热门标签 | HotTags
当前位置:  开发笔记 > 后端 > 正文

营销者的必修课:区分“人工智能”和“计算机视觉”

营销者的必修课:区分“人工智能”和“计算机视觉”

营销者的必修课:区分“人工智能”和“计算机视觉”

编者按:“人工智能”和“计算机视觉技术”将给社会带来极大的转变,这是不可否定的事实。但在与某些行业高管的交流中发现,一部分人对“人工智能”和“计算机视觉技术”的理解还比较模糊。作者 Jon Stubley 在本文中,他对“人工智能”和“计算机视觉技术”展开了介绍,并论述了了解两者区别的必要性。

“人工智能”和“计算机视觉”分别是什么?两者相同吗?

简单地说,“人工智能”指的就是使用计算机系统来完成那些通常需要人类智能的任务。比如语音识别、语言翻译、智能决策和视觉感知。“计算机视觉技术”就是其中之一。“计算机视觉技术”能够将机器处理、理解视觉数据的能力表达出来,然后把我们人类眼睛所能做到的事情变成机器自动化操作。

因此,用一个外行人的话来说,“计算机视觉”就是应用于视觉方面的“人工智能”。

“人工智能”为何突然进入大众的视野?它貌似是今年的“物联网”?

“人工智能”已经存在了几十年了。伴随着数据技术能力进步,大量“人工智能”相关报道也进入了公众的视野。

在2011年,我们迎来了最重要的突破之一。

直到目前,很多科学家们都还一直认为,为了让机器按照人类的方式思考和交流互动,我们需要先将大量的知识数据上传至电脑,然后再上传处理这些数据的规则和方法,比如一门语言的语法规则。

研究者们一直认为只有按照这样的程序才能处理数据,直到2011年,谷歌的人工智能研究专家们突然产生了一些新的想法和灵感。那些研究深度学习和计算机系统的专家们,对数据处理方式作了一些改变。他们没有将规则上传至计算机,而是向计算机提供了大量经过精确标记了的数据,让机器自己进行分析,这一过程被称为“监督学习”。然后,机器就能够根据已标记的数据,自己识别出未经标记的数据。

一项具有里程碑意义的测试显示,机器在诊断糖尿病性视网膜病变时,能够检测出假阳性和假阴性病变,检测结果准确率达到了90%,而人类医生的检测准确率只有80%。

这一巨大突破还给我们带来了一些数字个人助理,比如Alexa、Cortana、Siri和谷歌助理等。

如何利用“计算机视觉技术”?

“计算机视觉技术”在现在已经有了许多日常的应用,而且你很可能正在使用这些应用。用“谷歌翻译”来解读外国菜单或外文路标,或者用搜索词条在“谷歌图库”中搜索照片——这些都是“计算机视觉”的日常使用形式。

在各行各业中,有太多“计算机视觉”技术使用的例子了,但其中使用最先进的应该是在家庭和城市的医疗保健、交通运输领域。

在医学领域,图像识别技术越来越多地被用于扫描分析,比如X射线、MRI、CAT、乳房X光检查等。因为90%的医学数据都是图像数据,而且计算机对图像的分析与人类水平相当,甚至高于人类的分析水平,所以图像识别技术的使用会继续加深。除此之外,“计算机视觉”技术还被用于现实生活。

“自动驾驶汽车”也是一个很好的例子。如果让一辆特斯拉自动行驶,那么它就会开启和使用许多摄像头和声波定位仪,以防跨车道行驶造成事故。同样,“计算机视觉技术”在“智能城市”也在不断地发展、进步。

亚马逊最近在英国尝试用无人机送货,其中就用用“计算机视觉”技术来侦测和避开障碍物。所以我们很快将体验到无人机上门送外卖的服务了。

“计算机视觉技术”对营销将产生何种影响?

每秒钟都有大量的图片被上传和分享,我们需要处理这些多到惊人的图像数据,“图像识别技术”是一个必不可少的工具。公司利用“图像识别技术”来提供合适的图像和屏幕广告,以及社交媒体和体育赞助品牌的分析和评价。

未来,它还将被用于许多营销应用程序,它将改变购物和销售(将来,你可能能够通过Siri、Alexa或其他应用买衣服)模式;优化市场定位或进行其他的实时优化。

它甚至还能被用于天才机器人的开发。最近,日本“麦肯”打造了一个人工智能创意总监机器人,并让其与一个真正的总监进行竞争,两者同时为Clorets薄荷标签策划广告。今年初,比赛的结果在英国IAB活动上被公布。令人遗憾的是,行业高管们更喜欢机器人总监的广告策划。

不管最后的结果如何,不可否定的是,计算机视觉在不断进步,它将逐渐融入我们行业的几乎所有领域,成为行业的一部分。

注:本文由「图普科技」编译,您可以关注微信公众号tuputech,体验基于深度学习的「图像识别」应用。


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 我们


推荐阅读
  • 每日一书丨AI圣经《深度学习》作者斩获2018年图灵奖
    2019年3月27日——ACM宣布,深度学习之父YoshuaBengio,YannLeCun,以及GeoffreyHinton获得了2018年的图灵奖, ... [详细]
  • 能够感知你情绪状态的智能机器人即将问世 | 科技前沿观察
    本周科技前沿报道了多项重要进展,包括美国多所高校在机器人技术和自动驾驶领域的最新研究成果,以及硅谷大型企业在智能硬件和深度学习技术上的突破性进展。特别值得一提的是,一款能够感知用户情绪状态的智能机器人即将问世,为未来的人机交互带来了全新的可能性。 ... [详细]
  • 「爆干7天7夜」入门AI人工智能学习路线一条龙,真的不能再透彻了
    前言应广大粉丝要求,今天迪迦来和大家讲解一下如何去入门人工智能,也算是迪迦对自己学习人工智能这么多年的一个总结吧,本条学习路线并不会那么 ... [详细]
  • 自动驾驶中的9种传感器融合算法
    来源丨AI修炼之路在自动驾驶汽车中,传感器融合是融合来自多个传感器数据的过程。该步骤在机器人技术中是强制性的,因为它提供了更高的可靠性、冗余性以及最终的 ... [详细]
  • 当前,众多初创企业对全栈工程师的需求日益增长,但市场中却存在大量所谓的“伪全栈工程师”,尤其是那些仅掌握了Node.js技能的前端开发人员。本文旨在深入探讨全栈工程师在现代技术生态中的真实角色与价值,澄清对这一角色的误解,并强调真正的全栈工程师应具备全面的技术栈和综合解决问题的能力。 ... [详细]
  • 本文介绍了实现人工智能的多种方法,并重点探讨了当前最热门的技术——通过深度学习训练神经网络。文章通过具体实例详细解释了神经网络的基本原理及其应用。 ... [详细]
  • OpenAI首席执行官Sam Altman展望:人工智能的未来发展方向与挑战
    OpenAI首席执行官Sam Altman展望:人工智能的未来发展方向与挑战 ... [详细]
  • 通过使用CIFAR-10数据集,本文详细介绍了如何快速掌握Mixup数据增强技术,并展示了该方法在图像分类任务中的显著效果。实验结果表明,Mixup能够有效提高模型的泛化能力和分类精度,为图像识别领域的研究提供了有价值的参考。 ... [详细]
  • Python与R语言在功能和应用场景上各有优势。尽管R语言在统计分析和数据可视化方面具有更强的专业性,但Python作为一种通用编程语言,适用于更广泛的领域,包括Web开发、自动化脚本和机器学习等。对于初学者而言,Python的学习曲线更为平缓,上手更加容易。此外,Python拥有庞大的社区支持和丰富的第三方库,使其在实际应用中更具灵活性和扩展性。 ... [详细]
  • 我是如何快速拿下datacastle图像识别竞赛“猫狗大战”冠军的 | 含全代码和详细说明...
    接触数据挖掘快有一年了,早期在学生团队做过一些D3数据可视化方面的工作,今年上半年开始数据挖掘实践。想把这个爱好发展成事业。有在kaggle混迹 ... [详细]
  • TensorFlow入门上
    前置准备在阅读本文之前,请确定你已经了解了神经网络的基本结构以及前向传播、后向传播的基本原理,如果尚未了解,可以查看下文。神经网络初探​chrer.com也可以直接在我博客阅读Te ... [详细]
  • 分享篇:第十届“泰迪杯”数据挖掘挑战赛农田害虫图像识别(特等奖)一
    1.1赛题背景昆虫的种类浩如烟海,农田常见的昆虫是人工生态系统的重要组成部分。分辨益虫和害虫,保留益虫,消灭害虫,对于减轻害 ... [详细]
  • 基于深度学习的遥感应用
    文章目录深度学习的发展过程深度学习在遥感中的应用基于深度学习的遥感样例库建设基于深度学习的遥感影像目标及场景检索基于深度学习的建筑物提取基于深度学习的密集建筑物自动检测基于深度学习 ... [详细]
  • Linux环境下MySQL的安装与配置
    本文详细介绍了在Linux系统上安装和配置MySQL的步骤,包括安装前的准备工作、下载和解压安装包、初始化数据库、配置文件编辑、启动服务以及设置开机自启动等。 ... [详细]
  • 独家解析:深度学习泛化理论的破解之道与应用前景
    本文深入探讨了深度学习泛化理论的关键问题,通过分析现有研究和实践经验,揭示了泛化性能背后的核心机制。文章详细解析了泛化能力的影响因素,并提出了改进模型泛化性能的有效策略。此外,还展望了这些理论在实际应用中的广阔前景,为未来的研究和开发提供了宝贵的参考。 ... [详细]
author-avatar
mobiledu2502901927
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有