虽然不缺人工智能会议，但是奥莱利的人在过去一周举办的活动是最近记忆中最好的活动之一．他们成功地将沉浸式商业主题与人工智能的最先进技术结合起来。虽然我们看到了很多我们喜欢的东西，但这里有一些突出的东西:
算法偏差是一个普遍存在的问题，但它是可以解决的
我们将在下周就此写一篇文章，但算法偏差是一个普遍存在的问题。简单地说，算法偏差描述了当模型输出不公平或有偏见的结论时的情况。这些故事以时钟般的规律出现，从广告网络向男性展示高薪工作的频率远远高于女性来基于分类器的虚假判决到一个人工智能为表现出偏爱白人选手的选美比赛做裁判。
值得一提的是，这些结果很少是有意的。这通常是由于工程团队没有预先提出正确的问题，以及数据集存在微妙的偏见，从而导致结果实际上加剧了问题。
那么该如何解决这个问题呢?多样化的工程团队是重要的第一步。分析这些偏差的输出也非常重要。第三是创造包容性的产品。如果你在想“等等，这就是整个过程!”“那么，你是对的。
就拿我们的一个AI for Everyone赢家，kivfaces．他们发现面部识别模型通常无法找到来自发展中国家的人，所以他们创建了一个数据集，其中包含了精确的人口的评分图像。Kiva注意到了这个问题，他们的数据集可以用来创建一个更具包容性的算法。
人工智能公司将是一个完全不同的行业
吴恩达(Andrew Ng)有一个简短的笑话让我们印象深刻:“有网站的购物中心不是互联网公司。”bob外围怎么样
好吧，无可否认，这不是你听过的最好笑的事，但重点还是质量。网络公司的运作方式确实不同:他们更敏捷，有更分散的决策结构，通常会优先考虑行动。
同理，有网站的购物中心就不是互联网公司，有神经网络的互联网公司就不是人工智能公司。bob外围怎么样吴恩达列举了一些他认为能够代表人工智能公司向前发展的特征，其中一个重要特征就是围绕着数据。也就是说，人工智能公司将战略性地获取数据，建立防御性业务。
当然，这很有道理。拥有最好的数据质量和数量意味着你的AI更有可能获得成功。这也意味着竞争的减少。现在你可以看到谷歌搜索——虽然他们的很多优势显然来自于他们的工程团队、算法和简单的用户界面，谷歌仍然是黄金标准，因为他们的数据领先全大写。
建立一家人工智能公司还需要一些bob外围怎么样其他的东西。其一:集中式数据仓库。你的工程师需要数据访问，他们需要随需应变。尽可能多地自动化。利用人工智能的一个关键优势也将是一个定义特征。最后，要愿意更新你的工作描述。产品经理将不再从线框图开始工作，工程师将需要ML排布，而你的销售人员将需要理解不同层次的细微差别，这样你才能成功。
我们比你想象的更在乎情感
这里并不缺少音频个人助理。我想到了猎犬、Siri、谷歌Home和Alexa，但这肯定不是一个详尽的列表。对于那些你期望这些人工智能擅长的离散任务，比如电影院的方向、最近的股票价格或航班信息，它们的准确性仍然不是什么值得称道的。你将看到77%左右的最高点，50%左右的最低点。额外的bob体育手机下载使用、算法操作等等应该会让这些数字不断攀升。
但有趣的是，当涉及到偏好时——比如用户实际上想使用哪种助手——结果证明准确性并不是那么重要。
约翰·惠兰从10珍珠分享了他和他的团队对这些人工智能助手所做的一些有趣的研究(事实上，以上这些百分比来自这些研究)。虽然他们学到了很多，但这一点确实从他的演讲中脱颖而出。
结论是:我们更关心这些助手给我们的感觉，而不是他们是否正确。人们喜欢与Alexa之间的戏谑和反复，尽管它在某些任务上的准确性较低。参与这项研究的人知道Alexa在他们的一些问题上失败了。他们根本不在乎。他们喜欢她。
也就是说，如果你在设计一个助手，不要吝啬于它的“个性”。它可能比它的准确性更重要。
情感感知机器即将到来
想想你的手机已经知道的关于你的所有事情。它现在就知道你在哪里。它知道你访问的网站，你在地铁上玩的游戏，你要去的约会，以及你到达那里时的天气。它完全融入了你的日常生活，但只是在后勤层面。如果它——或者说任何技术——知道这种感觉呢?
这就是Rana el Kaliouby关于情感感知机器的简短但具有煽动性的演讲的基础。
比如说你想找一个能理解你感受的助手。你今天会怎么做呢?有趣的是，如果你看的是一段简单的对话，你会发现文本中只有7%的情感内容。你的38%的情绪反映在你说话的方式上，剩下的55%的情绪线索被你的面部表情和情绪所出卖。
换句话说，世界上所有的情感分析只能让你理解用户7%的情感。这只是很小的一部分，宏大的计划并不重要。El Kaliouby的公司bob外围怎么样Affectiva专注于情感数据集，旨在帮助让情感感知ai成为现实。汽车知道你什么时候心烦意乱或压力很大，冰箱知道你心烦意乱，电话树知道你很沮丧，然后用更轻的触摸来解决你的问题:所有这些都可以通过自发的情绪反应数据集实现。如果人工智能的目标是为我们提供更好地理解我们需求的技术，并能更轻松地满足我们的需求，那么这类工作就是让我们实现这一目标的工作。
有很多关于人工智能改变医疗保健的谈话，这是有道理的。这是一个拥有大量高质量数据的行业，有许多困难的、可解决的问题，并且雇佣了大量的聪明人。
不过，让我们印象深刻的是维贾伊·潘德(Vijay Pande)的作品摩尔定律．对于那些忘记的人来说，摩尔定律预测了自60年代中期以来计算能力的指数级增长。这是最近人工智能冬天解冻的三大原因之一。
遗憾的是，药品的价格也在呈指数级攀升。如果价格像过去几十年那样持续上涨，我们很快就会进入一个只有最富有的人才能负担得起医学发现的治疗方法的时代。
现在，尽管这令人沮丧，但正在进行的人工智能研究可能会有所帮助。这是因为很多研究都是在疾病变得难以治愈之前进行诊断。想象一下，采血后，人工智能及时识别出早期癌症并阻止其发生。想象一下，减少对昂贵药品的依赖，更多地依靠每年一次的体检。想象一下，预防成为常态。这一点也不牵强。随着本周关于医疗改革的辩论变得越来越可笑，这至少是一线希望。
