AI发展进入2.0时代!英特尔在落地中总结4大经验(15)

并且效果也能拿数据说话:

文件数据增加10倍、QPS和延迟波动保持在5%以内。

TCO降低60%。

用户业务效率提升1-3倍。

经验四:新领域探索,AI ≠ 深度学习

第四大经验,AI落地不仅要解决当前的痛点,也要基于现状着眼长远。

英特尔最后分享的实践经验中,特别强调的是与南京大学周志华教授团队在深度森林方面的合作成果。

在过去数年中,由于深度学习的空前成功,很多人已经将深度神经网络和AI划上了完全等号。

然而实际上,囿于神经网络算法的特性,深度学习在离散的、非连续可微的数据集上的训练效果并非最优。

同时,它也存在需要海量标注数据、理论分析困难以及过于依赖超参数等短板。

为此,专攻AI的科学家们正推陈出新,积极探寻更多、更新的AI研究方法。

推荐阅读