脸书的技术也是顶级的了，都能把图片里的黑人识别成猩猩。车牌识别这么简单的东西，天黑了角度有点不对就识别错误。总之，和预想中的还是有差距
【 在 buaalx2 的大作中提到: 】
: 所以最先进的识别到了什么程度了，识别一张图里的所有要素能达到人类的水平嘛  
: --

发自「今日水木 on V1829A」
--
FROM 171.219.75.*

棋类运动是最简单的适合机器学习的问题
自动驾驶的视觉处理，就最简单的物体切分就很难。

最简单的例子就是巨幅马路照片和实际马路在视觉处理是很难区分的
还有半遮挡的红绿灯、标志牌等，都不太好识别

还有特斯拉吹的全视觉处理，没有雷达的话，晚上一个全身黑衣服的人站马路上就绝对识别不出来，雷达反而很轻松可以搞定


【 在 litra 的大作中提到: 】
: 以前关注过围棋的阿尔法go，通过输入大量的职业棋谱进行训练，最后超越职业棋手水平
: 阿尔法zero，完全抛弃人类棋谱，靠自对弈逐渐进化，最终超越阿尔法go
: 特斯拉的也是每天采集大量人类的驾驶数据进行训练，有些特殊场景可能还是需要自己模拟来训练，最终达到超越人类驾驶技术的水平
--
FROM 218.247.161.*

别这么自信
特斯拉暂时是数据量攒的多
中国车销量上来了，数据收集到一定程度，比神经网络学习中国人还是不怵任何人的


【 在 DoubleH 的大作中提到: 】
: 这么说吧，如果这个路线能成功，那一定是特斯拉
: 发自「今日水木 on EARTH」
--
FROM 218.247.161.*

语音识别早就很牛了啊，科大讯飞就是干这个的
至于印度口音那就更简单了，印度人听都没有问题，那机器识别相对于其他语言难度是一样的

【 在 fogsnow 的大作中提到: 】
: 可以看看油管上的自动生成字幕，这两年是有了显著的提高
: 正常的就不说了，连老印的这种口音都能够精准识别
:
--
FROM 218.247.161.*

美国、国内几家it巨头，甚至旷世等，还请得起大牛，能搞搞新模型、新算法。
车企哪家有这个本钱？看见那些吹的人就讨厌

【 在 heagle 的大作中提到: 】
: 所以说ai和码农没啥关系，只是被码农拿来用
: 核心还是传感器和算法
--
FROM 222.128.117.*