是否存在通用的神經(jīng)網(wǎng)絡(luò)模型，可以處理圖像，語(yǔ)音以及NLP？對(duì)于目前的深度學(xué)習(xí)模型，雖然深度學(xué)習(xí)的目標(biāo)之一是設(shè)計(jì)能夠處理各種任務(wù)的算法，但是深度學(xué)習(xí)的應(yīng)用還需要一定的專(zhuān)業(yè)化，目前還沒(méi)有通用的神經(jīng)網(wǎng)絡(luò)處理

是否存在通用的神經(jīng)網(wǎng)絡(luò)模型，可以處理圖像，語(yǔ)音以及NLP？

對(duì)于目前的深度學(xué)習(xí)模型，雖然深度學(xué)習(xí)的目標(biāo)之一是設(shè)計(jì)能夠處理各種任務(wù)的算法，但是深度學(xué)習(xí)的應(yīng)用還需要一定的專(zhuān)業(yè)化，目前還沒(méi)有通用的神經(jīng)網(wǎng)絡(luò)處理模型。然而，每一種模式也在相互學(xué)習(xí)、相互融合、共同提高。例如，一些創(chuàng)新可以同時(shí)改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)，如批量標(biāo)準(zhǔn)化和關(guān)注度。一般模型需要在將來(lái)提出。

圖像和視頻處理，計(jì)算機(jī)視覺(jué)，最流行的是CNN，卷積神經(jīng)網(wǎng)絡(luò)，它的變形和發(fā)展，CNN適合處理空間數(shù)據(jù)，廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)領(lǐng)域。例如，alexnet、vggnet、googlenet、RESNET等都有自己的特點(diǎn)。將上述模型應(yīng)用于圖像分類(lèi)識(shí)別中。在圖像分割、目標(biāo)檢測(cè)等方面，提出了更有針對(duì)性的模型，并得到了廣泛的應(yīng)用。

語(yǔ)音處理，2012年之前，最先進(jìn)的語(yǔ)音識(shí)別系統(tǒng)是隱馬爾可夫模型（HMM）和高斯混合模型（GMM）的結(jié)合。目前最流行的是深度學(xué)習(xí)RNN遞歸神經(jīng)網(wǎng)絡(luò)，其長(zhǎng)、短期記憶網(wǎng)絡(luò)LSTM、Gru、雙向RNN、層次RNN等。

除了傳統(tǒng)的自然語(yǔ)言處理方法外，目前的自然語(yǔ)言處理深度學(xué)習(xí)模型也經(jīng)歷了幾個(gè)發(fā)展階段，如基于CNN的模型、基于RNN的模型、基于注意的模型、基于變壓器的模型等。不同的任務(wù)場(chǎng)景有不同的模型和策略來(lái)解決一些問(wèn)題。

可以利用大數(shù)據(jù)來(lái)寫(xiě)詩(shī)歌嗎？

我不使用大數(shù)據(jù)來(lái)學(xué)習(xí)詩(shī)歌。讓我們借此機(jī)會(huì)發(fā)表一首我寫(xiě)的詩(shī)。

我去村溝底找泉水，可能是因?yàn)楦珊?。過(guò)去放牛的時(shí)候，水底看得清清楚楚，魚(yú)蝦游泳的春天也不見(jiàn)了。到處都是草，我沒(méi)辦法跟著。我艱難地走著，終于找到了泉水。我很驚訝。我喝了些水，洗了臉，在酒吧里拍照。寫(xiě)一首小詩(shī)。我希望你能糾正我。

我愛(ài)清澈的泉水，

她沒(méi)有泥濘的土壤，

沒(méi)有空氣污染，

魚(yú)蝦游泳，兩邊都是草。

她沒(méi)有好名聲，也不喜歡華麗的衣服。

我喜歡清泉。

在干旱的一年里，有的是干的，有的是看不見(jiàn)的，有的是睡的，有的是玩的。

你是唯一一個(gè)充滿(mǎn)朝氣和活力的人。

你躺在山上，

沒(méi)有煩惱，沒(méi)有煩惱，

沒(méi)有人看，沒(méi)有人唱，

但是你唱

奔向明天。

我經(jīng)常喝新鮮的泉水，多涼快，多甜。

AI國(guó)內(nèi)廠商看成績(jī)比外國(guó)公司厲害，為什么cpu卻感覺(jué)還不行？

硬件層面是國(guó)內(nèi)的痛。建議大家可以看看袁仁佑科技芯片的內(nèi)容。至于目前國(guó)內(nèi)的優(yōu)勢(shì)，確實(shí)是在軟件層面。移動(dòng)互聯(lián)網(wǎng)的成熟、數(shù)據(jù)的獲取、人員的集中，都使中國(guó)成為人工智能的第一個(gè)發(fā)展中心。我們可以看到，近年來(lái)首創(chuàng)的人工智能技術(shù)——曠世科技和尚唐科技，在人工智能領(lǐng)域取得了巨大的成功突破。在硬件方面，國(guó)內(nèi)的強(qiáng)項(xiàng)仍然是OEM，但這些AI公司也相繼投入研發(fā)硬件落地。相信在不久的將來(lái)，硬件將不再是中國(guó)的硬傷。