1、话说出去之前你是话的主人,说出去之后你便成了话的奴隶。
2、别人都在假装正经,那我就只有假装不正经。
3、开心了就笑,不开心了就过会儿再笑。
4、我费劲千辛爬上梯子的项端,却发现梯子搭错了墙头。
5、有些事情本身我们无法控制,只要控制自己。
6、可以爱,可以恨,不可以漫不经心。
7、长相决定命运,难怪我命运如此坎坷。
8、只要还有明天,今天就永远是起跑线。
9、要不是打不过你,我早跟你翻脸了。
10、舌头和牙齿合作几十年,偶尔还会被牙齿咬到,更何况其他呢。
11、所谓惊喜就是你苦苦等候的兔子来了,后面跟着狼。
12、经常在需要的时候你不在,那么以后你就不被需要了。
13、地球是运动的,一个人不会永远处在倒霉的位置。
14、人在悲伤的时候,不管听多么欢乐的曲子,都会止不住流泪 。
15、广告就是告诉别人,钱还可以这么花。
qq空间
如果白痴会飞,那我的公司简直是个机常
所有的男人生来平等,结婚的除外。
咱们是否可以找个地方喝上一杯,交个朋友?或者说,还是我直接给把钱包给你?
我想,只要我再稍微具有一些谦虚的品质,我就是个完美的人了。
如果您需要咨询或建议,我们将免费提供;如果您需要正确的答案,请您另外付费。
过去,闹钟响的时候,我常常有把它拍了再继续睡的毛病,但是自从我在闹钟旁边放了三个老鼠夹之后,我的毛病就根除了。
如果说贝多芬是交响乐之父,那么是不是说贝多芬的父亲是交响乐之爷?
我做过很多愚蠢的事情,但是我毫不在乎,我的朋友把它叫做自信。
盲人协会真诚劝告您:千万不要酒后驾车。
我想我应该去减肥了,上次献血的时候,居然流出了一百毫升的猪油。
把俩条虫子做实验。威士忌里的那条死了,证明喝威士忌肚子里不长虫子。
我的创造力高得无法形容,我的工作能力强得无法形容,我的文字能力妙得无法形容。
假如计算机每重启一次,比尔盖茨都可以得到一元钱,那么他可要发了。
十年后,法院第二次判杀人犯死刑。
我假装为老板工作,老板假装付给我薪水。
我和妻子已经18个月没说话了,我没机会打断她。
有没有听过大猪说有,小猪说没有的故事?
我从来不看电视,我只不过是经常核对一下报纸上的电视节目有没有印错。
你的眼睛就象天上的明月,一只初一;一只十五。
你这个孩子怎么不懂事啊?舅舅正在这里,你怎么还会想到要去动物园看狗熊?
我的视力很差,比如说,看见那边墙上那颗图钉没有?你看得见吧,而我就看不见。
每天我都不断地刷新一项世界纪录--我在世界上已经生活的天数。
在因特网世界,你的女朋友可能是一位男性,而你的男朋友可能是一位女性,这很痛苦,但你得接受。
你的射击成绩真是太糟了,我要是你,我就立刻自杀,为以防万一你要多带一些子弹的。
如果你要和老虎比谁更能挨饿,那你赢定了。
我把电视遥控器别在腰上,作出一付买了新手机的样子。
只是有钱并不能让人幸福,所以我还偷些珠宝、邮票、手表什么的生活真是没劲儿,上个月我的一个哥们儿向我借了4000块钱,说要去做一个整形手术,结果现在我完全不知道他变成什么模样了抢劫者须知:本行职员只懂西班牙语,请您抢劫时一定要有耐心,最好携带翻译一名,谢谢!
你瞎了眼啊?这么大的盾牌你看不见,偏偏要把石头朝我脑袋上扔!
各位!今天是我太太30岁生日10周年纪念日!
钱输光了,家具也输光了,衣服也输光了,我现在出门像一个阿拉伯人.
我比较健忘,于是老婆常叮嘱我,说下雨天外出办事千万别拉了雨伞,所以家里现在已经有十把雨伞了.
除了一项,其余栏目填得都挺好,关系这一栏应该填岳母,而不应该填紧张。
爸爸今天打了我两次,第一次是因为看见了我手里两分的成绩单,第二次是因为成绩单是他小时候的。
悲剧好比是我不小心切掉了自己的小手指;喜剧好比是你不小心掉进了下水道。
争吵的时候,男人和女人的区别就像是步-枪和机关枪的区别。
下面,我将公布史密斯先生的遗嘱,在公布遗嘱之前,我想满怀诚意地问一句,史密斯夫人,您是否愿意接受我的求婚?
别骂自己的孩子是小兔崽子,因为从遗传学的角度来讲,这对家长是不利的。
老婆,我不该用床单擦皮鞋,不过出差刚回来,一时半会儿还改不过来,我错了。
为提高产品的安全性,我们决定在可乐瓶子瓶盖上加印:请打开这一端;在瓶底上加印:请打开另一端。
记者:根据最近一项民-意调查显示,国民对国内外时事的关心度很低,议员先生,您对此有何看法?议员:没有看法,我不关心玛丽,如果你不答应嫁给我,我就立刻去自杀,这是我的一贯做法。
选择题:假如律师和政客同时掉进河里,请问你是去喝咖啡还是去看电影?
如果不是发生在我身上的话,那么这件事可真是太好笑了。
您想拥有一副好的牙齿吗?这里送给你三点经验:一、饭后漱口早晚刷牙;二、每两年去医院检查一次牙齿;三、少管闲事。
秀发去无踪,头屑更出众!
我们总是习惯性地认为脑子是人体最重要的器官,但是别忘了这个判断是谁做的.
在教堂听讲经的时候我们应该保持肃静,打扰别人睡觉是很不礼貌的。
这些不是破烂!是我收集的古董!当然,如果你不喜欢的话,你可以扔掉.
人工智能和天然愚蠢无法相提并论--因为我们主张纯天然.
一个人如果面对众人批评仍微笑自如,那么他很可能已经找到了替罪羊.
昨天我报名参加了一个减肥训练班,他们要我在训练时穿宽松衣服,岂有此理?如果还有宽松衣服,那我还来报名干嘛?
前面的十二场演讲中,嘉宾有讲技术、有讲产品,我希望给大家的分享一些不同的内容,以及自己独有的视角。今天大家都提到了AlphaGo,作为引爆人工智能的开端,深度学习在其中承担了最重要的责任。
今天当大家开始畅想的时候,有可能认为人工智能未来真的会取代人。那么我希望今天的分享更多地能够知道人工智能在今天能做什么?不能做什么?未来终极的理想又是什么?
AlphaGo之后,我们看到最重要的突破领域是在语音和图像领域,在文字领域的进展很缓慢。今天我们在机器翻译方面取得了一些突破,但是问答和对语义的理解是不够的。回到图灵测试,上个世纪五十年代图灵提出了问答机器推想这样一个概念,今天我们直观感受是语音图像进步很快,但是自然语言的处理其实是比较慢的。
抛开技术,以一个产品经理的身份来看,人工智能有三个产品方向,一是识别——语音识别、图像识别、视频识别;二是图像——我们去生产图像,生成识别;三是创造。大家提到了人工智能进步的层次,我想换一个方式描述——工程师在人工智能时代会处于越来越重要的位置。
我们开始提到传统的方法是把规则交给机器,随着统计系统的发展,包括深度学习,我们开始更容易地将答案交给机器。,在数据的积累下我们就可以让机器变得更加聪明。这里面更前沿的方式是将目标交给机器,AlphaGo融合了几套算法,但是我和他们工程师沟通的时候,这样的把目标交给机器的强化学习,还并不成熟,也就是说如果没有之前三千万局人机对战的棋谱的话,AlphaGo没能够做到只通过强化学习来战胜人类,这是技术层面需要往下突破的重点。如果将目标交给机器,机器能够做自我学习,这方面有新的突破,那我们离新的人工智能时代就更近了。
今年六月份,我去了英国伦敦,和DeepMind公司的工程师做了交流,我特别好奇的事情就是下棋的第四局机器输掉了,发生了什么事情?他们说不是程序有BUG,就是深度学习本身有瓶颈,围棋比赛是三月份,我是在六月份去的伦敦,已经过了三个月,三个月的时间,这个问题依然没有解决。但是我离开以后一个星期,他们的程序能够正确面对之前的第四局棋谱,我问他是否这个BUG修好了,工程师说没有,只是代表第四局那个特定问题,正好机器可以解决。但是我们依然不知道再什么情况下, AlphaGo会继续出错。所以深度学习这样一个体系其实还是有瓶颈所在的。
所以在今天我更多想谈的是以深度学习为代表的今天的'人工智能技术,还有哪些不靠谱的地方?在产品上不适用之处有哪些?
第一个问题,语音识别靠谱吗?在百度、腾讯,都提到了语音识别的能力,今天我给大家的演示也用到了语音识别,这是搜狗自己的技术。在安静的环境里面我们的识别准确度已经到了95%,甚至97%,但是一旦有噪音,准确率迅速下降。当噪音还只是汽车的引擎噪音、风的噪音时,我们把噪音当成原始数据进入监督学习系统里去,把这种噪音变成机器见过的问题之一。但是事实上我们见到更多的情况,如果同时两个人说话会怎样?在今天的学术界依然无解。
今年六月份,我问学术界的人,人和机器在语音识别上的区别,究竟怎么破解?我们用机器的时候,采用立体声的方式做定向的识别,也就是说我们做一个麦克风矩阵,通过立体的方式知道其中一个人在说话,把另外一个人说话去掉,但人本身是这样干的吗?如果把一只耳朵堵上,我是否没办法分离出谁在说话?或者把两个说话的声音录在一个单声道里面,人可以识别吗?人当然是可以的,所以人的方法和机器不一样。人怎么识别?因为人的音色不一样,还是因为两个人的一个声音大一个声音小,还是因为他们不同的语音,博士说但凡同时两个人说话的时候,只要能够找到差别,人就能够把其中的一个声音识别出来,所以人在和机器处理过程当中有巨大的不同。语音识别最成熟的领域其实还是和人有很大的区别。
另外一件事情是语义靠谱吗?对语言的理解,谷歌在之前是用知识图谱的方法解决,现在遇到了瓶颈,也是今年六月,我在一个实验室看到最先进的人机对话系统,这个系统可以帮你订餐订酒店,对话过程当中机器的表现非常惊艳,我们上去试,有一个环节,机器问你:“你是需要停车位还是不要停车位?”这个时候我们回答要或者不要都没问题,如果回答“我没车”,大家知道机器会怎么样吗?他们完全不理解我没车代表着我不需要停车位,因为今天的机器,在自然语言概念的理解方面,还是远远不够的。所以自然语言处理是可以做的,但是语义理解到现在还是一个不靠谱的阶段。谷歌也在今年发布了一套对于自然语言能够做句子分析的引擎,把主语、谓语、宾语提出来,但是准确度只有90%,提不上去了,因为这个时候光靠统计靠语法已经不能支撑,往下是需要对句子当中的具体概念有理解才能消除歧义。我们知道不能把马路放在冰箱上面,这对于人来讲非常好理解,但是对计算机的挑战非常大,这是深度学习人工智能还不够的地方。
很敏感的问题,无人驾驶靠谱吗?今天百度在大会上也提出了发布无人驾驶汽车,但是从我的了解,如果以今天人类的技术,我们确实再见过的场景和封闭场景中都可以使用。但是对于真正开放的环境,不只跑在高速上的汽车,以现在人类的技术是不安全的,因为这个场景只要没见过,可能会犯严重的错误,就像AlphaGo下棋一样会突然发疯,所以作为辅助驾驶是可以的,无人驾驶在真正的技术突破以前还做不到。今天的深度学习缺乏推理,缺乏对符号的理解,如果没有符号,对自然语言的理解就会成为瓶颈。
即便是这样,我们也提到了(人工智能)能够取代一些行业,比如说棋手、医生、司机,机器在里面都可以做很好的辅助,但是对于大家没见过的创造性的事情,比如规划、科研,其实对于机器来说还很难,今天在媒体上机器自动写文章、自动画图,在科研层面展示出了一些魔力,但是还没有到可以取代人的阶段,所以在这里面我先把大家对人工智能预期降低下来。
有人在问,(人工智能)是否会出现第三次退潮,前两次我们都认为人工智能到来了,但是这次可能会比之前好,之前的人工智能两次退潮前,我们问一个老师,说你是研究人工智能的吗?这是骂他的话。因为(大家认为)人工智能不靠谱,这次是(人工智能)第一次真正进入到了使用,切实在语言处理、声音处理、图象处理,和在一些高维数据空间上能够比人做的更好。所以这次的区别就是大量资金、资本投入到了人工智能。也有大量的研究人员在毕业以后从事人工智能工作,这是和之前不一样的。所以一方面我们开始使用这项技术,另外一方面我们开始期待不断产生新的突破。
我个人对这次人工智能的浪潮是乐观的,但是我也很紧张,也许我们自己做的搜索引擎就是会被颠覆的一部分。
在这里面我们开始畅想未来的路在什么地方,从我自己的描述来看,搜索的未来就是人工智能时代的皇冠,为什么这么说,搜索的未来是什么,人工智能的未来又是什么,为什么是皇冠?
简单来讲,我认为搜索的未来就是问答机器人。因为我们习惯了一件事情:做搜索的时候我们先输入关键词,然后搜索给你十条结果,或者叫十条链接。但是这真是最好的方法吗?肯定是不够的。我们也会提到是否我们用个性化的方法能够使得搜索的结果更准,但是其实个性化能够提供的信息非常的有限。真正能够使得这个系统变得有用的办法是用问句。以前不用问句的原因是因为机器听不懂你在说什么,真正到了问句以后,机器会从给你十条链接,变成给你一个答案,就会好很多。如果你去问机器四个字,“乌镇大会”,机器不可能给你想要的内容,最多把新闻,乌镇的百科或者是官网介绍给你,只有你问乌镇大会哪天开,这个时候机器才能理解你要什么,才有机会给你最好的答案,我相信随着技术的突破,搜索引擎会自然而然演化成为问答引擎。
很多公司都在做这件事,苹果、微软、亚马逊、谷歌。这里面起步最早做对话系统的是苹果的Siri。但是这个系统并不成功,在中国用的人很少。为什么?因为现在技术没有到来,对于自然语言的处理能力、自然语言的理解能力非常有限。那么为什么苹果这样一个追求极致的公司,会把这个系统发布出来呢?一种可能性是苹果对技术了解不够;另一种可能性是我认为这是乔布斯的一个遗愿。我们知道发布iPhone手机的时候,乔布斯病重,只能躺在病床上看发布会,发布会完成之后,他很快就离开人世了,所以Siri就像一个早产的婴儿,在iPhone4s里面发布出来,所以我认为这样的系统代表着人类终极人机交互的畅想。
事实上在大量的文学作品、科幻电影里面,都会提到问答机器人,不管是《星球大战》、《超能陆战队》,还是《星际穿越》都提到了。阿西莫夫的短篇小说《最后的问题》,描绘就是人类造了一个机器,把所有的资源都用了上去。这个机器可以回答其他任何问题,却有一个问题回答不了,就是“宇宙是怎么诞生的”,这是文学作品对问答机器的思考。
除了搜索引擎做问答以外,咱们知道在中国搜狗输入法在移动端拥有三亿用户,输入法的未来是什么呢?和自动问答有关系,大家一起来看一个视频。
之前我们讨论输入法的时候很多朋友和我说语音是最重要的,搜狗有完整的语音识别技术和语音合成技术,但是在我内心,这个远不是输入法的极致。输入法真正的极致是能够开始寻找信息,帮你思。刚才给大家演示的是搜狗输入法的分享的能力,真正的回答能力可以在后面给大家做一个新的演示。
在我们讨论问答技术和讨论人机对话的时候,输入法也许是最好的一个切入场景。输入法作为一个人的分身,更容易帮助你建立思考。输入法也会从一个拼音工具走向一个对话和问答系统。
搜狗有两个核心产品,一个是输入法一个是搜索,一个是搜索信息一个是表达信息。随着AI技术的发展,我们能更好地解放人的思考。我们有一个理念,包括两件事情:一个是做自然的交互,不只是语音,还包括语言;另外就是做知识的计算,能让机器开始逐步建立推理的能力。搜狗输入法在中国拥有最大的语言数据处理积累,我们有机会在这个领域取得突破。
这是我今天的分享,谢谢大家!