29 3月

不拼一下,你就死了

熟悉我的人都知道,我在一家国企工作。

一份非常不高大上甚至说很Low的工作。如果要说具体职位,用打杂来形容一点也不为过。这份工作收入不高,但胜在比较轻松。可就是这样一份工作,我也已经是整个公司里最忙碌的人了,剩下大多数人的工作除了逛淘宝、吃东西、刷朋友圈和开着无边无际的玩笑外,似乎也没其他的事可以做。即使偶尔有点活也会犯连名字都打错的低级错误。

其实,我一点也不相信什么“能者多劳”这样的毒鸡汤。偶尔地,我只是庆幸至少还没被带进“习惯懒惰”这个“舒适圈”内。至少我还在看似毫无用处地学习着,逼迫自己拥有“即使离开体制也能存活”的能力。

最近很多文章忧心忡忡地谈及未来人工智能即将取代工作机会,即使以我浅显的视野来看,这些闲人们似乎更难逃厄运。当然,我不是国家政策的制定者,连参与者或许也称不上,但即使机器人没有抢去我的饭碗,国企终将改革这件事我也十分确定在我有生之年必将目睹。

上世纪九十年代那会,下岗潮突袭,有段时间,我的父母双双买断在家。某天,由于作业本没带,不得不在中午吃饭的时间回家拿。打开家门,看见父亲安静地坐在沙发上,阴沉着脸。对于懂事较晚的我而言,那段记忆,父亲的那个表情我想我永身不会忘记。

小的时候我也曾幻想,到了我如今这个岁数的时候,我应该拥有什么样的生活。可我从未想过的是,我会在体制内的这样一个企业过着所学毫无用处、所做毫无认同、对于未来的事业发展完全看不到头的日子。

■■

14年的时候,看到一个不知是不是段子的段子。

马云说:员工的离职原因很多,但其实就两点:1、钱,没给到位;2、心,委屈了。

后来我把这段东西转发在我的个人博客网站上,于是有人评论说这些不够全面。

关于这些我个人有些理解。钱没给到位,其实更准确的来说是钱给的不公平,这里的公平有两层含义:第一,相比于行业内其他企业,这个一般一定是给少了,可以用没给到位涵盖;第二,是企业内部类似岗位之间的,有时候因为企业内部激励机制的不公平也会导致员工离职。

这里面如果拿我前面例子来说就是,同样的岗位,有的人天天啥也不干,喝茶、看报却拿着不比我少的薪水,甚至更多。

再更进一步讲就是“心,受委屈了”

所谓“没有对比没有伤害”莫过于此。

■■■

前段时间我偶尔发现一个道理,这世界上大多数的事都离不开套路,而大自然的套路我们称之为自然法则。

智人从非洲大陆一路走来,战胜了冰河时期的寒冷,打败了称霸一方的尼尔德特人,灭绝了这世界大部分的猛兽,一直能够走到今天依靠的便是弱肉强食。

对于在丛林中生活的智人,本就没什么公平可言。你不可能和一只已经把你扑倒在地的剑齿虎说“ちょっと待って(等一下),我的同伴比我的肉更香更可口,还是个光棍,你为什么不吃他?毕竟我上有老下有小啊。”

要想活命只有两条路,一是祈求神仙保佑,二是和它拼了。幻想着啥也不干就能活的那就是笑话。

就个人而言,相较于第一条,第二条可能更靠谱一些。

毕竟,不拼一下,你就死了。

contact

02 3月

人工智能、机器学习、深度学习与物联网

原文作者:Calum McClelland
翻译:Hauegnzhays(沟小沟)
原文链接:http://www.leverege.com/blog/artificial-intelligence-machine-learning-and-deep-learning
本文已取得转载及翻译授权
图片授权:原文图片及基于CC0协议

1

AI(人工智能 Artificial Intelligence),这个计算机行业的专业术语,近年来随着终结者、黑客帝国、机械姬此类关注极高的电影的出现,于这个时代的人们而言已不再陌生。可时下经常出现的,“机器学习”、“深度学习”,却经常混淆着人们对于人工智能的理解。

本文将从人工智能(AI)、机器学习(Machine Learning)、深度学习(Deep Learning)的定义开始,解释他们的不同之处。继而分享当这几种科技基础得到提升后,AI将会如何与物联网(Internet of Things)交织在一起的,以及随后可能产生的爆炸性发展。

人工智能(AI)、机器学习(ML)与深度学习(DL)的区别是什么?

jeff-sheldon-3228

John McCarthy 于1956年首次提出:能够使用人类智慧特征执行任务的机器,便是人工智能(AI)。换而言之,具有制定计划、理解语言、识别物体与声音、学习和解决问题这类能力的机器皆可称之为人工智能(AI)。

通常把人工智能(AI)分为两类:普通AI和狭义AI。普通AI拥有人类智慧的所有特征,如同上面提到的所有这些能力。而狭义的AI仅具有人类智慧某些方面的能力,且在这些方面做到极致,但在其他方面却表现贫乏(例如打败李世石的Alpha Go)。一个仅具有极其强劲图像识别功能的机器,便是一个典型的狭义AI。

核心是,机器学习是实现人工智能(AI)最方便的路径。

Arthur Samuel随后于1959年给AI追加了一个定义,“一种不需要精确编程便能自主学习的能力”。所以,如果说机器学习和人工智能(AI)没有关系,那便意味着需要写数以百万行计具有复杂规则的代码和决策树。(只是比喻..比喻)

markus-spiske-207946

机器学习(Machine Learning)通过 “训练”算法自主学习,从而替代人工枯燥地敲代码、指令。这种“训练”通过在算法中灌入的巨量数据,并且允许算法自我调整与改进。

举例来说,图像识别(让机器在一张图片或视频中识别一个物体)就是一种机器学习的应用。试想,现有一万张照片需进行分类。有的人可能会把照片分为两类,一类照片中有猫咪,另一类没有。而算法可能也会这样,通过建立一个精确判别照片里有无猫咪的模型来进行分类。一旦这个精确度高到一定程度,机器便顺便”学会”了猫咪长什么样子。

(事实上此类应用非常广泛,各种通过照片测试年龄、颜值的App便是这个原理)

深度学习(Deep Learning)是许多接近于机器学习的算法之一。其他接近于机器学习的算法包括决策树、逻辑归纳、聚类算法、强化学习算法和贝叶斯网络等等等。

深度学习是一种受到大脑结构功能而启发的算法,即神经元的相互连接。人工神经网络(Artificial Neural Networks)是一种模仿大脑生物结构的算法。

在人工神经网络中,”神经”拥有离散层,并与其他“神经”相互连接。网络中的每层”神经”挑选出一个特征进行学习,例如图像识别中的识别图像边缘功能。至于深度学习中的深度二字,只是因为相较于单一层级而言,人工神经网络(ANNs)拥有更多的层级罢了。

randall-bruder-136626

人工智能(AI)与物联网(IoT)

我认为人工智能(AI)和物联网(IoT)的关系类同于人脑与身体的关系。

身体在感受到光、声音、触感后,这些信息会传递至大脑,而大脑会将这些进行收集与理解。光,使我们可以识别物体;声音,使我们可以理解讲话。随后大脑会做出决策,将信号传达至身体并指挥行动,例如捡起东西、说话。

事实上,物联网中的那些传感器使得物联网及其相似于我们的身体,因为传感器可以搜集世界上实时产生的原始数据。而人工智能更像是我们的大脑,理解、运用这些数据并做出决策。最终,所有与物联网相连的设备再次像我们的身体一样,做出物理反应或者传输信息等等。

释放潜能、互相作用

机器学习与深度学习的发展使得人工智能(AI)这些年取得了巨大飞跃。机器学习和深度学习需要巨量的数据才能工作,这些数据得益于数以亿计的物联网传感器的持续工作。所以说,物联网使得人工智能更加智能化

开发人工智能(AI)也将驱使物联网的接受度不断提高,创造良性循环的同时使得这两个领域的增长速度爆炸。这是因为人工智能使得物联网更具有价值

工业方面,人工智能可以提前预测机器维护周期、分析制造工艺等,从而极大地提高效率,省下巨额开支。

对于消费者而言,通过人工智能只需简单地通过告诉机器我们的需求即可,而无需点击鼠标、输入或搜索。这些需求可能是询问天气或者其他家具行为(关灯、锁门等等)。

(比如说Siri,比如说百度等导航。)

thomas-kvistholt-191153

科技进步将使得这一切都将变为可能

微芯片和不断提高的科技制造业意味着更便宜和更强大的传感器。

快速提高的电池技术意味着这些传感器可以不用充电而使用更长的时间,甚至以年为计量单位。

无线连接,通过智能手机的的连接,意味着数据可以用更快的速度传输更多的内容,上传至云端。

事实上,云的出现已经实质性地意味着无限的计算能力与储存空间。

当然,仍有一些关注点是AI对于社会和我们未来的担忧。但AI和物联网接受度持续提高的同时,有一件事上肯定的。这些影响都是深厚的。