近日,机器智能大会(Machine Intelligence Conference)在世界知名前沿科技实验室——麻省理工学院媒体实验室(The MIT Media Lab)正式举行。码隆科技联合创始人兼CTO码特(Matt Scott)受邀参加本次大会,并向与会的精英学者与企业代表分享了码隆科技在人工智能计算机视觉领域的探索及行业洞见。
近日, 机器智能大会 (Machine Intelligence Conference) 在世界知名前沿科技实验室——麻省理工学院媒体实验室 (The MIT Media Lab) 正式举行。码隆科技联合创始人兼 CTO 码特 (Matt Scott) 受邀参加本次大会, 并向与会的精英学者与企业代表分享了码隆科技在人工智能计算机视觉领域的探索及行业洞见。
本次大会由麻省理工学院、哈佛大学、波士顿大学以及塔夫茨大学等世界知名高校学生组织所举办, 致力于推动机器智能技术的创新发展与深度应用。大会现场, 来自 Intel AI、Facebook、亚马逊及英伟达等世界知名企业的代表齐聚一堂, 畅谈 AI 未来发展。
在以「AI 创新应用」为主题的演讲环节中, 码特向与会人员分享了码隆科技的创业历程及最新的产品、技术进展。码特表示, 未来人工智能的发展必定与实体行业密不可分, 同时, 为传统企业降本增效是码隆科技不变的使命。目前, 中国传统行业在智能升级层面上的产业共识已渐成, 码隆科技针对不同行业的解决方案现已覆盖零售、纺织服装、家居家具及医疗等多个领域。
码隆科技联合创始人兼 CTO 码特主题演讲现场
大会上, 码特应邀参与主题为「Future of AI」的圆桌讨论环节, 就人工智能的未来发展及其对人类社会的影响进行观点交流与分享。论坛上, 码特说道:「全球化发展在为人工智能增添活力与创造力的同时, 也给这个行业各大参与者带来了更大的责任。如果想要让人工智能为人类创造更多机会、带来更多价值与帮助, 那么最重要的则需要各国携起手来, 拥有开放包容的心态, 实现合作共赢。」
大会「Future of AI」圆桌讨论现场
随后, 作为人工智能领域优秀开发者代表, 码特受邀在大会期间与参会学者分享了码隆科技重大技术突破——「弱监督学习」算法 CurriculumNet。在商品识别模型的训练过程中, 海量数据是模型训练基础。然而, 现实中, 大部分互联网数据并未经过人工标注或筛选, 含有大量噪声信息, 这大大地增加了深度学习算法模型的训练难度。而码隆科技自主研发的「弱监督学习」算法 CurriculumNet 可通过从互联网上收集大量带有噪声标签的数据来训练出一个鲁棒性很强的深度神经网络模型技术。这一方法对那些缺少大型已标注数据集的研究人员十分有帮助, 同时在真实丰富的商业场景中有着更大的应用价值。
码特正在进行深度技术分享
人工智能作为前沿科技之一, 技术创新和产业应用都在蓬勃发展。码隆科技相信, 学术界与产业界从技术研发及人才培养等多方面的深入合作将会为科技赋能实体行业创造更美好的未来。
