- 综合排序
- 最热优先
- 最新优先
AI社交将走向何方？
社交作为互联网确定性最高、网络效应最强的赛道，将会与AI如何交汇并走向何方？ 社交网络的本质是什么？ 探究社交网络的本质，首先要探究人的本质是什么。 AI社交就是用新技术解决过去社交产品的老问题，比如用AI更高效、快速地建立关系，在供给端，利用AIGC生成内容，提升分发的精准，深化关系。 可见，Agent是AI社交的技术基础，即AI像人一样与人进行社交交互。 这样AI陪伴不仅可以保留对过往聊天细节的记忆，更可以发展和记住和用户此时聊天的场景，比如当下的关系，用户的喜好、星座、职业等。 AI社交将走向何方？ [9]但是，任何技术和应用在带来革命性影响的同时，也客观存在很多的风险和挑战。比如，10月23日媒体报道美国一青少年因迷恋AI聊天机器人而自杀，引发社会对AI社交的反思。
68820编辑于 2024-12-09- 来自专栏科技云报道
军用AI技术将开启人类走向毁灭的第一步？
---- 最近一段时间，军用AI和主动攻击型武器的问题闹得沸沸扬扬，很多AI研究者联名反对这项技术的军事化。 这就向人类提出了一个疑问：军用AI技术将开启人类走向毁灭的第一步？AI与军事真的不能共存吗？ 随着数据挖掘技术、大规模并行算法及AI技术的不断完善并广泛应用在军事上，情报、决策与作战一体化将取得快速进展。 比如2007年10月，美军第三机步师一部带着3台“利剑”机器人进攻一个反美武装盘踞的据点时，由于没有及时更换软件，其中一台“利剑”竟把枪口瞄准美军操作者，而且无论操作员如何发出“行动取消”的指令，失控的 目前来看，AI在军事领域的应用潮流势不可挡，在可预见的时期内，AI将在情报侦察、后勤保障、无人作战系统等领域发挥重要作用，但如何防止技术异化对人类构成新的威胁则是AI军事化必须要解决的问题。
70120编辑于 2022-04-15 - 来自专栏人工智能
AI时代的互联网走向
在笔者看来，人工智能的概念其实早已有之，很早就有深蓝对卡斯帕罗夫的对决，计算机科学也早早就有决策树、数据挖掘等技术，如今又往前走了一小步，尤其是有了机器自我学习的能力，当然，还在于阿尔法狗远超人类的围棋水平 当今的互联网产品，无非是两种模式，一种是技术驱动，一种是业务/运营驱动，技术流派比如说谷歌、百度，算上造车发射火箭的特斯拉可能更具有代表性，这类公司或者产品就是用技术硬生生制造出壁垒，让后者很难甚至无法超越 还有一种是业务或运营驱动，比如淘宝，滴滴打车，美团等等，其实从技术上没有那么高的壁垒，主要是业已形成的市场容量，让后来者望其项背。 如果说 Web 2.0 是对 Web 1.0的降维打击，比如博客微博代替了门户，那么AI的出现，又是一个升级过程。 幸运的是，周围已经看到不少在做人工智能基础设施和服务的创业公司，大家只要保持敏锐度，了解AI的场景，想想所在的行业，是否有可能用AI去提升效率或者颠覆业务模式，把这些事情想清楚，相信很快就有可以较为轻松集成的技术方案
1.2K100发布于 2018-02-24 - 来自专栏CSDN技术头条
未来5-10年，NLP将走向成熟
微软对联也是世界上第一次采用机器翻译的技术来模拟对联全过程。 往后，更进一步，我们还会用人工智能技术来发展中国最经典的文化，包括绝句和律诗等。例如宋词有长短句，我们也可以用同样的技术来创作律诗、绝句和宋词。 未来5-10年，NLP将走向成熟 最后，再介绍一下我对自然语言处理目前存在的问题以及未来的研究方向的一些考虑，供大家参考。 自动写对联、写诗、写新闻稿和歌曲等等，今天可能还是一个新鲜的事物，但是5到10年一定都会流行起来，甚至都会用起来。 NPL与其他AI技术一起在金融、法律、教育、医疗等垂直领域将得到广泛应用。 但是，我们也清醒地看到，虽然有一些很好的预期，但是自然语言处理还有很多很多没有解决的问题。以下几个我认为比较重要的。
1.3K71发布于 2018-02-12 - 来自专栏C语言
【AI】人工智能会走向何方？
通过本文，我们将探讨AI技术的现状、应用价值及其未来发展方向，并结合具体实例说明如何在实际应用中实现技术的最大化效益。 1. 这一转变体现了AI技术的进步和潜力。 1.2 技术应用的价值： 重点在于如何将AI技术应用到实际场景中，以解决现实问题。 无论是生成式模型还是其他AI技术，如果不能有效地应用于具体领域，其价值将大打折扣。实际应用才是技术发展的最终目标。 可持续发展是AI技术长期健康发展的基础。 4. 结语 AI技术的快速发展为我们带来了前所未有的机遇，同时也提出了新的挑战。 我们需要在技术和应用之间找到平衡点，注重实际效果和产业价值，推动AI技术为社会和经济发展做出更大的贡献。这一观点为我们提供了重要的思考方向，是未来AI发展的重要指南。
28810编辑于 2024-12-11 - 来自专栏about云
技术走向管理一些深度思考
技术走向管理，必须突破只关注技术细节而忽略全貌的障碍、建立管理思维，包括： 1，目标导向 管理的意义在于在于在当前的各种限制条件下解决所面临的问题、达到项目目标、促进企业的发展。 “以人为本”的管理理念的基石是满足人的需求和感受，管理人员的一个重要职责就是发现技术人员感受、引导其清楚地表明需要，因为很多金贵的技术人才内心情感丰富却怯于、羞于或者不善于表达自己。 作为技术管理人员，要尽早、充分的与技术人员沟通，应当要能够使用技术人员的语言、体谅他的感受、理解他的问题、发现他的需求、给予他反馈，并且和他一起分析产品需求、建设团队、一同分享胜利的喜悦。 上层领导的支持是项目成功的关键，因此跟领导的沟通态度要积极，汇报进度以及针对一些问题对策和打算就可（不必涉及技术细节，除非领导热衷技术），有些需要他支持的地方则要详细说明。 一个优秀员工的衡量要包含技能水平（技术宽度、广度、熟练程度）、沟通能力、工作态度、学习能力。
92060发布于 2018-03-27 - 来自专栏科技云报道
“元年”之后，生成式AI将走向何方？
当智能数字业务走向深水区 从应用变化的角度来看，生成式AI之所以触发科技的转折点，遵循的是“大模型摩尔定律”。虽然，新世界还没有到来，但生成式AI的未来已至。 随着AI从实验室研究走向现实场景这一过程的推进，技术、法规、伦理以及社会接受度的挑战逐渐浮现。 全球技术合作交汇点 生成式AI的发展就像一场马拉松，现在还处于非常早期的阶段，不仅是一场长期竞争，更成为全球企业开展技术合作、携手探索未来科技世界的桥梁。 比如双方共同探讨构建生成式AI应用的关键路径，亚马逊云科技提供行业专家、技术专家和架构师等专家资源支持和一系列培训，提升神州泰岳的技术能力。 目前，神州泰岳已成功帮助制造、互联网、游戏等行业客户利用生成式AI技术提高生产力和创新速度。
44810编辑于 2024-06-21 ClawdBot 出圈记：AI Agent 正在走向大众
它不仅再次点燃了大众对 AI Agent 的热情，也让「让 AI 真正帮你干活」这件事，从极客玩具逐步走向普通用户。 他是奥地利人，毕业于 维也纳科技大学，是一位典型的技术天才。在因为 OpenClaw 被更多人熟知之前，Peter 就已经是靠代码成功创业、实现 身家上亿欧元、提前退休的程序员了。 这次出山，更像是一次「技术理想主义者」的回归。命名之旅：一只龙虾的蜕变史OpenClaw 的名字，并不是一开始就确定的，反而经历了一段颇有戏剧性的演化过程。 risky → 选择 YesOnboarding mode → QuickStartModel / auth provider → Z.AI (GLM 4.7)输入 Z.AI API KeyDefault 项目”，而是一个非常清晰的信号：AI Agent 正在从实验室，走向普通人的真实生活。
67020编辑于 2026-02-06- 来自专栏AI科技评论
重磅丨Yoshua Bengio 2017 年全面解读：后 AI 时代的技术走向与局限
AI科技评论按：近日，深度学习大牛 Yoshua Bengio 在 Beneficial AI 大会上发表了一篇题为《创造人类水平AI》的演讲，分享了他对于极深网络（Very Deep NN）和 GAN 等前沿技术的一些看法和思考。 以下为演讲原文和PPT，AI科技评论编译。 在它的帮助下，最终我们也达到了基于短语的机器翻译技术所能达到的翻译水平，也许在一些语言组合上我们甚至超越了之前的技术。但是我们仍旧抱有疑问：这样的技术能够在非常巨大的数据集合上得到很好的结果吗？ 其中我个人非常关注的一点是，机器如何学会人类的价值观，我认为这才是训练真正“聪明”的AI的关键，即 wise AI。
82350发布于 2018-03-09 - 来自专栏星融元
AI产业的未来，必将走向开放生态
说到这里，对于这篇文章所描述的这些人和事，就可以给出结论了：世上只有一种英雄主义，就是在认清AI和GPU的真(xian)相(zhuang)之后，依然热爱并坚持探索“如何用新的方法搓出新的GPU”，从而为人 说到这里，小编的脑海中突然又浮现出一行字：交换芯片领域和B记……[偷笑]AI不等于GPU芯片，AI是一个生态，一个从最底层基础设施到最上层各种应用的生态；正如GPU芯片需要多家参与的开放格局，AI生态也需要多家参与的开放共建 关注vx公号“星融元Asterfusion”，获取更多技术分享和最新产品动态。
16610编辑于 2024-07-10 - 来自专栏量子位
苹果AI哪去了？前员工揭秘Siri何以走向没落：团队内耗、技术判断太谨慎
三位从苹果转投谷歌的AI工程师，透露了更多细节。 管理混乱、迭代缓慢 这三位AI工程师，来头不小。 据说他们的变动，惊动了谷歌CEO劈柴哥和苹果CEO库克。 而更深层次的问题，体现在技术研发和判断方面。 在《纽约时报》的文章里，曾负责改进Siri的工程师表示，Siri数据库中包含了一个巨大的单词列表，包含各种音乐艺术家、餐馆等地点的24种语言表达方式。 据说有高层想要推动一个代号为“Siri X”的项目，这个项目设立的目的主要有两个：其一，纪念Siri诞生10周年；其二，更好保护隐私安全。 加入后，他将负责整个公司的机器学习和人工智能战略，以及CoreML和Sir的技术开发。 2019年，在苹果任职七年已久的Siri副总裁比尔·斯塔希尔（Bill Stasior）提出离职，之后加入微软担任技术VP。 当时这一动向被外界视为微软CEO纳德拉提升了对AI的关注。
36220编辑于 2023-05-06 - 来自专栏人工智能头条
未来5-10年，自然语言处理将走向成熟
微软对联也是世界上第一次采用机器翻译的技术来模拟对联全过程。 往后，更进一步，我们还会用人工智能技术来发展中国最经典的文化，包括绝句和律诗等。例如宋词有长短句，我们也可以用同样的技术来创作律诗、绝句和宋词。 未来5-10年，NLP将走向成熟 最后，再介绍一下我对自然语言处理目前存在的问题以及未来的研究方向的一些考虑，供大家参考。 ● 自动写对联、写诗、写新闻稿和歌曲等等，今天可能还是一个新鲜的事物，但是5到10年一定都会流行起来，甚至都会用起来。 ● NLP与其他AI技术一起在金融、法律、教育、医疗等垂直领域将得到广泛应用。 但是，我们也清醒地看到，虽然有一些很好的预期，但是自然语言处理还有很多很多没有解决的问题。以下几个我认为比较重要的。
73730发布于 2018-07-20 - 来自专栏FreeBuf
从近期情况看蜜罐新技术和发展走向
蜜罐技术火热的背后，是蜜罐技术可有效弥补当前网络安全防御方案短板的巨大推力，同时，趋于常态化的攻防演习也是最大的催化剂之一。 基于对蜜罐技术的研究，结合对开源蜜罐项目和商用欺骗防御类产品的调研和分析，本文将从对当前蜜罐产品使用的新技术介绍出发，来看未来欺骗防御的发展走向。 1. 环境仿真技术主要包括软件仿真技术、容器仿真技术、虚拟机仿真技术等，几类仿真技术所能提供的仿真能力和支持仿真的类型示意如下： ? 几类仿真技术简要对比如下： 项目\类别 软件仿真技术 容器仿真技术 虚拟机仿真技术 交互类型 低、中交互为主 高交互 高交互 优势 资源占用小，部署简单，运行高效 支持应用、服务类高交互仿真 支持设备、 在Gartner 2020年安全运营技术成熟度曲线报告中，分析师将“欺骗平台”这项技术放在了“期望膨胀期”，并将目前的成熟度定义为“青春期”，预计该技术会在5至10年后达到成熟并被广泛使用。 ?
1.7K10发布于 2021-05-20 - 来自专栏专知
Yann LeCun卸任FAIR主管：FaceBook背后的AI走向
而空缺的职位将有Jérôme Pesenti接棒，同时领导应用机器学习小组（Applied Machine Learning）团队，偏向将AI技术应用到FaceBook News Feed推送及其他产品中 他还将继续推广AI行业的进程。 就连Facebook首席执行官扎克伯格也对AI赋能产业基于厚望：「我们不应该惧怕 AI。 相反，我们应该对其为世界带来的美好抱有希冀，」扎克伯格在 2016 年宣布打造其自己的由 AI 赋能的智能家居系统的目标时讲到，「AI 将通过诊断疾病挽救生命，通过自动驾驶提高出行效率，它也将在帮助人类发现新星球 而LeCun自己也表示他的专长在于研究，特别是设定研究目标并与研究人员合作来研发新的人工智能技术。
1.1K60发布于 2018-04-12 - 来自专栏张善友的专栏
.NET 10 是微软 AI 战略的技术承重墙
其主导的GitHub深度整合与代理技术栈革新，不仅加速微软从“云服务商”向“AI工厂”的跃迁，更将重塑全球开发者的工作范式。 在此背景下，.NET 10 作为微软开发工具链的核心载体，其与 AI 功能的深度融合体现了以下战略定位： 一、技术底座：AI 工程化的底层支撑 性能优化与云原生适配：.NET 10 通过 AOT 编译（ 提前编译为原生代码）、矢量 API 增强（提升 AI 模型推理效率）和 容器优化（冷启动时间缩短 60%）等技术，显著降低 AI 应用的运行时开销。 总结 在微软的 AI 战略版图中，.NET 10 既是 底层性能引擎（通过编译优化和硬件适配支撑高密度 AI 计算），又是 开发生态的中枢神经（通过统一接口和工具链降低 AI 应用门槛）。 其与 Azure AI Foundry、GitHub Copilot 的深度协同，标志着微软正从“云服务商”向“AI 基础设施供应商”跃迁，目标是通过技术代差重塑企业级软件市场的竞争规则。
58220编辑于 2025-09-18 - 来自专栏人工智能LeadAI
三大技术基础推动人工智能走向实用
人工智能从幕后走向实用离不开人工智能技术取得的突破和发展。在互联网时代背景下，大数据、新型高性能计算架构以及深度学习帮助人工智能技术实现了从量变到质变的转变。 其中，计算机视觉、语音识别技术均已能够规模化商用，自然语言处理技术仍处于攻关阶段，机器人技术则正在逐渐提升社会生产效率。 除了三大技术基础外，开源也成为人工智能技术普及的催化剂，有效降低了人工智能的技术门槛。 ? 海量数据为人工智能技术发展奠定技术 大数据的爆发为基于深度学习的人工智能发展奠定基础。 2015年12月10日，微软亚洲研究院视觉计算组在ILSVRC2015中凭借深度残差网络（ResidualNetworks）以绝对优势获得图像分类、图像定位以及图像检测全部三个主要项目的冠军。 2016年2月，百度将DeepCNN应用于语音识别研究，使用了VGGNet，以及包含Residual连接的深层CNN等结构，并将LSTM和CTC的端对端语音识别技术相结合，使得识别错误率相对下降了10%
1.9K90发布于 2018-03-08 - 来自专栏贾志刚-OpenCV学堂
2020年代，中国AI创业公司将走向何方
那么，走向21世纪的新的十年（2020年），中国AI创业公司将走向何方呢？ 写这篇文章之前先介绍一下自己，我是一位90后创业者，18年硕士毕业后在业界常说的“CV四小龙“中做了近两年的算法工程师。 从技术到产品，中间还考验公司的工程化能力、成本控制能力、供应链和营销能力，这些，或许是跨越技术到产品鸿沟，走向成功的技术公司的的必备能力。 对于一个新兴的技术研发公司，我们需要保持长期心态，作为人工智能领域的拓荒者，旷视非常值得我们尊重。 作为一名AI领域的创业者，笔者肯定不会主动唱衰AI。在21世纪新的十年，AI公司将走向何方呢。 所以，toBAT模式，对于AI领域的创业公司，或许并不是一个可行的模式。 总结 AI本质上不是一个行业，AI是一门技术。而技术，只有结合到具体的行业和产品上才有价值。 就像是互联网技术，当它落地在电商、搜索、社交、金融、广告上，才产生了极大的经济价值，诞生各领域的巨头。对于人工智能技术亦然，AI最理想的出路也是用技术去做产品。
95041发布于 2020-02-21 - 来自专栏资讯分享
走向平衡：生成式AI的开源与专有模型之争
全球企业和消费者主要是采用封闭源代码的生成式AI，还是主要采用开源生成式 AI，或者两种类型的平衡，将是问题的关键。 这个结果至关重要，不仅是从确保AI以有益于人类的方式发展的角度出发，还体现在它将塑造商业和社会中最具变革性的AI应用案例，以及决定谁将收获生成式AI的回报。 此外，部署先进的训练技术，如使用人类反馈的强化学习，需要专业知识的加持。 随着AI领域的不断发展，主要人物和关键参与者越来越倾向于支持生成式AI成为开源。 除了像LLaMa-2这样的主流举措之外，其他值得关注的项目也在为开源AI生态系统做出贡献。例如，Runway于2018年开始专注于为电影制作人提供AI工具，但现在已转向生成式AI。
42320编辑于 2023-10-11 - 来自专栏程序员的知识天地
10 行Python 代码，实现 AI 目标检测技术，真给力！
只需10行Python代码，我们就能实现计算机视觉中目标检测。 行代码，就能实现目前AI产品中应用广泛的目标检测技术。 看完了代码，下面容我们聊聊目标检测背后的技术背景，并解读这10行Python代码的由来和实现原理。 目标检测技术已经广泛应用于人脸检测、车辆检测、人流量统计、网络图像、安防系统和无人车等领域。和其它计算机视觉技术一样，目标检测未来会进一步成为人工智能的重要组成部分，有着广阔的发展前景。 解读10行代码 下面我们解释一下这10行代码的工作原理。
91010发布于 2019-06-15 - 来自专栏新智元
AI教父Hinton：AI 系统将走向无监督，我们需要真正理解大脑
过去 30 年里，Hinton 一直致力于解决 AI 面临的一些最大的挑战。 除了在机器学习方面的开创性工作，Hinton 还撰写 (或与他人合作撰写) 了 200 多篇 AI 论文，包括 1986 年发表的一篇开创性的机器学习技术论文 —— 反向传播。 他说：“2012 年时，我没有想到仅仅 5 年之后，我们就能够使用相同的技术在多种语言之间进行翻译。” 尽管如此，Hinton 认为目前的 AI 和机器学习方法仍然存在局限性。 Hinton 说，人类的视觉采用一种重建的方法来学习，事实证明，计算机视觉系统中的重建技术增强了它们抵抗对抗性攻击的能力。 需要说明的是，Hinton 认为神经科学家可以从 AI 研究人员那里学到很多东西。他认为未来的 AI 系统将主要是无监督的。
58530发布于 2019-05-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号