91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

AI預(yù)測奧斯卡準(zhǔn)確率逐年上升,正確率高達(dá)93%

JIWa_melux_net ? 來源:未知 ? 作者:鄧佳佳 ? 2018-04-04 10:44 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

“人獸戀”童話版《水形物語》拿下最佳影片獎(jiǎng)

分析預(yù)測,可能是人工智能AI)最擅長的技能之一。

第 90 屆奧斯卡金像獎(jiǎng)(90th Academy Awards)頒獎(jiǎng)典禮落下帷幕,《水形物語》獲得最佳影片,最佳導(dǎo)演由《水形物語》的吉爾莫·德爾·托羅斬獲,而加里·奧德曼憑借其在《至暗時(shí)刻》中的精彩表演,摘得“最佳男主角”,出演《三塊廣告牌》的弗蘭西斯·麥克多蒙德獲得最佳女主角。

而早在大獎(jiǎng)公布之前,人工智能做了一個(gè)預(yù)測,與最終放出的(第90屆)奧斯卡頒獎(jiǎng)結(jié)果相比,16個(gè)預(yù)測猜中了15 個(gè),正確率達(dá)到前所未有的 93.75%。

從 2015 年開始,AI系統(tǒng)就開始預(yù)測奧斯卡獲獎(jiǎng)電影,當(dāng)時(shí) AI 對(duì)第 87 屆 15 個(gè)奧斯卡獎(jiǎng)項(xiàng)進(jìn)行預(yù)測,并猜對(duì)了其中的 11 個(gè)獎(jiǎng)項(xiàng)。

2016 年 2 月,距最終結(jié)果揭曉前一周,AI 再次出馬對(duì)其中17個(gè)主要獎(jiǎng)項(xiàng)進(jìn)行預(yù)測,而且很有信心的將它對(duì)當(dāng)年第 88 屆奧斯卡獲獎(jiǎng)電影預(yù)測結(jié)果公布在《新聞周刊》上,其中最令人印象深刻的是精準(zhǔn)預(yù)測出“小李子”拿下最佳男主角小金人,讓人印象深刻。

2017 年 2 月,AI又對(duì)第 89 屆奧斯卡獎(jiǎng)項(xiàng)中的 15 個(gè)主要獎(jiǎng)項(xiàng)做了預(yù)測,最終猜對(duì)了 12 個(gè)獎(jiǎng)項(xiàng)。

連續(xù)三年預(yù)測奧斯卡,準(zhǔn)確率逐年提升,從 73%、76% 和 81%,到今年取得93.75%準(zhǔn)確率的成績,當(dāng)然除了奧斯卡,AI系統(tǒng)還曾對(duì)總統(tǒng)大選和美國NFL超級(jí)碗比賽進(jìn)行過預(yù)測分析。

智能預(yù)測系統(tǒng)還可以將實(shí)時(shí)的人類洞察和AI的算法結(jié)合在一起。這樣做的優(yōu)勢首先是能集合人群智慧。其次,能確保最終的智能與人群的目標(biāo)、愿望相符合。

這一智能預(yù)測系統(tǒng)給業(yè)內(nèi)帶來另一個(gè)啟發(fā),人類智慧可以群集嗎?要出現(xiàn)那樣的超級(jí)智能,需要上千人一起思考嗎,還是說上萬、上百萬?

集群智能源于對(duì)以螞蟻、蜜蜂等為代表的社會(huì)性昆蟲的群體行為的研究,最早被用在細(xì)胞機(jī)器人系統(tǒng)的描述中。它的控制是分布式的,不存在中心控制,群體具有自組織性。

典型的集群智能系統(tǒng)由一群簡單的主體構(gòu)成,每個(gè)主體和其它主體以及它們的環(huán)境進(jìn)行局部的交互。盡管通常沒有集中控制機(jī)制來指示這些主體如何協(xié)作,但這些簡單的局部交互行為通常能涌現(xiàn)出復(fù)雜的全局行為。

近年來集群智能被用于政治和經(jīng)濟(jì)預(yù)測、評(píng)估核安全、公共政策、危機(jī)應(yīng)對(duì)措施,也有許多企業(yè)致力于利用消費(fèi)者的智慧,對(duì)新產(chǎn)品、新服務(wù)和新功能進(jìn)行優(yōu)化分析,以預(yù)測新的廣告活動(dòng)。甚至一些企業(yè)希望能讓群體觀看一些電影預(yù)告片,借此預(yù)測這些電影預(yù)告片是否會(huì)吸引人們走進(jìn)電影院,最近哈佛的研究者也開始利用群體人工智能預(yù)測金融市場。

在過去 50 年里,大多數(shù)人工智能研究都集中在一種自然智能上,即神經(jīng)智能,因此,關(guān)于如何制造人工神經(jīng)元和復(fù)制神經(jīng)智能,也就是復(fù)制大腦,目前已經(jīng)有很多相關(guān)的研究。

而大自然構(gòu)造智慧的方式是多樣的,除了神經(jīng)智能外,還有群體智能。自然系統(tǒng)已經(jīng)進(jìn)化出了將大量人口的智力以最佳方式結(jié)合起來的能力。人類無法自然形成群體,我們沒有進(jìn)化出鳥類和魚類那種天然會(huì)形成鳥群和魚群的能力,或者像蜜蜂那樣形成蜂群。但是,只要有正確的算法和正確的接口,或許我們就能讓這些人工智能群體智慧系統(tǒng)將人和算法連接起來。

人的思想并不能簡單的疊加,三個(gè)臭皮匠未必能PK諸葛亮,但是集群智能仍然是行業(yè)未來發(fā)展的一個(gè)有重要價(jià)值的啟示。隨著AI技術(shù)的深入演進(jìn),以及更多的人被卷入到技術(shù)變革中來,人從始至終都是不容忽視的核心因素。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • AI
    AI
    +關(guān)注

    關(guān)注

    91

    文章

    39793

    瀏覽量

    301454
  • 人工智能
    +關(guān)注

    關(guān)注

    1817

    文章

    50098

    瀏覽量

    265427

原文標(biāo)題:AI預(yù)測奧斯卡,準(zhǔn)確率已高達(dá)93.75%

文章出處:【微信號(hào):melux_net,微信公眾號(hào):人工智能大趨勢】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    MediaTek Genio平臺(tái)推動(dòng)端側(cè)AI在零售場景中規(guī)模化落地

    從智能貨架和預(yù)測式補(bǔ)貨,到自適應(yīng)數(shù)字標(biāo)牌和基于自然語言的客戶互動(dòng),端側(cè) AI 正在推動(dòng)零售從被動(dòng)響應(yīng)走向主動(dòng)預(yù)測。在實(shí)體門店中,如果沒有智能自動(dòng)化,庫存準(zhǔn)確率明顯降低,導(dǎo)致銷售機(jī)會(huì)流失
    的頭像 發(fā)表于 02-10 15:23 ?410次閱讀

    利用Solido Design Environment準(zhǔn)確預(yù)測SRAM晶圓良

    。本研究開發(fā)出新型良建模方法,將隨機(jī)離散缺陷注入 SRAM 良預(yù)測。實(shí)踐表明,基于Solido Design Environment (Solido DE) 的新型位失效預(yù)測方法與
    的頭像 發(fā)表于 02-02 10:20 ?327次閱讀
    利用Solido Design Environment<b class='flag-5'>準(zhǔn)確</b><b class='flag-5'>預(yù)測</b>SRAM晶圓良<b class='flag-5'>率</b>

    靠聽診器查故障?這套系統(tǒng)靠 “聽聲紋”,準(zhǔn)確率 96%

    老技工的聽診器承載經(jīng)驗(yàn)傳承,但工業(yè)智能化時(shí)代,更需精準(zhǔn)前置的科技手段。聲振溫協(xié)同監(jiān)測系統(tǒng)的價(jià)值,不僅是96%的診斷準(zhǔn)確率,更在于將故障預(yù)警從“事后”推向“事前”,實(shí)現(xiàn)運(yùn)維模式從被動(dòng)搶修到主動(dòng)預(yù)防的轉(zhuǎn)變。
    的頭像 發(fā)表于 01-21 16:38 ?589次閱讀
    靠聽診器查故障?這套系統(tǒng)靠 “聽聲紋”,<b class='flag-5'>準(zhǔn)確率</b> 96%

    SN65LVDS93B:低功耗、高分辨的LVDS SerDes發(fā)送器的理想選擇

    SN65LVDS93B:低功耗、高分辨的LVDS SerDes發(fā)送器的理想選擇 在電子設(shè)備的顯示系統(tǒng)中,數(shù)據(jù)的高效傳輸和顯示質(zhì)量的保障至關(guān)重要。SN65LVDS93B作為一款LVDS SerDes
    的頭像 發(fā)表于 12-18 11:35 ?390次閱讀

    除了準(zhǔn)確率,電能質(zhì)量在線監(jiān)測裝置在諧波源識(shí)別方面還有哪些重要指標(biāo)?

    除了識(shí)別準(zhǔn)確率,電能質(zhì)量在線監(jiān)測裝置在諧波源識(shí)別方面的核心價(jià)值還依賴于 識(shí)別效率、定位精度、抗干擾能力、場景適配性 等關(guān)鍵指標(biāo),這些指標(biāo)直接決定裝置能否在復(fù)雜現(xiàn)場環(huán)境中 “快速找對(duì)、精準(zhǔn)定位、穩(wěn)定
    的頭像 發(fā)表于 10-22 16:22 ?972次閱讀

    電能質(zhì)量在線監(jiān)測裝置識(shí)別諧波源的準(zhǔn)確率有多高?

    電能質(zhì)量在線監(jiān)測裝置識(shí)別諧波源的準(zhǔn)確率受電網(wǎng)結(jié)構(gòu)、監(jiān)測方案、設(shè)備性能等多重因素影響,呈現(xiàn)顯著的 場景化差異 。根據(jù)行業(yè)研究與工程實(shí)踐,其準(zhǔn)確率通常在 **65%~95%** 之間波動(dòng),具體可分為以下
    的頭像 發(fā)表于 10-22 16:18 ?872次閱讀

    提高條件分支指令預(yù)測正確率的方法

    基于全局分支歷史的ghare分支預(yù)測器 主要構(gòu)成 分支目標(biāo)緩沖器BTB 分支歷史寄存器BHR 方式歷史寄存器PHT 對(duì)于某個(gè)條件分支指令而言,其全局歷史是相對(duì)恒定的,讓PHT同時(shí)保存全局歷史
    發(fā)表于 10-22 08:22

    基于全局預(yù)測歷史的gshare分支預(yù)測器的實(shí)現(xiàn)細(xì)節(jié)

    的地址位數(shù),雖然BHR位數(shù)越多,分支預(yù)測器的準(zhǔn)確度越高,但正確率提高的代價(jià)是PHT消耗的資源呈指數(shù)形式迅速地增長,因此我們必須在面積與性能之間進(jìn)行權(quán)衡。。最終經(jīng)過對(duì)各類32位RISC-V開源處理器內(nèi)核
    發(fā)表于 10-22 06:50

    回歸本質(zhì):從良優(yōu)化到預(yù)測分析,Agentic AI重塑半導(dǎo)體制造數(shù)據(jù)分析之路

    ,智能體AI能主動(dòng)執(zhí)行任務(wù)、跨系統(tǒng)協(xié)作的智能系統(tǒng),已在良優(yōu)化、預(yù)測分析等核心場景展現(xiàn)價(jià)值,為復(fù)雜制造難題提供了全新解決路徑。圖片來源:WAIC官網(wǎng)從“回答問題”
    的頭像 發(fā)表于 08-19 13:46 ?2155次閱讀
    回歸本質(zhì):從良<b class='flag-5'>率</b>優(yōu)化到<b class='flag-5'>預(yù)測</b>分析,Agentic <b class='flag-5'>AI</b>重塑半導(dǎo)體制造數(shù)據(jù)分析之路

    原來電導(dǎo)儀使用方法有這些!

    電導(dǎo)
    華泰天科
    發(fā)布于 :2025年08月18日 13:10:01

    設(shè)備預(yù)測性維護(hù)與健康管理:工業(yè)高效運(yùn)行新引擎

    隨著科技的不斷進(jìn)步,設(shè)備預(yù)測性維護(hù)與健康管理解決方案將不斷完善和發(fā)展。一方面,傳感器技術(shù)將更加先進(jìn),能夠采集更多維度、更精準(zhǔn)的數(shù)據(jù);另一方面,人工智能算法將不斷優(yōu)化,提高故障預(yù)測準(zhǔn)確率和可靠性。
    的頭像 發(fā)表于 08-08 14:48 ?1177次閱讀
    設(shè)備<b class='flag-5'>預(yù)測</b>性維護(hù)與健康管理:工業(yè)高效運(yùn)行新引擎

    提升識(shí)別,降低功耗,安信可雷達(dá)模組賦能智能門鎖/門禁

    絲滑? 現(xiàn)在,很多智能門鎖已經(jīng)開始用上了新的“感知技術(shù)”—— 毫米波雷達(dá) 。智能門鎖在國內(nèi)的滲透持續(xù)上升,但實(shí)際使用中仍存在不少“隱形痛點(diǎn)”: 誤識(shí)別與延遲開鎖 人臉識(shí)別在夜間或遮擋場景下準(zhǔn)確率下降,存在“看不到就不反應(yīng)
    的頭像 發(fā)表于 07-22 17:22 ?621次閱讀
    提升識(shí)別<b class='flag-5'>率</b>,降低功耗,安信可雷達(dá)模組賦能智能門鎖/門禁

    如何統(tǒng)計(jì)蜂鳥E203的分支預(yù)測?

    想請(qǐng)問大家如何統(tǒng)計(jì)蜂鳥E203的分支預(yù)測,我嘗試在exu_commit模塊里統(tǒng)計(jì),但是發(fā)現(xiàn)預(yù)測都有寫問題,想請(qǐng)教以下大家
    發(fā)表于 06-10 07:05

    海思SD3403邊緣計(jì)算AI數(shù)據(jù)訓(xùn)練概述

    模型,將模型轉(zhuǎn)化為嵌入式AI模型,模型升級(jí)AI攝像機(jī),進(jìn)行AI識(shí)別應(yīng)用。 AI訓(xùn)練模型是不斷迭代優(yōu)化過程,譬如,100個(gè)數(shù)據(jù)樣本模型的識(shí)別準(zhǔn)確率
    發(fā)表于 04-28 11:11

    設(shè)備故障預(yù)警準(zhǔn)確率提升!AI預(yù)測模型如何做到?

    隨著全球制造業(yè)的蓬勃發(fā)展,設(shè)備穩(wěn)定運(yùn)行對(duì)于企業(yè)的生產(chǎn)效率和經(jīng)濟(jì)效益至關(guān)重要。然而,傳統(tǒng)的設(shè)備維護(hù)模式正面臨前所未有的挑戰(zhàn),每年因設(shè)備突發(fā)故障導(dǎo)致的生產(chǎn)損失達(dá)1.2萬億美元。設(shè)備預(yù)測性維護(hù)應(yīng)運(yùn)而生,成為解決這一難題的關(guān)鍵所在。
    的頭像 發(fā)表于 03-24 11:29 ?2398次閱讀
    設(shè)備故障預(yù)警<b class='flag-5'>準(zhǔn)確率</b>提升!<b class='flag-5'>AI</b><b class='flag-5'>預(yù)測</b>模型如何做到?