●章當今AI的功能與局限
關於AI常見的誤解//2
利用大數據的圍棋AI//5
如何有效運用“幼兒智能”//6
思考能夠使用圖像識別技術的商業領域//7
深度學習是“原始數據計算”//9
通過三個數軸對AI進行分類//12
深度學習是如何提取特征的//14
“模式識別”:AI的眼睛和耳朵//17
使用深度學習的機器翻譯能夠獲得壓倒性勝利的原因//20
“強AI”的出現至少要到22世紀嗎//26
指數函數的恐怖//28
知識量的增加至多是二次曲線級//30
充分運用深度學習的必要性//34
深度學習與其他方式的結合也很有價值//36
第2章使用深度學習的基本流程
在AI應用中不可或缺的目標設定//40
分享評測數據使其可以共用//42
作為精度指標的“精確率”和“召回率”//44
作為前提的正確結果不止一個//46
不同場景中對精確率和召回率的重視程度不同//47
業餘和專業所需的精度是不同的//49
深度學習的準確性評估測試非常簡單//51
能準備反映共同特征和多樣性差異的訓練數據//53
使用開發環境進行數據學習的流程//55
注意過度擬合//59
第3章目標精度的實際評估和利用
從危險駕駛分類中了解自動駕駛的問題//66
AI給生產力帶來的提升效果//71
交通標志與AI的匹配和RFID化也是必要的//73
精度目標的設定和預算是“雞與蛋”的問題//79
自動駕駛需要用各種觀點進行綜合評估//81
特斯拉汽車為何發生車禍//82
結合預期值評估服務質量非常重要//85
設計業務流程時的混淆矩陣很重要//89
用附有概率值的判定結果將分支條件精細化//93
根據置信度對處理結果進行場景分類//96
為每個樣本或醫療機構設置最佳精度//98
對AI糾錯的意義//101
如何評估聊天機器人的準確性//103
用“對話成立度”對精度進行定量評估//107
參考信息技術架構庫改善業務流程//109
讓AI學習特殊情況下的數據//112
第4章AI部署的實例
企業的數字化//116
將AIAPI化後公開//118
AI部署的戰略以及企業內部體制//120
制作樣本數據時的注意點//125
標注人員進行的標注工作//127
增加相互之間隻有少許差異的樣本數據//129
深度學習的引入需要耐心//132
描繪實際運行整體繫統的結構//135
GPU的挑選:目前NVIDIA是唯一選擇//138
硬件的選擇:性能要超過十幾年前最先進的超級計算機//142
主內存要注意主內存容量//143
GPU雲服務也是一種選擇//151
深度學習的機制是多種多樣的//154
主流深度學習框架的特點和選擇//156
多種類型的網絡結構該如何進行選擇//160
編程語言幾乎隻有Python一種選擇//160
利用現成AI資源的意識//162
將完成後的AI應用程序化、API化//164
將API向世界公開//166
爭取各種安全措施保護隱私//167
以眼還眼,以AI對AI//169
保護AI開發企業的防盜版措施//171
主動公開部分源代碼的交付方法//173
第5章AI部署人纔應具備的技能
用戶企業如何獲得AI人纔//177
用戶企業的管理人員應掌握的心得//178
AI時代需要我們具備福爾摩斯般的思考能力//179
AI人員所需的資格和專業領域//180
舊知識可能成為絆腳石//183
樣本數據的準備成為開發工作的核心//184
在API經濟中擅長混聚開發的人纔更重要//186
AI人員的溝通能力不可或缺//187
知識會迅速過時//189
從知識勞動到智能勞動//191
知識將可以無償獲得//193
思考人類與AI的角色分擔//196
即使沒有大數據,人類也可以相對準確地推斷//199
實現不同專家合作的“配對需求開發”//203
推動AI項目的關鍵人纔//205
熟練工藝移植給AI後的產業空心化對策//208
第6章將AI用於商業用途時需注意的問題
大數據越來越重要//213
利用AI防止人類被數據牽制//214
AI的知識獲取瓶頸//216
數據準備和增值更要活用AI//219
準備和收集樣本數據時的要點//222
AI在日本的應用前景廣闊//224
與人類相同的服務員AI會出現嗎//226
人文和哲學對於AI研究人員來說非常重要//230
基本收入制度無法解決問題//233
將AGI作為工具使用//234
結語//237
內容簡介
從AI核心技術、樣本數據提取到業務流程構建、人纔培養機制
MIT人工智能研究所客座研究員、日本人工智能專家全流程指導
幫助企業實現AI技術的落實應用,指導個人從知識勞動人纔向智能勞動人纔轉變
當人們聽說“AI的進化將剝奪人類的就業機會”時,出於對機器的擔憂和反感,他們就會產生逆反心理,從而造成對AI能力的過高預估;另一方面,當這種過高的期待沒有實現時,人們就會產生對AI的全面否定,如“AI什麼也干不了”“到頭來還不是一無是處、毫無意義”。我們該如何澄清關於AI的各種誤解,使企業能夠從容自如地使用AI?
本書作者野村直之30多年來一直致力於AI的開發、應用和部署。在本書中,他針對已經參與或即將參與AI繫統相關工作的讀者揭示了諸多為了充分應用AI繫統需要掌握的要點。
·AI的現狀。目前的AI都是輔助性工具,“強AI”還無法在21世紀內......
本章將會總結目前以深度學習為代表的AI的大致情況,並對其已具有和尚未具有的能力進行歸納。 如本書引言所述,目前的AI作為一種輔助性工具,主要在圖像、聲音識別方面具有很強的實用性,而且發展迅速。我們可以預見,AI今後將與人類一樣擁有視覺、聽覺和讀寫能力,並被廣泛地應用到各個行業,取代人類完成一部分工作,很終在提升生產效率、創造社會財富和緩解勞動力不足方面發揮價值。 遺憾的是,目前大眾對於AI還存在很多認識上的誤區。比如,過度關注需要幾十年或幾百年纔能實現的“強AI”以及具有和人類同等知性的“通用AI”,並將它們與目前作為輔助性工具應用在商業領域的局部AI混淆。雖然後者在當前更為重要,但相關的討論,比如怎樣將目前已經成熟的AI技術應用於短期的企業戰略規劃,如何用AI重構業務流程、提高生產效率等話題,卻很少聽到。 事......
"