http://www.datiegun.com/huangguan/
http://www.datiegun.com/qwe/
http://www.jinyiren.com/caipiao/
http://www.zxdu.net/caipiao/
http://www.jinyiren.com/hg0088/
http://www.mingzuwu.com/bjpk10/
http://www.gcwzj.com/caipiao/
http://www.gcwzj.com/yule/ 【组图】无忌:机器学习能否颠覆娱乐产业,90后帅哥晨勃无忌图,功夫机器侠之南拳免费,一无忌惮有冲劲 - 皇宫影视制片网-中国皇宫
虚位以待 AD 1000*90

【组图】无忌:机器学习能否颠覆娱乐产业

时间:2017-06-14 06:46:59来源:综合

原标题:无忌:机器学习能否颠覆娱乐产业

    当机器学习逐渐深入到各个领域中,人类自诩的优势地位一次次被挑战,而娱乐产业这个人类自己为自己创造的事物,是否会受到机器学习的影响?风霆迅数娱执行总裁无忌认为现阶段的算法与模型还不足以满足感性维度的考量,然而当娱乐与人都完成了数字化及信号化进程之后,娱乐产业将产生巨大变革。

  记者:你对机器学习领域的现状怎么看?

  无忌:有一种流行的说法,叫“ABC改变未来”,AI、Big Data、Cloud Computing,其实我把这三件事的普及应用统一叫做“机械胜利”。大数据和云计算很好理解,就好比修桥铺路,地面交通的发展很大程度上受路桥建设的影响,每一个运算元件和存储元件的进步,也就是机械的进步,都是提升路桥的承载能力。对于云计算和大数据来说,这些信息数据不是凭空创造出来的,而是本身就存在的或者潜在的,只是我们以前没有能力去收集和解析它们。现在机械进步让我们有机会更宏观的或者更微观的去探究。

  而我理解人工智能是一个很广的范畴,因为人类的智能非常复杂,还有很多未知的领域,很难仅仅用机械模仿就能完成。但是如果我们只讨论机器学习,就简单一些,现在绝大多数人工智能的热潮也都集中在机器学习的范围内。所以基本上还可以说是“机械胜利”,我们可以想象一个无穷强悍的CPU,有无穷多的Register和Cache,可以同时处理无穷多个指令或映射,而且还不知疲倦,保持高度集中力,那一定在某些方面比人脑要强的。结合算法和模型层面的进化,所以我想大家对于Alpha Go的胜利应该并不意外。

18-934550-13.jpg

  风霆迅数娱 执行总裁 无忌

  记者:你认为现在哪种机器学习算法更有发展前景?

  无忌:这个很难说,先说监督学习吧。像现在应用比较多的Logistic、NaiveBayes、SVM、KNN、决策树、Neural Network之类的,本质上更多还是概率和回归,用已知推未知,所以容易陷入到不完全归纳的困境里,对样本的依赖性都强。其实算法没有很大的优劣之分,只是相对而言我个人更喜欢BP神经网络,因为更生物化,更类似生物体的决策模型,当然神经网络也有弊端,比如隐层的函数和结构还没有定论,而且就像生物体的神经网络一样,比较难处理复杂的学习问题。

  再说普遍认为比较高级的无监督学习,无监督学习更深层模拟了人脑的处理过程,我习惯用神农尝百草来比喻无监督学习,如果神农单纯使用监督学习的模式,可能给人类做不了多少贡献就飞升了。这就是人脑的强大之处,也是现在机器学习的一个难点,或者说发展点。无监督学习的模型现在全世界都在探索。

  记者:你认为机器学习会给娱乐产业带来进步么?或者毁灭?

  无忌:这个问题好像现在很少有人去谈,可能因为题目太大了,怎么谈都是妄谈。人类的娱乐自古以来就是感性和理性的综合体,而且感性要占很大一部分。古人有一个时期不重视感性,后来发现行不通,人生不完整。就像古希腊人很重视阿波罗,象征理性,奥林匹斯山上仅次于宙斯、赫拉,而且以前奥林匹斯山上是没有狄俄尼索斯的位置的,但后来古希腊人发现感性很重要,才把他安排进去。

  机器学习其实面临了同样的现状,我们有阿波罗,但是没有狄俄尼索斯,我们用机器学习模仿理性的识别和决策过程似乎简单一点,但感性维度怎么建模?怎么赋权?古往今来娱乐从形式到内容的更迭好像存在很大的先验因素,而非经验。当然也存在像“饮食男女”这样亘古不变的主题,但是要依靠现有的信息建立机器学习的模型,非常难。

  记者:那么你是认为机器学习不会给娱乐行业造成影响么?

  无忌:当然不是。我们先把娱乐笼统的分成互动娱乐和非互动娱乐。互动娱乐和人工智能、或者说机器学习的融合比较好理解,就好比我们玩游戏时的敌人难度和NPC反应,机器学习就可以帮我们构建一个具备自我学习能力的虚拟世界。

  但是非互动娱乐就存在很大的难点,即使我们能够收集极其庞杂的历史信息、社会信息,甚至创作者和欣赏者微乎其微的个人信息和群体信息,构建一套双向反馈的、复杂度极高的算法,也很难提高娱乐产品的接受程度、更难预测娱乐产品的更迭方向。从印象画派、学院画派、波普艺术、古典主义音乐、浪漫主义音乐,到舞台剧、电影,每一种娱乐产品的创生都存在一定的不可预知和不可分析性。

  但其实这里有一个很巧妙的地方,在参与互动娱乐的过程中,人的大多数信息都完成了信号化,简单举例就是人激动时手速就产生变化、生病时操作风格就产生变化等等。通过互动,计算机完成了表象信号的采集,然后就可以进入识别、归类、处理的过程里,并且实时反馈。这样比较,所有非互动娱乐要解决的问题就显而易见,其一是如何进行信息的采集和转化,其二是如何进行反馈和优化。

  所以既然是妄谈,我可以做一些猜想,未来的信息采集一定会深入我们的血液、细胞中,并且我们能够实时破译绝大多数的生物信息。另外,娱乐产业一定会出现更多的动态娱乐,或者说为了追求更好的娱乐效果,一切非互动娱乐都将出现互动要素,而且会不断出现更深层的互动模式。

  记者:你判断这个未来要等多久呢?

  无忌:其实把这个过程分成三部吧,第一阶段是娱乐的数字化,第二阶段是人的数字化,第三阶段是交互的数字化。第一阶段已经相对成熟了,而且还在快速发展,几十年前人们还很难想象娱乐数字化,现在几乎每天都在突破人们的想象力。第二阶段在进行中,并且已经取得了很大成果,第三阶段需要进一步将这种“数字化”转变为“信号化”,进而去完善交互和自我升级,我相信不会让我们等太久。

  记者:那么贵公司有将机器学习应用到数字娱乐的产品中么?或者有这种计划么?

  无忌:我们在尝试和探索,但是就像我说的,机器学习和娱乐的融合还有很长的路要走。但我们依然会继续积极布局、不断学习,希望能够和大家一起见证机器学习颠覆娱乐产业的那天。

虚位以待 AD 300*250

声明:本网部分信息转载于其他网站,如稿件涉及版权等问题,请联系我们!