数据匿名也有“bug”？

按理来说，不会，GPT-3是非常有说服力的，但它在过去反复表明，“成功的科学”是对人类影响最大的科学。学术界总是离现实太远，太过模糊。在19世纪末，由于可用数据太少，神经网络被遗忘了很短一段时间，所以这个想法，无论多么巧妙，都毫无用处。

GPT-3是另一种语言模型，它可以编写令人信服的文本。它的应用在哪里？是的，例如，它可以生成查询的答案。然而，有更有效的方法来做到这一点（例如，遍历一个知识图谱并使用一个更小的模型，如BERT来输出答案）。

在计算能力枯竭的情况下，GPT-3的巨大尺寸（更不用说更大的模型）是不可行的或不必要的。

“摩尔定律有点没用了。” Satya Nadella，微软首席执行官

取而代之的是，我们正在走向一个人工智能嵌入式世界，智能冰箱可以自动订购食品，而无人机可以自动导航整个城市。强大的机器学习方法应该能够下载到个人电脑、手机和小芯片上。

这就需要轻量级人工智能：在保持性能的同时使神经网络更小。

这直接或间接地表明，在深度学习研究中，几乎所有的事情都与减少必要的参数量有关，这与提高泛化能力和性能密切相关。例如，卷积层的引入大大减少了神经网络处理图像所需的参数数量。递归层融合了时间的思想，同时使用相同的权值，使得神经网络能够更好地处理序列，并且参数更少。

嵌入层显式地将实体映射到具有物理意义的数值，这样就不会给附加参数增加负担。在一种解释中，Dropout 层显式地阻止参数对输入的某些部分进行操作。L1/L2正则化通过确保所有参数都不会增长过大来确保网络利用了所有参数，并且每个参数都能使其信息价值最大化。

随着这种特殊专用层的创建，网络对更复杂和更大的数据所需的参数越来越少。其他较新的方法显式地寻求压缩网络。

神经网络修剪试图去除那些对网络输出没有价值的突触和神经元。通过修剪，网络可以保持其性能，同时删除几乎所有的自身。
 

此外，物联网还提供了对供应链数据的更深入了解，以了解易腐物品等库存状况，使企业能够验证送货质量。该数据可用于以数据为导向的风险评估或改善流程的某些方面，而连接的设备可以收集排放数据，以使其与法规保持一致，从而根据需要主动管理货物。

#2|工作空间效率

随着人工智能、机器学习和自然语言处理(NLP)软件的发展，语音助手已得到改进，能够记录笔记、设置提醒和发出警报。微软的Cortana和Teams软件都结合了IoT技术，可以随时随地进行笔记、设置提醒和发送电子邮件。

除了提高生产力外，企业还使用语音助手来提供更好的客户服务并通过降低成本来增加收入。为了改善产品和服务并吸引新的受众，产品正在针对Siri和Alexa等助手进行集成或优化，而聊天机器人正在继续为企业提供效率和有价值的数据。

恒温器被认为是智能设备的先驱，它能够基于预设温度来管理热量。物联网提高了企业远程管理大型场所环境的能力，其中一些设备能够实施机器学习以进一步提高效率和节省成本。采暖和通风成本最多消耗建筑物总支出的40%——物联网传感器可以识别这些系统的效率低下，从而使企业节省电力消耗和成本。

#3|安全和访问

与采用物联网的大多数业务问题相反，实际上可以提高安全性。智能锁不仅为小型企业提供了从任何设备管理建筑物访问的便利，而且还提高了安全性。使用智能锁，如果员工丢失了钥匙，他们可以通过电话或其他设备控制锁，而独特的访问代码可以有效地管理和跟踪谁进入建筑物。

在云计算的帮助下，连接的摄像头还允许企业远程监视办公室、仓库、入口和其他区域。他们使用Wi-Fi的无线功能也使安装变得容易，这也是该技术的实施如此廉价的部分原因。

物联网一直是最具变革性和创新性的技术，随着它的不断成熟，更多的互联设备和物联网技术将会出现。从可穿戴设备到警报系统，从访问管理到机器学习(ML)，物联网无疑将继续改变我们的日常生活。

 

（编辑：阿坝站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!