0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

从测量深度和广度判断AI算法的潜力

ElectroRent 来源:ElectroRent 作者:ElectroRent 2023-01-16 09:33 次阅读

作者:是德科技Jeff Harris

著名的开尔文勋爵曾经说过:"如果你不能测量它,你就不能改进它"。

测量是一切科学研究的基础,没有测量就没有科学。

每当你评估任何东西的潜力时,都要从基础开始。AI 系统的基础就是它的测量能力。它能够测量的条件越多,潜在的影响力就越大。我们要了解它能够进行哪些测量,更重要的是,我们还要知道它不能进行哪些测量。AI 算法的潜力会受到感测能力的限制。开尔文勋爵曾经的名言至今仍不过时――“无法测量,则无法改进”。要想了解 AI 的真正能力,请务必从分析其测量的广度和深度开始。

每个AI算法的核心都有三个基本要素。

1)测量的能力,

2)知道你测量的东西有多少需要被处理,

3)一次处理多个输入的能力。

系统的潜力是指它的可测性以及可达到的测量深度,而潜力的发挥则指的是决定系统必须将哪些方面的测量结果发送给处理器进一步处理。最后,传感器融合指的是了解如何以正确的比例将不同传感器的测量结果合并在一起,算法的智商有多高,推理的潜力有多大,这是我们探索的关键。通过反馈环路增强传感器融合,算法将能够校验和纠正自身的逻辑,这是机器学习必不可少的一个组成部分。

这三个属性对于了解人工智能的深度非常关键,尤其是其独特能力方面。我们发掘和校准的基础要素越多,人工智能算法的长远表现就越好。介绍了我们要探索的三个领域之后,接下来我们深入了解第一个方面——测量深度,以及它对构建稳健的高性能AI算法基础的重要性。

测量深度

计量学是对测量科学的研究,在构建稳健算法的过程中,测量深度发挥着至关重要的作用。Gagemaker规则(10:1规则)规定,测量设备的精度必须比被测对象高10倍。测量深度之所以如此关键,是因为它决定了可能的精度水平,限定了算法的最大潜力。因此,在任何一项指定测量时,精度越高,AI算法的潜力就越大。

计量学侧重于对特定测量的深入理解。这种测量可以像电压、接地或温度那样简单明了,也可以像飞行器控制面一样涉及多个模态,十分复杂,比如像最大化制造装配线的吞吐量那样复杂。无论你是测量一个参数还是多个参数,测量深度决定了可能的可编程能力。例如,测量一个3伏的系统到1/10伏,在洞察力方面,就无法与1/1000伏的测量精度同日而语。取决于给什么样的系统供电,额外的精度可能会对电池的续航时间至关重要,也可能只是鸡肋般的多余。充分发挥算法的潜力必须让整个端到端测量需求与所需的深度相匹配。无论测量的对象是什么,这一点都是正确无误的,即使是可能不那么直观的数据系统也不例外。下面,我们来看一个示例。

如何优化测量

企业IT堆栈是一个复杂的数据互连系统网络,每个系统需要交换信息来协调组织的运营。这些技术堆栈包含一系列软件,例如CRM、ERP、数据库、订单履行等等,每一种软件都有各自独特的数据格式和自定义应用编程接口(API)。Salesforce的数据显示,公司的技术堆栈中应用软件个数平均有超过900个,其中许多是云应用,并且它们的软件更新都可能会产生连锁反应。发现问题和隔离问题就如同大海捞针一般,优化多个交叉应用软件的性能其难度就更加可想而知。

企业中技术堆栈内的每个应用软件会有一个不同的责任部门,譬如财务、人力资源、销售、营销、供应链。IT会将主要组织的需求放在首位。每家企业都有特别定制的工作流程,也会集成众多应用软件和后端系统,用户使用软件的行程或旅程会涉及各种路径,单一的线性旅程非常少见。因此,即使两家企业的技术堆栈中使用了同样的应用软件,他们的所有交换点映射以及端到端操作验证方式也会完全不同。需要人工智能的应用软件因此应运而生。在这种情况下,测量位置可能是系统间的数据输入点,也可能是系统内的数据交换点和数据显示点。

要了解AI算法如何在这样的系统中运作,首先要了解它如何在三个关键领域测量点数据。

Ÿ评测用户与应用软件的交互方式,无论使用的是什么操作系统。在某些情况下,当需要按键操作时,还涉及到采用机器人流程自动化(RPA)

Ÿ评测在复杂的技术堆栈中各个系统之间的数据交换以及连接这些系统的应用编程接口命令,确保它们正确运行

Ÿ评测所有平台(包括台式机和移动设备)上的屏幕信息,例如图像、文本、标识,从而了解它们的呈现方式

无论使用的是什么操作系统、什么版本的软件、哪种设备或接口机制,评估测量功效都需要从测量能力入手。人工智能若是无法测量的情形越多,它在运行中发挥的影响就越小。

在评估某个事物的潜力时,我们需要从基础入手。AI系统的基础就是它的测量能力。它能够测量的条件越多,潜在的影响力就越大。我们要了解它能够进行哪些测量,更重要的是,我们还要知道它不能进行哪些测量。AI算法的潜力会受到感测能力的限制。开尔文勋爵曾经的名言至今仍不过时――“如果你不能测量它,你就不能改进它”。要想了解AI的真正能力,请务必从分析其测量的广度和深度开始。

审核编辑:汤梓红
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • AI
    AI
    +关注

    关注

    87

    文章

    29635

    浏览量

    267967
  • 测量
    +关注

    关注

    10

    文章

    4724

    浏览量

    111026
  • 是德科技
    +关注

    关注

    20

    文章

    854

    浏览量

    81622
  • AI算法
    +关注

    关注

    0

    文章

    247

    浏览量

    12219
收藏 人收藏

    评论

    相关推荐

    AI大模型与深度学习的关系

    人类的学习过程,实现对复杂数据的学习和识别。AI大模型则是指模型的参数数量巨大,需要庞大的计算资源来进行训练和推理。深度学习算法AI大模型提供了核心的技术支撑,使得大模型能够更好地拟
    的头像 发表于 10-23 15:25 267次阅读

    AI深度噪音抑制技术

    AI深度噪音抑制技术通过深度学习算法实现了对音频中噪声的智能消除,它在音频清晰度提升、环境适应性、实时性和自然音质保留等方面展现了巨大的优势。随着A
    的头像 发表于 10-17 10:45 278次阅读
    <b class='flag-5'>AI</b><b class='flag-5'>深度</b>噪音抑制技术

    AI for Science:人工智能驱动科学创新》第一章人工智能驱动的科学创新学习心得

    ,还促进了新理论、新技术的诞生。 3. 挑战与机遇并存 尽管人工智能为科学创新带来了巨大潜力,但第一章也诚实地讨论了伴随而来的挑战。数据隐私、算法偏见、伦理道德等问题不容忽视。如何在利用AI提升科研效率
    发表于 10-14 09:12

    FPGA做深度学习能走多远?

    。FPGA的优势就是可编程可配置,逻辑资源多,功耗低,而且赛灵思等都在极力推广。不知道用FPGA做深度学习未来会怎样发展,能走多远,你怎么看。 A:FPGA 在深度学习领域具有独特的优势和潜力,未来
    发表于 09-27 20:53

    深度识别算法包括哪些内容

    深度识别算法深度学习领域的一个重要组成部分,它利用深度神经网络模型对输入数据进行高层次的理解和识别。深度识别
    的头像 发表于 09-10 15:28 245次阅读

    LG电子扩大对AI深度科技初创企业投资

    ,成为该基金的主要有限合伙人之一。AIF基金总规模达1.3亿美元,旨在挖掘并扶持具有创新潜力AI深度科技初创企业。
    的头像 发表于 08-26 11:46 393次阅读

    平衡创新与伦理:AI时代的隐私保护和算法公平

    在人工智能技术飞速发展的今天,它不仅带来了前所未有的便利和效率,也暴露出了一系列伦理和隐私问题。数据隐私侵犯到“信息茧房”的形成,再到“大数据杀熟”、AI歧视和深度伪造技术的威胁,AI
    发表于 07-16 15:07

    ai大模型和算法有什么区别

    复杂的问题。这些模型通常需要大量的数据和计算资源来训练和优化。例如,深度学习中的神经网络就是一种典型的AI大模型。 算法则是一系列解决问题的步骤和规则,它们可以应用于各种领域,包括人工智能。
    的头像 发表于 07-16 10:09 1363次阅读

    深度学习算法在嵌入式平台上的部署

    随着人工智能技术的飞速发展,深度学习算法在各个领域的应用日益广泛。然而,将深度学习算法部署到资源受限的嵌入式平台上,仍然是一个具有挑战性的任务。本文将从嵌入式平台的特点、
    的头像 发表于 07-15 10:03 1050次阅读

    深度学习算法在集成电路测试中的应用

    随着半导体技术的快速发展,集成电路(IC)的复杂性和集成度不断提高,对测试技术的要求也日益增加。深度学习算法作为一种强大的数据处理和模式识别工具,在集成电路测试领域展现出了巨大的应用潜力。本文将从
    的头像 发表于 07-15 09:48 689次阅读

    中图仪器AI影像测量技术与智能化生产线的融合

    AI影像测量技术与与智能化生产线的融合,是提升生产效率和产品质量的关键因素。AI影像测量技术利用机器视觉和深度学习
    的头像 发表于 07-01 15:20 795次阅读
    中图仪器<b class='flag-5'>AI</b>影像<b class='flag-5'>测量</b>技术与智能化生产线的融合

    AI影像测量:开启测量仪器的智能之眼

    在基于机器视觉的影像测量中,一些复杂特征传统测量需要人工手动选点测量,不仅易受到人为因素的干扰,而且极大的降低测量效率,提高了人力成本和生产成本。A
    的头像 发表于 06-20 08:08 1105次阅读
    <b class='flag-5'>AI</b>影像<b class='flag-5'>测量</b>:开启<b class='flag-5'>测量</b>仪器的智能之眼

    risc-v多核芯片在AI方面的应用

    得RISC-V多核芯片能够更好地适应AI算法的不同需求,包括深度学习、神经网络等,从而提高芯片的性能和效率,降低成本,使AI边缘计算晶片更具竞争力。 再者,RISC-V的多核设计可以进
    发表于 04-28 09:20

    分析 丨AI算法愈加复杂,但是机器视觉的开发门槛在降低

    准确判断。此外,AI大模型近两年受到关注,也可能被引入机器视觉领域,在跨模态理解和推理等方面展现出更强能力。 AI算法的复杂程度越来越高,机器视觉系统设计面临挑战,然而,
    的头像 发表于 02-19 16:49 599次阅读
    分析 丨<b class='flag-5'>AI</b><b class='flag-5'>算法</b>愈加复杂,但是机器视觉的开发门槛在降低

    目前主流的深度学习算法模型和应用案例

    深度学习在科学计算中获得了广泛的普及,其算法被广泛用于解决复杂问题的行业。所有深度学习算法都使用不同类型的神经网络来执行特定任务。
    的头像 发表于 01-03 10:28 1629次阅读
    目前主流的<b class='flag-5'>深度</b>学习<b class='flag-5'>算法</b>模型和应用案例