深圳到伊寧整車物流公司

深圳到伊寧整車物流公司到年這是我想實(shí)現(xiàn)的一個(gè)目標(biāo)?！睒I(yè)務(wù)層面，庫(kù)柏特的主要客戶集中在物流行業(yè)。物流是一個(gè)勞動(dòng)非常密集的行業(yè)，數(shù)據(jù)顯示，中國(guó)每天有2億個(gè)包裹需要運(yùn)送，而這2億個(gè)包裹是用人的手來(lái)分揀，同樣的動(dòng)作每天需要6億次。統(tǒng)計(jì)下來(lái)，每一年至少有萬(wàn)人在做分揀。李淼說(shuō)，機(jī)器人相對(duì)人來(lái)做極大節(jié)省成本，一臺(tái)機(jī)器人可以替換4-5個(gè)人，至少節(jié)省一半以上成本。

而且機(jī)器人不只是節(jié)省成本，現(xiàn)場(chǎng)很多公司根本招不到人，因?yàn)楝F(xiàn)在的年輕人都是后和后，不愿意干這些無(wú)聊重復(fù)的活。深度學(xué)習(xí)：不知道多少數(shù)據(jù)適用AI的下半場(chǎng)是數(shù)據(jù)之爭(zhēng)。關(guān)于AI，工業(yè)界和學(xué)術(shù)界一直有一個(gè)很大的分歧，學(xué)術(shù)界認(rèn)為算法很重要，工業(yè)上更強(qiáng)調(diào)場(chǎng)景。李淼堅(jiān)定認(rèn)為，場(chǎng)景肯定是大于數(shù)據(jù)。

數(shù)據(jù)大于算法。因?yàn)閷?duì)于創(chuàng)業(yè)公司，AI的算法很難獨(dú)享。而且算法都是基于機(jī)器學(xué)習(xí)，本質(zhì)上需要大量廉價(jià)、可靠的數(shù)據(jù)，才能讓算法又用武之地。但是，數(shù)據(jù)訓(xùn)練有一個(gè)很大的問(wèn)題，不知道數(shù)據(jù)什么時(shí)候是合適的。

數(shù)據(jù)有2個(gè)維度，一個(gè)是質(zhì)量的維度，不知道這個(gè)數(shù)據(jù)在維度是否是足夠，比如要分辨很多人說(shuō)話，單純通過(guò)錄音是不是足夠的，是否還需要拿其他的視覺(jué)信息才能分辨出來(lái)。比如自動(dòng)駕駛，有的人用雷達(dá)，有的人將激光，GPS以及深度攝像頭做技術(shù)融合，但沒(méi)人能保證多少種技術(shù)是足夠的，所以只能不斷加傳感器，但很多人其實(shí)是假想它是足夠。還有一個(gè)維度是數(shù)量是否足夠，為什么深度學(xué)習(xí)是萬(wàn)個(gè)數(shù)據(jù)能夠讓這個(gè)算法跑起來(lái)，而不是兩萬(wàn)、一萬(wàn)，它的下線是什么。

上線在哪，沒(méi)人能想清楚。李淼舉例說(shuō)：“我們之前在一個(gè)食品的案例里面，測(cè)了一個(gè)萬(wàn)組的數(shù)據(jù)，后來(lái)發(fā)現(xiàn)萬(wàn)組也夠，2萬(wàn)組效果也差不多。而要做萬(wàn)組數(shù)據(jù)需要的人力成本非常高，而2萬(wàn)數(shù)據(jù)的人力成本低很多?！痹诓煌膱?chǎng)景下，數(shù)據(jù)的要求也不一樣，比如人臉識(shí)別和語(yǔ)音識(shí)別場(chǎng)景需要的數(shù)據(jù)不同，但是沒(méi)人能分析為什么。無(wú)論從數(shù)據(jù)的質(zhì)量維度和數(shù)量維度分析，本質(zhì)上是因?yàn)樯疃葘W(xué)習(xí)理論上難以支撐。

人能夠舉一反三，觸類旁通，但是機(jī)器不能。人首先要模仿，從常識(shí)轉(zhuǎn)化為經(jīng)驗(yàn)，經(jīng)驗(yàn)轉(zhuǎn)化為模型，模型轉(zhuǎn)化為終的選擇。而大多數(shù)的算法還停留在常識(shí)階段。云從科技創(chuàng)始人周曦此前在接受采訪時(shí)說(shuō)：“深度學(xué)習(xí)是非常龐大的一個(gè)網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)很好，技術(shù)能做出非常好的結(jié)果。