【百度联盟峰会】李彦宏详解AI时代思维方式,算法驱动的降维攻击

百度创始人李彦宏在2017百度联盟峰会上提出,互联网只是前菜,人工智能才是主菜。并分享了AI时代的五大思维方式,包括手机虽长期存在但移动机会减少、从移动思维转向AI思维、软硬结合重新定义以人为本、数据与算法的重要性,以及AI思维做互联网产品的降维打击。

新智元报道

来源:百度

  【新智元导读】今天在百度联盟大会上,李彦宏发表演讲,阐释AI时代的思维方式:①手机还会长期存在, 但移动的机会不多了 ②From think Mobile to think AI ③软硬结合,重新定义"以人为本" ④数据秒杀算法, 算法推动社会进步 ⑤用AI思维做互联网产品就是降维攻击

  以“智能革命 生态进化”为主题的2017百度联盟峰会于5月23日在重庆举办。百度创始人、董事长兼首席执行官李彦宏,百度高级副总裁、百度搜索公司总裁向海龙及众多高管来到峰会现场,与数百位联盟伙伴、互联网创业者共同探讨了AI时代的思维方式及百度联盟的生态进化。以本次峰会为起点,十五岁的百度联盟正着力打造无边界的智慧共赢新生态,驱动AI赋能80万联盟伙伴,带动各行各业开启通往人工智能新世界的大门。

  李彦宏提出:互联网只是前菜,人工智能才是主菜。互联网出现之前,人与人可以交流,人与物无法沟通;互联网时代,提高了人与人的沟通效率;人工智能时代,从根本上解决人与万物交流的问题。因为,人工智能就是靠机器来理解人的意图的。

  

  李彦宏阐释了AI时代的思维方式:①手机还会长期存在, 但移动的机会不多了 ②From think Mobile to think AI ③软硬结合,重新定义"以人为本"④数据秒杀算法, 算法推动社会进步⑤用AI思维做互联网产品就是降维攻击.

  在峰会上,李彦宏还向与会者展示了体现百度“AI思维”的产品——搭载DuerOS操作系统的智能电视,通过自然语言的交互,用户可以用语音命令便捷地完成换台、点播等动作,也可以用语音随时查询屏幕中出现的明星,同时还不会影响视频的正常播放。而这样的技术,“不仅仅可以用到电视机,也可以用到冰箱、空调上”。

  同时,李彦宏也谈及了Facebook、Google 等巨头企业纷纷不约而同地提出“AI First”的战略转变。当人工智能时代已经无可抵挡,所有人都必须“think AI”才能拥抱新的时代,不被时代浪潮所抛弃,找到自己迎接“AI红利”的正确方式。

  1. 手机还会长期存在, 但移动的机会不多了

  

  第一个观点:手机还会长期存在,但移动的机会不多了。“今天再去做一个APP获得成功,这样的事情已经不多了。”

  移动互联网时代已经进入尾声,新的时代带来了新的机会。仅仅盯着手机,做一些常规的做法,已经跟不上时代步伐了。百度也在全力转型到将人工智能作为自己的核心战略。

  2. From think Mobile to think AI

  

  第二个观点是:我们的思维方式要发生转变,from think mobile to think AI。

  李彦宏以内部开会时为例,对比移动互联网时代和AI时代,产品经理的“画风”其实是截然不同的,移动产品经理更多的关注点还是停留在字体大小、页面上的按键设置等基于手机的问题,而人工智能产品经理则随手就拿出一块小小的芯片,考虑如何将它与各种各样的硬件结合,不再局限于单一的终端。

  再以Facebook的mobile first为例,如果PM使用PC截屏,扎克伯格就拒绝开会了。AI时代的PM也应当有AI意识。

  3. 软硬结合,重新定义"以人为本"

  

  第三个观点是:软硬结合,重新定义“以人为本”。

  无论是PC互联网还是移动互联网,硬件虽然成长也很快,但大家更多还是关注软件问题。现在已经不一样了。比如智能音响的交互方式,已经不再是键盘输入,而是变成人和麦克风打交道。麦克风技术,就是一个典型的软硬件结合技术。更明显的是无人驾驶汽车,要激光雷达,要各种各样的传感器。

  百度联盟将开放的四大能力中也包括强大的线上数据获取和处理能力,及线下完整的软硬件布局,形成贯通线上线下的完整用户画像,做到“以人为本”。

  4. 数据秒杀算法, 算法推动社会进步

  

  第四个观点是:数据秒杀算法,算法推动社会进步。

  李彦宏举了推动工业革命的例子,瓦特改进蒸汽机,推动了工业革命。其实在瓦特改机蒸汽机技术之前100年前,就已经有蒸汽机存在了,但是那时候的蒸汽机十分耗能,只能建在煤矿附近。但瓦特的改进却扩展了蒸汽机的适用场景,从而带来了真正的革命。

  在AI时代,数据就像蒸汽机时代的煤炭,蒸汽机(AI的算法)在瓦特之前早已经存在,但是瓦特的蒸汽机(算法的改良)改变了世界。

  5. 用AI思维做互联网产品就是降维攻击

  

  第五个观点是:用AI思维做互联网产品,就是降维攻击。

  在一个每个人都有手机的时代,大家每天都在和手机打交道,如果我们将AI思维与互联网结合,那么就实现了降维攻击——将文字搜索变为语音搜索——现在我们在手机上做的事情,重新用AI的方式去做,这就是降维攻击。

  早去转变思维方式,我们就能站在时代最前列。

  最后:在这个时代,当我们不被理解的时候,我们也要坚持

  在今天的讲话最后阶段,李彦宏和大家分享了一个关于百度发展过程中不断经历的小故事,如果因为不被理解就不坚持的话,也不会有今天的百度了。

  

  李彦宏:“在十几年前刚刚创立百度时,公司很小,也自己努力的到各个地方去跟当地政府领导沟通,说希望能够给我们支持,他们通常的反应就是说我们有啊,我们有优惠政策我们给软件企业有多少多少的返税,如果你是软件工程师我们可以给你解决户口问题。而这个时候呢我经常就说,我们不是软件企业,我们是互联网企业,这些政府领导通常就说我们还不知道怎么办,我们最主要是给软件企业。

  但是今天大家看,传统的软件企业在过去的十几年当中增长是很慢的,而现在当我再去跟政府领导说,能不能给我们优惠政策的时候,你是互联网企业,我可以给你廉价的地,可以给你返税多少多少,可以给你多少落户指标。但是我现在有一点要说,我们不是互联网企业,我们是一个AI企业。

  所以我也希望当我们不被理解时候,大家要坚持,如果十几年前我听了一些政府领导人把我们转变成一个软件企业,也许就不会有今天的百度,谢谢!”

安全帽与口罩检测数据集 一、基础信息 数据集名称:安全帽与口罩检测数据集 图片数量: - 训练集:1690张图片 - 验证集:212张图片 - 测试集:211张图片 - 总计:2113张实际场景图片 分类类别: - HelmetHelmet:戴安全帽的人员,用于安全防护场景的检测。 - personwithmask:戴口罩的人员,适用于公共卫生监测。 - personwith_outmask:未戴口罩的人员,用于识别未遵守口罩佩戴规定的情况。 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。 数据格式:JPEG/PNG图片,来源于实际监控和场景采集,细节清晰。 二、适用场景 工业安全监控系统开发: 数据集支持目标检测任务,帮助构建自动检测人员是否佩戴安全帽的AI模型,适用于建筑工地、工厂等环境,提升安全管理效率。 公共卫生管理应用: 集成至公共场所监控系统,实时监测口罩佩戴情况,为疫情防控提供自动化支持,辅助合规检查。 智能安防与合规检查: 用于企业和机构的自动化安全审计,减少人工干预,提高检查准确性和响应速度。 学术研究与AI创新: 支持计算机视觉目标检测领域的研究,适用于安全与健康相关的AI模型开发和论文发表。 三、数据集优势 精准标注与实用性: 每张图片均经过标注,边界框定位准确,类别定义清晰,确保模型训练的高效性和可靠性。 场景多样性与覆盖性: 包含安全帽和口罩相关类别,覆盖工业、公共场所以及多种实际环境,样本丰富,提升模型的泛化能力和适应性。 任务适配性强: 标注兼容主流深度学习框架(如YOLO),可直接用于目标检测任务,便于快速集成和部署。 实际应用价值突出: 专注于工业安全和公共健康领域,为自动化监控、合规管理以及疫情防护提供可靠数据支撑,具有较高的社会和经济价值。
内容概要:本文围绕FOC电机控制代码实现与调试技巧在计算机竞赛中的应用,系统阐述了从基础理论到多场景优化的完整技术链条。文章深入解析了磁链观测器、前馈控制、代码可移植性等关键概念,并结合FreeRTOS多任务调度、滑动窗口滤波、数据校验与热仿真等核心技巧,展示了高实时性与稳定性的电机控制系统设计方法。通过服务机器人、工业机械臂、新能源赛车等典型应用场景,论证了FOC在复杂系统协同中的关键技术价值。配套的千行级代码案例聚焦分层架构与任务同步机制,强化工程实践能力。最后展望数字孪生、低代码平台与边缘AI等未来趋势,体现技术前瞻性。; 适合人群:具备嵌入式开发基础、熟悉C语言与实时操作系统(如FreeRTOS)的高校学生或参赛开发者,尤其适合参与智能车、机器人等综合性竞赛的研发人员(经验1-3年为佳)。; 使用场景及目标:① 掌握FOC在多任务环境下的实时控制实现;② 学习抗干扰滤波、无传感器控制、跨平台调试等竞赛实用技术;③ 提升复杂机电系统的问题分析与优化能力; 阅读建议:此资源强调实战导向,建议结合STM32等开发平台边学边练,重点关注任务优先级设置、滤波算法性能权衡与观测器稳定性优化,并利用Tracealyzer等工具进行可视化调试,深入理解代码与系统动态行为的关系。
【场景削减】拉丁超立方抽样方法场景削减(Matlab代码实现)内容概要:本文介绍了基于拉丁超立方抽样(Latin Hypercube Sampling, LHS)方法的场景削减技术,并提供了相应的Matlab代码实现。该方法主要用于处理不确定性问题,特别是在电力系统、可再生能源等领域中,通过对大量可能场景进行高效抽样并削减冗余场景,从而低计算复杂度,提高优化调度等分析工作的效率。文中强调了拉丁超立方抽样在保持样本代表性的同时提升抽样精度的优势,并结合实际科研背景阐述了其应用场景与价值。此外,文档还附带多个相关科研方向的Matlab仿真案例和资源下载链接,涵盖风电、光伏、电动汽车、微电网优化等多个领域,突出其实用性和可复现性。; 适合人群:具备一定Matlab编程基础,从事电力系统、可再生能源、优化调度等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于含高比例可再生能源的电力系统不确定性建模;②用于风电、光伏出力等随机变量的场景生成与削减;③支撑优化调度、风险评估、低碳运行等研究中的数据预处理环节;④帮助科研人员快速实现LHS抽样与场景削减算法,提升仿真效率与模型准确性。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,理解拉丁超立方抽样的原理与实现步骤,并参考附带的其他科研案例拓展应用思路;同时注意区分场景生成与场景削减两个阶段,确保在实际项目中正确应用该方法。
道路坑洞目标检测数据集 一、基础信息 • 数据集名称:道路坑洞目标检测数据集 • 图片数量: 训练集:708张图片 验证集:158张图片 总计:866张图片 • 训练集:708张图片 • 验证集:158张图片 • 总计:866张图片 • 分类类别: CirEllPothole CrackPothole IrrPothole • CirEllPothole • CrackPothole • IrrPothole • 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。 • 数据格式:图片为常见格式(如JPEG/PNG),来源于相关数据采集。 二、适用场景 • 智能交通监控系统开发:用于自动检测道路坑洞,实现实时预警和护响应,提升道路安全。 • 自动驾驶与辅助驾驶系统:帮助车辆识别道路缺陷,避免潜在事故,增强行驶稳定性。 • 城市基础设施管理:用于道路状况评估和定期检查,优化护资源分配和规划。 • 学术研究与创新:支持计算机视觉在公共安全和交通领域的应用,推动算法优化和模型开发。 三、数据集优势 • 精准标注与类别覆盖:标注高质量,包含三种常见坑洞类型(CirEllPothole、CrackPothole、IrrPothole),覆盖不同形态道路缺陷。 • 数据多样性:数据集涵盖多种场景,提升模型在复杂环境下的泛化能力和鲁棒性。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO),可直接用于目标检测任务,支持快速模型迭代。 • 实际应用价值:专注于道路安全与护,为智能交通和城市管理提供可靠数据支撑,促进效率提升。
废物分类实例分割数据集 一、基础信息 数据集名称:废物分类实例分割数据集 图片数量: - 训练集:2,658张图片 - 验证集:316张图片 - 测试集:105张图片 - 总计:2,974张图片(训练集 + 验证集) 分类类别: - 电子产品(electronics) - 玻璃瓶(gbottle) - 口罩(mask) - 金属(metal) - 塑料袋(pbag) - 塑料瓶(pbottle) - 废物(waste) 标注格式:YOLO格式,包含多边形点坐标,适用于实例分割任务。 数据格式:JPEG图片,来源于实际场景,涵盖多种废物物品。 二、适用场景 智能废物分类系统开发: 数据集支持实例分割任务,帮助构建能够自动识别和分割废物物品的AI模型,辅助垃圾分类和回收管理。 环境监测与环保应用: 集成至智能垃圾桶或监控系统,提供实时废物识别功能,促进环保和资源回收。 学术研究与技术创新: 支持计算机视觉与环境保护交叉领域的研究,助力开发高效的废物处理AI解决方案。 教育与培训: 数据集可用于高校或培训机构,作为学习实例分割技术和AI在环境应用中实践的重要资源。 三、数据集优势 类别多样性与覆盖广: 包含7个常见废物和可回收物品类别,如电子产品、玻璃瓶、口罩、金属、塑料袋、塑料瓶和废物,涵盖日常生活中的多种物品,提升模型的泛化能力。 精准标注与高质量: 每张图片均使用YOLO格式进行多边形点标注,确保分割边界精确,适用于实例分割任务。 任务导向性强: 标注兼容主流深度学习框架,可直接用于实例分割模型的训练和评估。 实用价值突出: 专注于废物分类和回收管理,为智能环保系统提供关键数据支撑,推动可持续发展。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值