅盛:深度学习是一种新的思维方式(上)
落后最怕的是思维方式的落后。
过去猎豹在安全和工具层面,抓住了上一个时代的大风口。如今这条赛道不再像以前那样野蛮生长。
互联网已经进入下半场,广度红利时代结束。原先粗放式的流量经营模式遭遇瓶颈,用户增长受限,且再难出现爆发性机会。下一个机会点在哪?
我讲过,人工智能会是下一个风口。
但,首先我们必须认识到——人工智能一定不是简单的一个神经网络,也不是用一个新的函数替代一个旧的函数。人工智能是对整个产业的重构,是对我们整个思维方法的重新塑造。
它将现实所有物理事件产生的东西归结于一个点——数据。然后,再把这个数据,用神经网络的方式去认知和理解,达到过去所有算法无法企及的高度。
而深度学习,无疑成为当今人工智能大爆炸的核心驱动。它不只是一种算法的升级,而是一种全新的思维模式。
今天,我们完全可以利用深度学习,利用海量数据的快速运算,消除信息的不确定性,帮助我们认知世界。
这种认知的可能性,最广为人知的就是AlphaGo打败李世石。我说过,现象即规律。这个现象给我***的启示就是——把过去围棋的定式算法问题,转换成了黑白点的数据问题。它利用神经网络超大规模的数据处理能力,去理解人类记录过的围棋数据,以及自己左右互搏产生的海量数据,在人类也不明白的情况下,一举碾压了人族。
它带来的颠覆性在于:将人类过去痴迷的算法问题,变成了数据和计算问题。
我认为,这是重构技术模式,产品形态,用户理解的新方式。深度学习的突飞猛进,也将使得猎豹这样的工具厂商,有机会与社交产品站在同一维度同台竞争。
唯一需要思考的是:如何让用户成为一种生产力?
比如,你觉得特斯拉是汽车生产商吗?如果你重新换个角度,会发现特斯拉本质是一个数据采集器。它利用汽车载体实现了对人类驾驶行为的触达。
我***买的特斯拉P90D,已经可以自主学习变道。它会多次来回试探,学习你开车的动作。你每一次开车,都是在给它贡献数据。它跟谷歌的无人驾驶有很大不同。
他们走了完全不一样的路线,思维角度也不一样。
谷歌是传统的软件工程思维。用高精尖地图,把一段路的地图精确到厘米级,以便车子开的过程中就知道路况,通过激光来避开路面障碍。但问题在于,这套方案,只有知道地图和路况不发生改变时才能运行。
但特斯拉用的是NVIDIA+Mobileye的方案,跟人开车的状态一样。它认为,辅助驾驶到了一定程度就是实现无人驾驶。只要收集大量的驾驶数据做处理。不用管地图,用产品就能实现数据收集。实际上,就是把所有路况信息和人的操作动作数据化。
我认为,未来的公司本质都是数据公司。市场的竞争,一定会从技术竞争演变成数据竞争。
各公司的商业策略和产品策略,都会围绕着获取数据开展。后进的公司要想不坐以待毙,唯一的办法就是快速获得数据。
深度学习绝不只是一场技术革命,或一种算法的改良。本质上,它是一种全新的理解用户和商业模式的思维方式。
相关文章
- 在 Go 里用 CGO?这 7 个问题你要关注!
- 9款优秀的去中心化通讯软件 Matrix 的客户端
- 求职数据分析,项目经验该怎么写
- 在OKR中,我看到了数据驱动业务的未来
- 火山引擎云原生大数据在金融行业的实践
- OpenHarmony富设备移植指南(二)—从postmarketOS获取移植资源
- 《数据成熟度指数》报告:64%的企业领袖认为大多数员工“不懂数据”
- OpenHarmony 小型系统兼容性测试指南
- 肯睿中国(Cloudera):2023年企业数字战略三大趋势预测
- 适用于 Linux 的十大命令行游戏
- GNOME 截图工具的新旧截图方式
- System76 即将推出的 COSMIC 桌面正在酝酿大变化
- 2GB 内存 8GB 存储即可流畅运行,Windows 11 极致精简版系统 Tiny11 发布
- 迎接 ecode:一个即将推出的具有全新图形用户界面框架的现代、轻量级代码编辑器
- loongarch架构介绍(三)—地址翻译
- Go 语言怎么解决编译器错误“err is shadowed during return”?
- 敏捷:可能被开发人员遗忘的部分
- Denodo预测2023年数据管理和分析的未来
- 利用数据推动可持续发展
- 在 Vue3 中实现 React 原生 Hooks(useState、useEffect),深入理解 React Hooks 的