分类目录归档:不是技术

Heckman的研究

读完了James Heckman的paper《Fostering-and-Measuring-Skills-Improving-Cognitive-and-Non-Cognitive-Skills-to-Promote-Lifetime-Success》,总结一下。

理论将人的技能分为两类,分别是认知技能和非认知技能。

其中认知技能又分为:晶体智力和流体智力。晶体智力一旦习得则固化,而流体智力则随着年龄增长/衰老而变化,比如记忆力。

认知技能不在该论文中进行讨论。

Heckman关注的是非认知技能,用流行的Big Five概括,非认知技能在当前的语境中有如下的表达:

对经验的开放性、责任性、外向、合作能力、情绪稳定。

  • 非认知技能的培养越早越好,非认知技能作为一种基础技能可提升技能(认知和非认知)学习的投资回报率。(我想到的是顺产是不是也是一种非认知技能的学习途径……)
  • 认知技能的有效习得方式很多,但学习效率上是受非认知技能的影响。
  • 非认知技能的培养过程源于:家校的持续沟通、一些持续的仪式类的课程(本身是学习基础知识的,比如数学、文学等)、注重纪律和道德培养的宗教型学校,等等。
  • 青年职业训练的重要性在于弥补了非认知技能的训练,使其可以为劳工市场而使用,提高就业。就业市场上需要的非认知技能:问题解决能力、责任心、纪律、毅力等等。
  • 目前学校不注重非认知技能的训练,非认知技能需要家校同时加强,列举得很多有效的programme都是家校合作,持续覆盖完整的2年以上。(夏令营在这个角度看,除了开拓视野之外,对非认知技能基本上没有用)
  • 家庭需要超出抚养子女的范围,刻意培养其非认知技能。
  • 糖果激励长期来看是负面的,无用的,而且效果容易缺失。

另外Heckman从paper中评点了心理学在这一领域上的弱势,过于依赖问卷/自评来进行数据采集。这样就导致两个问题:1.对于问题和词句的理解性偏差,2.答卷人主观偏差。

Heckman参考的programme及其跟踪,更多的选择客观数据进行统计,比如升学率、平均绩点、就业率、平均收入、犯罪率等等。

如果问我从中有什么可供操作的建议,我会说:

持之以恒的介入幼儿到中学的教育中,也许是教育科目,也许是兴趣爱好,但必须介入,确认其非认知技能的获得,对于这些科目或项目本身的成就,则随缘就好。

放弃夏令营,假期不如去旅行。

智能商业和视觉智能专场

7月14日,已经是第三天了,感觉前两天的内容相当丰富,这一天打算换个角度看世界,基本上就没记什么笔记了,纯粹印象。

阿里巴巴来的是肖利华,清华的博后,看上去比较年轻,也比较的拽。因为迟到了,所以放在上午稍晚的位置讲,原本是第一个。

苏宁、阿里、京东、TCL、再到旷视、商汤、云从等等,无论是算法为主的,还是商业为主的,还是以产品为主的,都在打造自己企业的AI商业架构。

简单来说,就是数据层——框架层——应用层。

一般来说,数据层来自这些公司自身的业务,或者其客户;框架层是这些公司的算法团队或自研或引入的开源算法框架(无论软硬件);应用层则是AI如何变现的尝试,有公司业务的创新,也有可能是附着之上的小创业团队,在这上面做文章。

从阿里的角度看,它提供了数据层+框架层+应用层(小创业团队),只需要传统行业将业务导入,将数据导入就可以了,这无疑也带来了传统行业的被绑架的忧虑。

其他的公司或多或少在这几层上进行折腾,但总的来说,AI框架层基本上都会掌握在自己手中进行进化。

从另一个角度看,AI框架层也许是整个生态中最低成本的投入了……

类脑计算专场

7月13日下午,本来想过去听一下AI芯片方面的报告的,结果看着类脑计算的美国院士陈世卿的名头,鬼使神差地在类脑计算这里坐了一个下午。

类脑计算,顾名思义,就是抛弃传统计算机/算法的数学思维模式,转为通过对生物/人脑的模仿去实现计算系统。

继续阅读

5G & AIoT的专场

CUHK的黄铠教授,IEEE Fellow,内容链接:https://www.chaoqi.net/xinchao/2019/0725/229409.html

将AIoT的应用缩减为SMACT的缩写,分别是Social (社交——用户)/ Mobile(移动通讯——连接)/ Analytics(分析)/ Cloud(云端——服务)/ IoT(物联网——感知)。

其中Cloud Computing现在又延伸出Fog以及Edge等领域,但其本质就是提供软件服务的。

继续阅读

科大讯飞、京东、松鼠等的报告

代表科大讯飞作报告的是李世鹏,副总裁,IEEE fellow。

报告在这里http://tech.ifeng.com/a/20190717/45611806_0.shtml

他把智能的级别分为六层:Notification——Computation——Perception——Cognition——Prediction——Decision

不同层级对目前计算机智能的知识范围要求都不一样:

继续阅读

张大鹏:生物特征识别的新技术

张教授年龄也偏大了,他自己讲述的经历可以看出是经过几十年学术生涯的,也看到不少生物特征识别技术的前世今生。

文章链接:http://www.sohu.com/a/327559671_720705

80~85,哈工大博士

85~88,清华博士后

88~95,Waterloo,第二个博士学位

95~,到香港,CUHK。(中文大学目前影响力及水平已经超过港大,港大很大程度上政治气氛过于浓厚,而学术上固步自封)

张教授出书很多。

指纹、人脸、虹膜在他看来都有各自的缺点,近年选择的方向是掌纹。然后就是从掌纹出发,再到中医的望闻问切,也使用生物识别的方式进行工业化。

比如舌像、气味、脉象等分别通过CV、气味传感器、触觉感知等方式进行数据采集,上架设各种分析平台。不过也直到最近两年才有相关的paper发出。听起来很niche的方向。

再说到平均脸的问题,以平均脸的理论去推导机器的人脸审美……

怎么说呢,生物识别离开了最一般的用法——身份识别,走向其他的领域,比如疾病预警/识别/诊断,智能审美等,总觉得怪怪的。

Intel 戴金权的报告

Intel应该是此次GAIR的高端赞助商吧,他们也确实把AI方面的平台级别的产品都展示了。再加上戴金权的报告。http://www.sohu.com/a/238849703_114877

Intel坐拥芯片上的优势,却被GPU方面的NVIDIA喝了好几年AI芯片的头啖汤。

这次Intel推出的是AI方面的整套解决方案,从底层到上层,分别定义为:

继续阅读

张正友的报告

GAIR听到第三个,就明白了,这其实是一个学术经历(经历>经验)分享的活动。

张正友的报告在https://www.toutiao.com/i6713143613334749703/

有完整的文本内容,不再复述。

就补充一下我记录的体会吧:

近三、四十年,AI在各种领域上是算法各有擅场、百花齐放,直到近十年来,才被深度学习一统天下。但张博士认为深度学习的局限也是明显的。

继续阅读

邓力:AI Models:From Speech and Language to Financial Markets

邓力是加拿大工程院院士,同时又是Citadel的首席。他的演讲先是概述了一下十几年来AI产生突破的一些方向和时间点,比如2009的语音处理,2012的计算机视觉以及2014的自然语言处理。接着对自己语音/自然语言方面的AI应用做了个介绍,就是在金融市场上的AI技术应用的一些经验和分析。

全文雷锋网已经有翻译和整理了,这里就不再重复。链接

继续阅读