"Por favor, dale a Ai un poco de tolerancia"
Al conversar con los Nuggets, un ingeniero de algoritmos dedicado a la visión por computadora dijo muchas veces que le disgustaba esta palabra. durante mucho tiempo. Un disgusto casi instintivo. Incluso si fuera solo una burla, en su opinión seguía siendo una burla.
Este tipo de burla es como un transeúnte que desprecia a un niño que acaba de aprender a gatear: este niño es tan estúpido que ni siquiera puede caminar.
Incluso admitió que si un colega a su alrededor usara esta palabra para burlarse de sí mismo, deliberadamente se mantendría alejado de él, porque este tipo de autodesprecio es "una falta de respeto" a su trabajo y conocimiento profesional.
Hay muchos ingenieros que tienen aficiones técnicas. Entre los muchos empleados a los que preguntaron los Nuggets, todos expresaron puntos de vista similares: cuando se les preguntó sobre el nivel de inteligencia artificial, declaraciones similares se basaron en "inteligencia artificial débil".
Un especialista empresarial encargado de comunicación de marca y relaciones públicas reveló que si en la comunicación externa se utilizan palabras como "retraso artificial" se "afectará directamente a la evaluación del desempeño" porque esta expresión poco profesional es muy dañina. Puede provocar efectos negativos en la comunicación.
En conversaciones con estas personas, los Nuggets descubrieron que en el círculo de la IA, los profesionales tienen una comprensión clara de la IA y son más rigurosos en sus representaciones negativas de la IA cuando la promueven.
Sin embargo, fuera del círculo, varios accidentes de IA han provocado que el público tenga muchas dudas sobre las verdaderas capacidades de la IA. Se habla mucho de que la inteligencia artificial se retrasa artificialmente y a menudo se ven en los periódicos voces que la denigran.
A primera vista, esto es sólo una controversia de opinión pública sobre la IA. Pero su esencia es la competencia entre las empresas y el público por el derecho a hablar sobre la IA, lo que afectará directamente la promoción, implementación y aplicación de la IA.
“Si el público no puede formarse una comprensión efectiva de las nuevas tecnologías, entonces la promoción de nuevas tecnologías será muy lenta”. Un estudiante de posgrado de la Universidad de Comunicación dijo que la capacidad del público para aceptar nuevas tecnologías mejora paso a paso. Paso a paso, este proceso se ve fácilmente afectado por la opinión pública, y la opinión pública negativa tiene un "efecto de explosión" que puede destruir directamente la "base de confianza" previamente establecida.
Por ejemplo, la confianza del público en la conducción autónoma es muy débil. Después de muchos accidentes, esta confianza se ha agotado.
Informes de investigación relevantes muestran que la tasa de activación de Tesla FSD, líder en conducción autónoma, es inferior al 10% en China, y un número considerable de personas ni siquiera han abierto los servicios AP. Incluso entre aquellos que lo han activado, pocos utilizan la función AP.
Aunque existen razones objetivas para este fenómeno (como datos insuficientes en la carretera y capacidades de algoritmo limitadas), desde la perspectiva de la comunicación de la opinión pública, un error en la conducción autónoma es más grave que diez accidentes en coches tradicionales. Esto también obstaculiza una mayor implementación de la conducción autónoma.
Entonces, ¿cómo establecer una comprensión efectiva de la IA por parte del público y promover su implementación más rápida y amplia?
Después de la entrevista, Nugget Intelligence cree que los informes de los medios, la publicidad corporativa y la educación científica son los tres métodos más importantes. Las diversas "educaciones cognitivas" que rodean al público están destinadas a ser una "dura batalla" prolongada.
Existe una paradoja interesante en la aplicación de la inteligencia artificial: cuando una tecnología de IA se ha vuelto muy popular, la gente generalmente no piensa en ella como IA.
Por ejemplo, en las décadas de 1980 y 1990, un televisor en blanco y negro puede haber sido un símbolo que hizo época, ya que requería un ajuste manual de frecuencia, pero ahora que los televisores en color con control remoto se han convertido en estándar, la gente no piensa; son inteligentes. Para otro ejemplo, en los últimos años, los estacionamientos comunitarios han popularizado el reconocimiento de matrículas y el reconocimiento facial para ingresar a la comunidad, pero la gente rara vez lo asocia con la IA, incluso si en realidad se utilizan varios algoritmos de reconocimiento, chips, etc.
En la percepción popular, la inteligencia artificial debería alcanzar el nivel de los robots en las películas, o pensar y actuar como humanos.
“El público a veces es demasiado optimista acerca de la inteligencia artificial, o incluso la sobreestima”. Yang Li, profesor asociado de la Escuela de Información de la Universidad China Jiliang y director de la especialidad de inteligencia artificial, así lo cree. Nueva tecnología que enfrenta la sociedad, expectativas de la gente sobre la IA. La comprensión no es completa y creo que la IA debería ser omnipotente. Esta percepción es inconsistente con la realidad.
En opinión de los Nuggets, la comprensión del público sobre la inteligencia artificial es relativamente superficial, lo que se refleja principalmente en dos aspectos:
Esta comprensión superficial se induce fácilmente y, en algunos casos, sin complicaciones. En la propaganda, las capacidades de la IA se exageran, lo que hace que el público tenga una "confianza" ciega o sobreestime la IA.
“Un profano mira la emoción, un experto mira la puerta.
”
Yang Li dijo, tomando el reconocimiento facial como ejemplo, hace cinco años, la gente podría haber pensado que era muy misterioso y avanzado, pero después de la popularidad de la electrónica de consumo, muchas personas sienten que el reconocimiento facial ya no es Ya no es difícil. Cuando les hablan a los estudiantes sobre el reconocimiento facial, todos piensan que es una tecnología muy madura: “No es nueva, no es difícil. ”
Pero, de hecho, el reconocimiento facial aún está lejos de ser muy inteligente y es difícil capturar información facial efectiva en muchos escenarios complejos. Además, el reconocimiento facial es difícil de lograr en pequeña escala (pequeña). base de datos) el efecto es muy bueno, pero cuando la base de datos es muy grande, la precisión del reconocimiento no es tan alta
“Debido a la falta de conocimiento profesional, es fácil para el público simplificar. problemas complejos, pero quienes se dedican a la investigación de la IA son muy cautelosos al respecto. Para una tecnología que la gente común considera simple, los profesionales pueden pensar: "Esto no funciona, aquello no funciona". En resumen, es como mirar la montaña y suspirar, y tratar a un caballo muerto como si fuera un caballo vivo. . ”
Nuggets descubrió que debido a la falta de educación general profesional, la comprensión del público sobre la inteligencia artificial es relativamente simple y la mayoría de las personas están expuestas a la IA a través de informes de los medios y promociones corporativas. lo estudiará espontáneamente Libros relevantes y cursos de estudio para mejorar la comprensión
Desde una perspectiva de comunicación, si el acceso de la audiencia a la información está restringido, entonces el controlador del canal de información tiene el "control" de la difusión de la información. Se ha formado una situación de "monopolio de la opinión pública" y la información puede "distorsionarse" fácilmente después de una difusión repetida.
De hecho, este tipo de "distorsión" es inevitable en el proceso de difusión de la inteligencia artificial. y fuera del círculo, debido a que la inteligencia artificial en sí es una profesión con un umbral alto, la conexión entre lo interno (empresa) y lo externo (público general) se logra principalmente a través de los medios. Publicidad en los medios. Sí, muchos profesionales están capacitados o han hecho la transición entre industrias, y hay muy pocos profesionales de los medios que realmente comprendan la IA. Además, con los cambios en los grandes datos y la tecnología de Internet, los propios medios se han hundido aún más en varias plataformas. Creando nuevas oportunidades, hay muchos medios de comunicación propios, lo que resulta en una situación mixta en la industria de los medios. En un entorno orientado al tráfico, varios informes de noticias surgen uno tras otro. Este tipo de información tiene un "efecto de amplificación" (por ejemplo, El titular es demasiado impactante), por lo que la información que recibe el público es diferente a la de los demás. Hay "errores" entre la información real.
Cuando la inteligencia artificial estaba en su apogeo, muchas empresas de inteligencia artificial. Publicidad, artículos blandos y productos promocionados para ganar financiación y popularidad, y crear inteligencia artificial que pueda implementarse a gran escala. Más tarde, la burla del público hacia la IA podría verse como una especie de “autoataque”.
Por supuesto, el círculo también ha notado muchas limitaciones de los medios de comunicación. La empresa ha abierto canales de publicidad en importantes plataformas sociales, pero debido a diferencias de contenido (como demasiado vertical, promoción de productos) o diferencias de canal, la mayoría de las empresas de IA no pueden establecer conexiones efectivas con el público directamente.
Por lo tanto, en la cadena de comunicación "empresa-medios-público", debido a fallas en el mecanismo del. En los propios medios de comunicación, es difícil para el público establecer una comprensión efectiva de la IA cuando la información es desigual. Sin embargo, las empresas no deben depender de los medios de comunicación para promover la IA es una razón importante para la “brecha cognitiva” entre las personas. y fuera de la industria.
“En última instancia, hay muy pocos talentos en IA. "En opinión de Yang Li, el talento es la fuerza central que promueve el desarrollo industrial. La IA se encuentra actualmente en una etapa de ascenso, y los problemas con la tecnología en sí son el factor fundamental que hace que el público cuestione la IA. La difusión de la opinión pública ha exacerbado esto.
Ya sea el desarrollo profundo de la IA o su difusión horizontal, solo los talentos de IA pueden "justificar" la IA, pero en esta etapa, los talentos de IA nacionales son extremadamente escasos. /p>
“Realmente hay muy pocos talentos aplicados. "Yang Li lamentó que cuando la IA se traslada de los castillos en el cielo a los campos, "realmente no hay mucha gente que entienda la tecnología y la industria".
En el "Informe sobre el desarrollo del talento de la industria de la inteligencia artificial (2019- 2020)" publicado por el Ministerio de Industria y Tecnología de la Información)" (en lo sucesivo, el "Informe"), se espera que la brecha de talento efectiva en la industria de inteligencia artificial de China alcance las 300.000 personas. Estos son solo los datos de dos. De hecho, en los últimos dos años, según la observación de los Nuggets, las empresas de IA no tienen demanda de talentos. La demanda de IA sigue siendo fuerte y la brecha de talentos orientados a aplicaciones en toda la industria de la IA se ha ampliado aún más.
Como industria intensiva en tecnología y conocimiento, la IA tiene altas barreras de entrada para los talentos y otorga gran importancia a las calificaciones académicas y la experiencia laboral.
El informe muestra que entre los puestos publicados por las empresas de IA en 2019, solo el 11,9% había recibido un título universitario; solo el 5,4% de los puestos aceptó solicitantes con menos de 1 año de experiencia laboral; de las plazas aceptadas Invitación a recién egresados.
Esto significa que para dedicarse a la industria de la IA, básicamente se requiere una licenciatura. Al mismo tiempo, dado que la mayoría de las empresas de IA carecen de mano de obra, fondos y motivación para formar a nuevos graduados (al menos durante más de un año), la demanda de nuevos graduados no es fuerte y, en cambio, prefieren aquellos con reservas de conocimientos y experiencia práctica. experiencia. Esta demanda de contratación "innovadora" ha exacerbado la escasez de talento.
Además, la IA tiene fuertes requisitos profesionales para los talentos, especialmente puestos como la investigación de algoritmos y el desarrollo de aplicaciones. Más del 60% de los puestos requieren una formación profesional en informática y matemáticas.
Bajo las limitaciones de varias condiciones lineales, los ya escasos talentos de IA se han vuelto aún más "estrictos".
El departamento de recursos humanos de una nueva empresa de IA les dijo a los Nuggets que es difícil reclutar gente. "Después de seleccionar por especialidad, escuela y experiencia laboral, hay muy pocas personas calificadas. Además, la empresa quiere personas que puedan entrar en producción de inmediato, por lo que es difícil reclutar talentos excelentes. Si contratamos en el campus, graduados excelentes Serán firmados temprano por empresas de Internet y de inteligencia artificial, y el resto se inclinará más por las grandes empresas. Después de la selección, realmente no hay muchas opciones”.
Además de la falta de orientación a aplicaciones. talentos combinados con la industria. Según la observación de Yang Li, otra brecha de talento en la IA son los talentos de investigación teórica que pueden "establecerse y hacer el trabajo básico".
Según el "Informe de Inteligencia Artificial 2022" publicado por la Universidad de Stanford, aunque China ocupa el primer lugar en el mundo en número de citas de artículos de revistas de IA, número de artículos de conferencias publicados y número de inteligencia artificial. solicitudes de patentes, el número de citas en papel está muy por detrás del de Europa y Estados Unidos. Además, algunas teorías básicas innovadoras y algunas investigaciones científicas y tecnológicas de vanguardia todavía se basan principalmente en Europa y Estados Unidos.
“Muchas teorías básicas de la inteligencia artificial fueron propuestas por extranjeros/instituciones, como el aprendizaje profundo, que es muy popular ahora.
Yang Li dijo que esto está relacionado con el comienzo”. La tardanza tiene mucho que ver. Para cerrar esta brecha, además de fortalecer la inversión en investigación teórica básica, también se debe establecer un sistema estandarizado de capacitación de talentos en IA para proporcionar vitalidad continua al talento para la investigación en IA.
“Las escuelas son la cuna del cultivo de talentos. La situación ideal es que algunos estudiantes se dediquen a investigaciones teóricas después de graduarse, y más graduados ingresen a la industria para promover la implementación de la IA a través de la vinculación de la industria. academia e investigación”.
Los Nuggets han aprendido que la industria de inteligencia artificial de mi país inicialmente formó un sistema de salud y capacitación de talentos que "integra el gobierno, la industria, la academia y la investigación", pero aún está en su infancia. . En 2019, se aprobó oficialmente la inclusión de la especialización en inteligencia artificial en la lista de especialidades universitarias. Muchas universidades nacionales han comenzado a construir sus propias facultades de inteligencia artificial (institutos de investigación) o cooperan con empresas para ofrecer especialidades en inteligencia artificial.
Sin embargo, las principales universidades todavía están explorando cómo cultivar talentos profesionales de IA y aún no se ha formado un paradigma eficaz.
En 2019, la especialización nacional en inteligencia artificial fue aprobada oficialmente e incluida en la lista de especialidades universitarias. Sin embargo, el establecimiento de una especialidad requiere procesos tales como la construcción del currículo, las condiciones experimentales y la aplicación de la especialidad. La mayoría de las escuelas apenas han comenzado la inscripción formal en los últimos dos años.
En otras palabras, el primer grupo de estudiantes universitarios de IA tardará entre uno y dos años en graduarse.
No es fácil formar a estos nuevos estudiantes para llenar el vacío de talento actual. Además, el hecho de que las capacidades integrales del primer grupo de futuros graduados cumplan con los estándares también tiene un importante significado simbólico.
“Por un lado, el contenido de la especialización en inteligencia artificial es muy difícil. Muchos cursos que se ofrecen a nivel de posgrado ahora se imparten a nivel de pregrado, lo que ejerce presión sobre los estudiantes y desafía los métodos de enseñanza de los profesores. y habilidades, por otro lado, también es difícil combinar la formación de talentos con las necesidades sociales para que los estudiantes puedan aplicar lo que han aprendido”
Como investigador senior en el campo de la inteligencia artificial, Yang Li. Durante sus muchos años de carrera docente, no solo se dedicó a la IA con una investigación y un pensamiento en profundidad, sino que también exploró algunas "metodologías" para cultivar talentos de IA.
“En primer lugar, debemos respetar las reglas del aprendizaje”. Yang Li les dijo a los Nuggets que la propia IA tiene altos requisitos de capacidad práctica, por lo que el modelo de entrenamiento de las disciplinas tradicionales no se puede copiar, es decir, el primer y segundo año del primer año se centran en la teoría, y el tercer año de educación principal Cuatro se centra en el profesionalismo. Más bien, es necesario combinar teoría y práctica, aprender primero, luego practicar, aprender en la práctica y luego "ascendente en espiral".
En términos de medidas específicas, dijo que mediante el establecimiento de una "tecnología group", se anima a los estudiantes a participar en diversos concursos de aprendizaje y proyectos de investigación como equipo.
Las ventajas de este modelo de grupo son: el grupo cubre a todos los estudiantes, forma una atmósfera interna de aprendizaje mutuo a través del trabajo en equipo, permite que todos los miembros participen en la práctica y se convierte en un "grupo de interés" y la duración del grupo; Cubre "Beneficios" que están disponibles para todos los miembros durante la carrera universitaria del estudiante. Al mismo tiempo, la ayuda mutua entre los miembros del grupo también puede aliviar en cierta medida la presión del profesor.
“En segundo lugar, debemos enseñar a los estudiantes de acuerdo con su aptitud para estimular su sed de conocimiento y exploración de la IA”.
Yang Li dijo que el interés de los estudiantes en aprender IA también muestra una "regla de los ocho y medio" obvia, es decir, el 20% de los estudiantes tienen una gran sed de conocimiento, mientras que el 80% de los estudiantes tienen intereses promedio.
“Para este 20% de estudiantes, solo necesitas decirles qué hacer mejor, decirles los asuntos y detalles a los que se debe prestar atención en el proceso, y no es necesario prestar demasiada atención al resto; para el 80% de los estudiantes, su interés no es tan alto, por lo que necesitan una orientación más detallada y algunas "tareas obligatorias", como asignarles directamente tareas para participar "
<. p>Además, estimular la inspiración creativa de los estudiantes a través de mecanismos de incentivo. "Por ejemplo, en el diseño de cursos, la innovación debe incluirse en los criterios de puntuación y los resultados del curso deben usarse para impulsar la innovación de los estudiantes.
Por ejemplo, en un caso, si los estudiantes simplemente siguen los pasos indicados por el maestro. Si lo hacen, su puntaje más alto puede ser solo una calificación aprobatoria, y el resto de los puntajes dependerá de la creatividad y el desempeño individual.
“La mayoría de los estudiantes necesitan un poco de empujón. de sus profesores, y las calificaciones son la mejor motivación. "Yang Li dijo que para obtener calificaciones más altas, los estudiantes tienen que "dedicar más tiempo" en lugar de hacerlo superficialmente, y la tarea final "a menudo tiene muchos aspectos destacados inesperados".
"Finalmente, los profesores y los estudiantes deberían formar un círculo virtuoso de interacción positiva."
Un problema común en la enseñanza de pregrado es que la interacción entre estudiantes y profesores es débil, o solo existe en el aula, con contacto extracurricular muy raramente. No es raro
En opinión de Yang Li, si los profesores sólo consideran la enseñanza como una tarea de trabajo, los estudiantes también adoptarán una actitud de afrontamiento. Si los profesores tienen un sentido de responsabilidad, los estudiantes también lo harán. también dejarse influenciar por su "ejemplo" y volverse más emprendedor
Por lo tanto, los profesores pueden comunicarse con los estudiantes a través de proyectos, interacciones en línea y fuera de línea, etc. para comprender las necesidades de los estudiantes y brindarles retroalimentación sobre su enseñanza. trabajo, y esta retroalimentación eventualmente llegará a los estudiantes a través de la enseñanza, formando una "situación beneficiosa para maestros y estudiantes".
Además de la metodología para cultivar talentos de IA, Yang Li también señaló que, para cultivar profesionales de la inteligencia artificial, debemos romper con la “teoría solo para estudiantes de posgrado”.
“Para estudiar inteligencia artificial, debes ser un estudiante de posgrado”. Si no vas a la escuela de posgrado, no tienes futuro. ”
Mucha gente sostiene esta opinión, pero Yang Li se opone firmemente. Él cree que muchos cursos de posgrado se han transferido a los estudiantes universitarios una vez que los talentos universitarios se capaciten en un sistema, las habilidades teóricas y prácticas de los estudiantes se mejorarán. capaz de satisfacer las necesidades de la IA Las necesidades básicas de la industria La búsqueda ciega de títulos de posgrado solo conducirá a un número cada vez mayor de círculos de IA y no ayudará a aliviar la escasez de talentos en la industria. “Por supuesto, la educación de posgrado también es importante, pero el cultivo de talentos de posgrado puede no ser posible. Más inclinado a la teoría básica, la escala de la IA requiere más talentos orientados a la aplicación para promoverla. ”
Por ejemplo, muchas industrias manufactureras tradicionales han introducido inteligencia artificial, como brazos robóticos y equipos de producción automatizados. Sin embargo, debido a la falta de talentos para la aplicación, las empresas no saben cómo utilizar el equipo adquirido. cómo implementarlo para maximizar las ganancias, sin mencionar cómo operarlo y mantenerlo.
Tal posición no requiere que los profesionales tengan una base teórica muy profunda, pero requiere talentos con una base en IA y comprensión. En el proceso, las brechas de talento similares son muy grandes.
“De hecho, cuando la IA se traslade a varias industrias y se implemente, la demanda de talentos también cambiará. A nivel universitario, los talentos destacados también se pueden cultivar a través del estudio teórico y la práctica social relacionados con la profesión. ”
En los Juegos Olímpicos de Invierno recién concluidos, el profesor Yang Li dirigió el equipo para desarrollar una tecnología de asistencia inteligente que puede revisar y analizar los movimientos de los atletas a través de video y proporcionar referencia para que los árbitros marquen.
Aunque es solo un reconocimiento de comportamiento relativamente simple, el modelo no es sofisticado. Muchas empresas de IA en el mercado tienen la capacidad de desarrollar esta tecnología, pero lo gratificante es que una vez que se propuso este proyecto, los estudiantes participaron activamente en él. .
Bajo la guía de sus instructores, extrajeron datos, etiquetaron, modelaron, capacitaron y probaron paso a paso. Todo el proceso duró dos semanas y los estudiantes hicieron la mayor parte del trabajo. Además, durante el Festival de Primavera, algunos estudiantes incluso lamentaron profundamente que sus esfuerzos no fueran suficientes.
"Las palabras vacías no valen nada". En opinión de Yang Li, otros son capaces de realizar este proyecto, pero solo ella lo ha puesto en práctica. Todo el proyecto fue completado por un estudiante de primer año. El proceso es mucho más importante que el resultado. "Representan una nueva fuerza en el campo de la inteligencia artificial".
Trabajar en este proyecto no siempre ha sido fácil.
El miembro del proyecto Jiang Zhengyang, con especialización en inteligencia artificial en la Escuela de Información de la Universidad Jiliang de China, dijo a los Nuggets que cuando el equipo estaba modelando, o la red era demasiado grande y el entrenamiento demasiado lento, o el La red era demasiado pequeña y no podía cumplir con los requisitos. Dificultad para lograr los objetivos esperados. Al mismo tiempo, la formación también encontrará una potencia informática insuficiente.
Después de muchos intentos fallidos, el equipo tuvo que recurrir al profesor Yang Li, quien añadió una estructura de red. Bajo esta estructura, el modelo se volvió relativamente "ligero" y la capacitación pudo cumplir con las expectativas.
Al final, el equipo desarrolló con éxito la "Tecnología de árbitro de IA para snowboard". Esta tecnología puede identificar con precisión si un atleta ha agarrado el tablero en escenarios complejos como imágenes borrosas, movimientos de cámara de alta velocidad e imágenes panorámicas de larga distancia, proporcionando así una base para que los árbitros marquen y ayudando a "hacer que los Juegos Olímpicos de Invierno sean justos". ".
“Nuestros conocimientos profesionales son limitados y necesitamos seguir fortaleciendo el estudio teórico. A través de este proyecto, hemos aprendido sobre el proceso, los métodos y la dificultad de iniciar un proyecto desde cero, y por supuesto, hemos acumulado experiencia. , eventualmente veremos los resultados del proyecto. Todavía estoy muy contento con los resultados", concluyó Jiang.
Yang Li cree que es normal encontrar problemas y que la clave está en la acción y la práctica. "La gente se caerá muchas veces mientras aprende a caminar, pero no puedes aprender a gatear simplemente porque te caes, de lo contrario nunca volverás a caminar".
Este no es el epítome de la economía doméstica. Desarrollo de IA.
Después de un período en el que nadie prestó atención, la IA nacional comenzó a florecer en los últimos 10 años, y varias empresas de IA como SenseTime, Shikuang, Congyun y Yitu nacieron una tras otra, y fueron recibidos calurosamente por el capital, apoyando la esperanza de la IA nacional. Sin embargo, después de que ardió la pasión, siguieron varios problemas, como dificultades en la implementación industrial, dificultades en la comercialización y dificultades en la monetización.
La IA actual se encuentra en el período exploratorio, desde escalar hasta caminar. De vez en cuando se producen golpes, caídas y lesiones, y el público también la ridiculiza como "retraso mental artificial".
Pero Yang Li no está frustrado, sino optimista, porque "cada vez más empresas y talentos participan en la investigación y el desarrollo, la promoción y la implementación de la IA", y con la promoción del "gobierno-industria Modelo "investigación universitaria" A continuación, la IA también levantará su velo y mostrará su apariencia más real. En el futuro, el público tendrá una comprensión "integral y objetiva" de la IA.
En el proceso de comunicación entre los Nuggets y muchos profesionales de la IA, casi todos están llenos de esperanzas para la IA. Aunque la IA todavía se encuentra en la etapa de "inteligencia artificial débil", todavía creen firmemente que tiene un futuro brillante.
“El vasto océano de la inteligencia artificial no se trata solo de bordes y esquinas, sino de cambiar el mundo”. Este ingeniero que afirmó sin rodeos que “la inteligencia artificial está retrasada” desde el principio les dijo a los Nuggets que incluso si. el camino para cambiar el mundo está lleno de baches, “yo persisto porque lo amo”.
En cuanto a algunas burlas y dudas del público, dudó y respondió:
"Por favor, dale a Ai un poco de tolerancia".