碼隆科技的CEO黃鼎隆根據自己公司在人工智能領域的3年經驗，分享了自己的三個武功秘籍：豬跑學，殺雞學，遛驢學。
閱讀本文之前，邀請你思考幾個問題：
人工智能領域有哪些知名的競賽？
這類競賽的目的和價值是什么？
PS：本身的所有的注釋為個人的補充或詮釋，不代表嘉賓的觀點。
嘉賓主要分享內容如下：
- 工智能領域過去十年最成功的PM
- 武功秘籍：豬跑學，殺雞學，遛驢學
1.誰是人工智能領域過去十年最成功的PM
假如你是18世紀的產品經理，出現了“蒸汽機”，你要看一看；
假如你是19世紀的產品經理，出現了“發電機”，你一定要看看；
假如你是20世紀的產品經理，出現了“計算機”，你一定要警覺了；
如今出現了“人工智能”，就跟之前的幾個時代一樣，你要放下手頭的事情，抬起頭了。
人工智能不是新的東西，已經幾十年了，而過去10年嘉賓認為最成功的產品經理就是李飛飛。
李飛飛是斯坦福大學終身教授和該校人工智能實驗室主任，因主導創立的 ImageNet 項目而在機器學習學界知名，加入了 Google 云計算部門（以下簡稱 Google Cloud）擔任首席科學家，在該部門旗下領導一個新成立的人工智能和機器學習 (AI/ML)研究團隊。
為什么嘉賓會覺得李飛飛是最成功的PM，因為她做了成了三件事情：
- 定義問題：讓你開發一個計算機系統，讓他去看一張圖片，讓他分辨這里面是貓是狗。
- 調動資源：聚合了大量的資源，爭取了大量的經費，匯集了全球最聰明的人才來一起解決問題。
- 解決問題：2012年深度學習，識別率提高了10%；2015年讓計算機的精準度超過了人類。
「ImageNet」斯坦福大學每年都會舉行一個比賽，邀請谷歌、微軟、百度等IT企業使用ImageNet——全球最大的圖像識別數據庫，測試他們的系統運行情況。每年一度的比賽也牽動著各大巨頭公司的心弦，過去幾年中，系統的圖像識別功能大大提高，出錯率僅為約5％（比人眼還低）。它的締造者就是斯坦福大學的李飛飛教授，下一步就是圖像理解，她開啟了Visual Genome（視覺基因組）計劃，要把語義和圖像結合起來，推動人工智能的進一步發展。
2. 嘉賓分享了自己的“武功秘籍”
豬跑學：沒吃過豬肉，還沒見豬跑？
人工智能只是一個基礎，就跟電力一樣，最重要對使用這個能力的行業精通。嘉賓介紹了自己的公司都做了哪些事情：
- 紡織：找面料很難，很難用語言去描述，提供這樣一個圖片匹配技術，跟行業的人對接。
- 家具：如果你想要找自己的家具，圖片去找柜子，桌子，椅子，盆栽。
- 陶瓷：拍一個杯子，找到這個杯子的生產工藝。
- 時尚：拍下自己的照片，通過衣服尋找到社區內同樣衣服的人穿搭建議。
- 搜圖：拍攝報紙的圖片，找到這個圖片的視頻。
殺雞學：殺雞就要用牛刀
在互聯網時代夠用就好，而在人工智能領域了就要用牛刀，用最強的技術解決一個小問題。
- 在互聯網里獲得數據，數據是不干凈的，里面有大量的噪音，很難用監督式的深度學習。
- 我們打造半監督學習方法，利用有噪聲的數據，進行深度學習訓練。
- 我們參加webvision取得了第一名，而且遠遠領先第二名，達到人眼識別的標準。
接棒 ImageNet 的 WebVision 競賽：難度更高，更貼近實用。WebVision 競賽由蘇黎世聯邦理工（ETH）、Google Research、卡耐基梅隆大學（CMU）等共同組織，被譽為接棒 ImageNet 的競賽。ImageNet 和 WebVision 皆專注于物體識別，使用相同的 1000 個物體類別進行識別競賽；但兩者數據的純度和平衡度有根本差異。
遛驢學：是驢是馬拉出來遛遛
在人工智能領域，很容易提出很酷炫的想法，我們每天都會收到了很多天馬行空的需求和想法，這里大部分都是不現實的，要不是技術達不到，要不是需求不夠硬。
- 要把產品真的做出來，拿到市場上去驗證。
- 對于技術邊界很清楚，但人工智能技術邊界推動的非常快，對于3到6個月之后技術到什么程度，要做一個預判。
分享后面部分都是介紹「碼隆科技」公司的一些獎項了，這里就不做太多的說明了，以上就是就整篇的內容分享，以及我的部分詮釋。
如果對你所有幫助，歡迎轉發給自己的小伙伴或朋友圈，來給予作者支持，謝謝。
