引用:
|
作者野口隆史
apple 應該不是搞不出來，而是不想搞
按照 apple 最早的說法
他們的 ai 是基於邊緣運算
而不是需要聯網進行調用
而邊緣運算要達到他們廣 告的那種效果
手機記憶體只有 8 GB 就真的太少了
而且那點電力也不夠用
其實台灣確實應該發展 ai
台灣人的數理程度遠高於歐美
在亞洲與中共國還有印度相當
都比日韓還要好
我上個月，在推特上看一個機器學習專家分享
他說他大學唸數學系，什麼卷積、張量、矩陣
學了都不知道幹嘛
畢業後出去找工作，這些東西都沒有用過
後來有一天 openai 橫空出世
開始一堆中小企業也開始發展 ai
他才發現發展機器學習的知識都是以前學校就學過的
很多一般人不明白的地方，他一看就知道
然後短短兩年就賺到人生第一個一百萬美金
|
部屬在手機等類似的末端設備，基本上都是邊緣運算。
這些都是有針對範圍內的應用場景設計的（照片處理等, 透過 Siri 執行高階命令）
但 Siri 當客戶第一線的角色，得回答客戶不設限的問題。
Apple 也需要有泛用型的 AI。當然泛用型通常不會落地，需要資源/更新 基本都上雲。
另外我相信 Google 其實早就有在接觸 AI 相關領域。（如圍棋...比賽）
但效率跟傳統方式比太差了。
Google 還是有用人工的方式處理分類、權重等優化，提高準確率，減少運算成本。
推出 AI 來只是破壞自己的****市場，以及每次查詢所需的運算成本比原本的高太多。
直到有人出頭，破壞的原本生態。所以 Google 並不是真的從 0 開始。
PS:
我從小就一廂情願，只對有興趣的會花時間學。完全不管學校教的，偏科很嚴重。
後來做硬體工作，慢慢遇到瓶頸（如高頻電路設計），深刻體會到「數學為科學之母」。（類比電子玩不下去）
後來改軟體工作，也是從機器學習/深度學習等，再次被自己爛爛的數學打敗。
現在年紀大，記憶力，專注力真的不比以前。有興趣學，但基礎太差，且沒效率。