2019年转型:揭开你需要了解的人工智能技术的面纱

人工智能为具有前瞻性思维的公司带来的伟大前景已经得到了广泛的关注。变换2019年7月10日和11日在旧金山,是所有关于失踪经常谈话,和其他会议:一看人工智能技术,是生产投资回报,并深细粒度的深入如何复制这些结果在您自己的业务。

我们把聪明和精明的贵宾们聚集在一起,向我们展示引擎盖下到底是什么,并带我们一路了解橡胶是如何撞击路面的。我们在Transform有几个单独的轨道,但是要考虑的一个轨道是“技术”轨道,在这里我们特别关注人工智能背后的技术。

围绕人工智能项目进行设计思考

首先,我们要揭穿人工智能的实现需要数月或数年的神话——这个实践研讨会就是关于如何在几周内完成它。设计思维方法是一种基于解决方案的解决问题的方法。研讨会将探讨如何将IT和业务涉众的需求结合起来,以创建具有实际业务价值的可行策略;利用加速器工具快速处理复杂的基础设施挑战;以及如何采用迭代创新的实践文化来生成可工作的人工智能原型。

强化学习是如何改变游戏产业的

Unity Technologies的游戏开发平台被全球一半的手机游戏所使用,Unity人工智能和机器学习裁丹尼兰格(Danny Lange)创建了一个机器学习代理来玩领先的游戏。兰格认为,游戏作为领先人工智能的头号驱动因素被忽视了。今年,该公司推出了障碍塔挑战:这是首个此类人工智能挑战,旨在测试智能代理的能力,并加快人工智能的研发。这是一种同时测试人工智能代理的视觉、控制、规划和泛化能力的游戏化方法。挑战是在5月的2.0阶段,Lange将会在舞台上谈论它如何以及为什么会改变每个行业的AI游戏。

我们有两个其他的会议还将解决强化学习的趋势:第一,主舞台谈话OpenAI的创始人,一个组织,也建立了代理,可以在复杂的游戏击败最好的人类玩家,并激励一代高管把这些经验用于其他行业;第二,由公认的专家埃森哲首席数据科学家主持的会议。

人工智能算法和系统的最新进展

在过去的一年里,我们看到了主要的算法开发、自然语言处理和视觉感知方面的应用程序的改进,以及用于模型开发的丰富的开源生态系统,如Kubeflow和PyTorch软件框架一直在增长。这对任何雄心勃勃的公司的技术战略都有着巨大的影响。负责人吉尔Arditi产品,在Lyft机器学习,是一个长期的深度学习的先锋,他会提供这些主要发展的概述和他们现在对你的公司意味着什么,以及如何充分利用不断发展的技术如AutoML和强化学习。

在组织中标准化和扩展AI

Airbnb是那些刚刚做了很长时间的公司之一,当涉及到将人工智能应用到他们业务的每个部分,并看到爆炸性的结果;Adobe在其所有的创意产品中都采用了人工智能,并在此过程中承诺进行新的创新。所以安德鲁啊,产品经理,应用机器学习和机器学习在Airbnb,和阿尼尔Kamath技术副总裁,Adobe将加入我们谈论如何聪明的组织是机器学习和人工智能项目标准化流程,允许他们规模培训和部署,而不必每次都重新发明轮子。下面是如何变得聪明。

语义搜索:成功的故事

语义搜索是搜索精度的下一个层次——它是能够理解搜索者意图和上下文、能够概念匹配和处理自然语言查询的搜索。Zappos取得了大的成功与他们的语义搜索技术,说Ameen Kazerouni,导致数据科学家在Zappos,并将讨论语义搜索的最前沿,以及他们如何实现技术,是实现其战略目标,在语义搜索的下一个议程。

深度学习101,转移学习等

以上只是Transform的一些特定于技术的会议。他们只是个开始。我们会有更多利用也从101年深学习会话,高管们学习学习有多深,从肯·戈德堡说,加州大学伯克利分校的教授,他领导了一个机器人抓取技术革命通过短路时间收集数据通过合成数据和迁移学习的一种形式。将有一个面向IT架构的会议,这是在实际环境中进行人工智能所需要的,其中包括Gap公司的Chris Chappo和IBM的高管,以及一个研讨会,其中包括如何为ML项目检测数据集中的偏差。

此外,高级研究科学家布莱恩·麦卡恩将在会议《大图景:我们在理解人类语言方面的进展》中揭开自然语言技术的面纱。他将从更广泛的角度阐述深度学习和机器学习中的表征和预测之间的关系。这将为理解迁移学习在NLP中的作用打下基础。迁移学习对NLP任务的表示具有重要的影响,并且是未来研究的两个重要方向。未来的第一个方向是多任务学习,而第二个方向是从大型的、预先训练的系统中提取世界知识,用于常识推理,这是NLP中最难的任务之一。随着表示法学习的巨大进步,持续的研究很可能会给多任务学习、常识推理和可解释模型带来更多的改进。

发表评论
留言与评论(共有 0 条评论)
   
验证码:

相关文章

推荐文章

'); })();