← 返回专题

AI 方法与感知

从示例中自动提取特征,如何改变计算机感知视觉和音频信息的方法?

问题范围:围绕本场对深度学习的解释,研究大量数据与计算能力如何支持从示例中提取显著特征,以及这种方法在视觉、音频和时间序列感知中的适用边界。将“软件能够编写软件”保留为黄仁勋对这一变化的概括,不由此推出人工编程已经被全面替代,也不扩展为未在这些观点中讨论的通用智能能力。

收录范围不代表全部历史。“首次收录”不代表人物首次提出这一观点。

本篇目录

专题深度研究

正在读取研究…

公开材料 · 已收录表达

按访谈时间从新到旧排列;表达日期缺失时使用来源发布日期。仅知年月的材料保留原有精度,同场访谈的观点依原文顺序展示。

2012 年 AlexNet 用两块英伟达 GTX 580 GPU 训练成功,是'现代 AI 的大爆炸';英伟达据此判断深度学习是'通用函数逼近器',只要有输入输出就能解决几乎任何问题,于是全力投入并创造了 AI 市场,用的正是当年创造 3D 游戏市场同样的蓝图。

嘉宾观点 · 忠实转述

黄仁勋以史实说明英伟达 AI 领导地位的技术与战略由来,是其算力平台叙事的根基。

适用条件:尚未单独核定,请结合来源上下文阅读。

Joe Rogan Experience #2422 ↗,新页面打开

马斯克表示,Tesla端到端驾驶模型能仅从视频自行学会识别道路对象,甚至学会读路牌,而团队没有显式教这些概念。

嘉宾观点 · 忠实转述

他说团队没有教模型什么是汽车、行人或骑车人,模型从视频中学会了这些道路对象。

适用条件:尚未单独核定,请结合来源上下文阅读。

Elon Musk: War, AI, Aliens, Politics, Physics, Video Games, and Humanity ↗,新页面打开

黄仁勋认为,深度学习的重大突破在于利用大量数据与计算能力,让计算机从例子中自行提取重要特征;他把这种变化概括为软件能够编写软件。

嘉宾观点 · 忠实转述

他以椅子和酒杯的大量示例为例,说明计算机能自行找出使对象成为椅子或酒杯的重要特征。

适用条件:尚未单独核定,请结合来源上下文阅读。

Fortune Brainstorm Tech:从游戏到 AI ↗,新页面打开

黄仁勋认为,深度学习为处理视觉、音频和几乎各种时间序列信息提供了感知方法,使计算机能从嘈杂信息中提取显著特征。

嘉宾观点 · 忠实转述

在他看来,感知曾是 AI 的难题;如果不能感知物理世界,就无法摄取其中的信息。

适用条件:尚未单独核定,请结合来源上下文阅读。

Fortune Brainstorm Tech:从游戏到 AI ↗,新页面打开

经审核的历史对照

当前没有已批准且仍有效的对照。以上表达可并列阅读,不代表已经确认变化或共识。