美国商务部对Target Inc数据泄露的调查报告

Sina WeiboBaiduLinkedInQQGoogle+RedditEvernote分享

(1个打分, 平均:4.00 / 5)

谷歌提升虚拟运营商逼格,传统电信运营商的好日子到头?

一年一度的巴塞罗那世界移动通信展(MWC)上,互联网企业成为主角,谷歌和Facebook分别发布了自己向移动无线网络进军的计划,让全球运营商们都 出了一身冷汗:将蜂窝网络与Wi-Fi无缝切换,这才是真正的狼来了。尽管在不同的场合,谷歌产品高级副总裁桑达尔·皮查伊和Facebook的创始人扎 克伯格都对电信运营商示好,但我相信,这不过是大电影中的灰太狼,互联网企业与电信运营商的关系,最终仍会像在喜羊羊与灰太狼在日播的动画片中一样斗智斗 勇。

先看看谷歌和Facebook准备做什么,据谷歌说,新服务将会在Sprint和T-Mobile美国提供的蜂窝网络连接以及 Wi-Fi“热点”中,锁定信号最好的连接,用以传输语音通话、短信和数据。也就是说,谷歌将用一种新的技术,让手机信号可以在3G、4G网络与Wi- Fi之间无缝切换。Facebook则和谷歌已经执行的Project Loon一样,用热气球、无人机为没有网络的国家和互联网提供无线网络。

很明显,谷歌和Facebook试图通过Wi-Fi另建一张移动网络,这样的尝试在美国已经开始。美国有线电视运营商Cablevision 2月初推出仅支持Wi-Fi的手机服务“Freewheel”,如果是Cablevision的宽带用户,每月9.95美元,不限量数据、通话和短信套 餐,2007年开始,Cablevision就开始在美国境内部署Wi-Fi热点。而像FreedomPop、Republic Wireless和Scratch Wireless这样互联网创业公司,则倾向于将散落在全美的Wi-Fi热点统一起来,变成一张网。

在MWC上,皮查伊如此说,谷歌正在与运营商谈判,“我们并不想成为一家大型网络运营商,我们正在与运营商合作。”扎克伯格更加谦虚,虽然利用气球、无人驾驶飞机、卫星连接“第三世界”的努力,让Facebook和谷歌获得了太多赞誉,但“真正的英雄是电信运营商。”

互联网公司不想成为网络运营商,这句话你信吗?我信。这年头,运营商多难做啊,设备、维护、人员,哪样成本不高,隔三差五的,还得考虑从3G升到4G, 从4G升到5G。互联网公司不想抢运营商的蛋糕,这句话你信吗?我真不信。根据刚刚修正过的美国网络中立法案,通信运营商不得对互联网企业的服务收取额外 费用,通道费已经没那么好收了,现在人家直接来抢的是市场。更可怕的是,谷歌还有安卓,安卓手机占有世界上超过50%以上的智能手机份额,这样的虚拟运营 商一旦挑战传统的电信行业,胜算不小。

回头来看国内,2014年,中国已经发生的事情是:Wi-Fi万能钥匙和Wi-Fi共享精灵受资 本热捧;阿里拿到了虚拟运营商牌照并推出全民免费Wi-Fi计划;小米拿到了虚拟运营商牌照并推出了小米路由器;小米和大众点评投资了商用Wi-Fi网络 运营商迈外迪;腾讯准备成立全国Wi-Fi联盟;平安也在免费Wi-Fi里插了一脚……尽管没去MWC,中国互联网企业在成为一家移动互联网络公司的道路 上,走得一点都不慢。

对于互联网公司布局移动网络,通常的说法是,为了争夺入口,通过后向收费盈利,但实际上,如果网络做好了,电信运 营商面临的就是真刀实枪的正面竞争。除了Cablevision收取月租费外,美国的Wi-Fi运营商FreedomPop和Republic Wireless都推出收费服务,用户可以使用其数百万Wi-Fi热点,或在Wi-Fi和蜂窝之间切换,月租费是5美元到40美元不等。

无论是平安还是阿里,其免费Wi-Fi计划中最大的参与者便是各地电信运营商。此前,Wi-Fi之于三大运营商,如同鸡肋,布局很早,收益很小。如今, 互联网公司们送来了“枕头”:卖给我们吧,我们是最好的合作伙伴。如果真就这么简单便宜将Wi-Fi卖了,估计过几年,就得看人家的脸色了。

(1个打分, 平均:1.00 / 5)

【技术贴】大型发布会现场的WiFi网络应该如何搭建?

转帖知乎上的文章,挺不错。

—————

WiFi网络的部署要远远比一般人想象的复杂,不是说放上几十个AP带宽就自动增加几十倍,恰恰相反,简单放几十个AP带宽会由于AP之间的竞争而 迅速使带宽下降为几乎不可用。实际上这个问题完全可以写一本书了,此处只有挂一漏万,简明扼要地讲个大概。对于大型活动做WiFi的规划,要按照这几步来 做:

情况调查:首先从主办方取得场地大小和人数、分布,包括场地地图。对于网络的规模和部署有个大概的估计。 一般来讲要为每个人规划至少1个客户端设备,以往经验值可以按0.5个客户端来规划,由于智能手机和平板的普及,未来估计要往1.5~2个客户端靠拢了。 手机和笔记本或者平板电脑有可能同时在上网。


带宽估计:发 布会要保证参与者能正常使用比较轻量级的互联网应用,最基本每个设备要分配500kbps的可用带宽。在这个基础上要考虑大型活动的特点。如果是新闻发布 会,那么会有很多人上传视频,带宽分配需要重新考虑,每个人至少有一个设备应保证1Mbps带宽。如果是小组讨论会,那么带宽需求就会小得多。下图是一些 典型应用通常需要的带宽。

根据如上两点可以算出每个区域的带宽需求,下一步就是AP规划。 虽然11g号称54Mbps带宽,实际可用的最多只有25Mbps,也就是说最多能保证50个设备同时浏览网页(在这个情况下由于客户端相互竞争,用户体 验已经非常糟糕了,一般打个对折)。11n对于大部分手机只能保证35Mbps,对于笔记本电脑等支持MIMO的可以保证到70Mbps甚至更高。按照这 个原则相应地在图上标出每个AP应该覆盖的区域。为了保证通信质量,为了保证比较好的体验,实际上应该控制每个AP接入的设备不超过刚才计算出的数目的一 半。


下一步就是分配信道。 由于国内只能用2.4GHz的频段,这个频段虽然号称有11个信道(有的国家有13个),实际上只有1,6,11三个互相不重叠的信道可以用。把这三个信 道尽可能互不重叠地在上图中覆盖起来(见上图)。有时候如果无法做到不重叠地覆盖,那么还要考虑用扇区天线把覆盖区域细分成几个扇区。


信道分配完成后就要实地部署无线网络了 (实际上在上述理论工作之前就应该做实地勘探,考虑墙壁和各种反射物的影响,此处为了简化略去)。部署时应该考虑用高增益天线,但是降低每个AP的发射功 率,让其覆盖区域基本与规划的区域吻合。注意这里功率不是越大越好,应该让每个AP只覆盖规划好的区域,别越俎代庖。部署时可能需要用一些现场测量工具对 于部署的效果进行评价,防止由于多径干扰出现死角。下图就是用11g部署和11n网络部署后整片区域的差异。红色区域表示覆盖不理想的情况,可以看出 11n网络对于多径干扰抑制非常好。再过几年尽量就不要考虑兼容问题,部署时不要开启11g模式了。目前看起来还是需要通过11g接入点自身功率和天线调 整,甚至增加额外接入点来弥补。


·有线网络规划部署:每个11g的AP应该接入至少百兆上行口,11n的AP应该接入千兆上行口。最后出口也要保证足够上下行带宽,上行传现场资料,下行供大家无聊或者需要查相关资料用,也要按上面第二步计算的总结果的按一定比例保留(取决于活动性质)。若是国内还要考虑多个运营商的出口。

·SSID的分配:实际上除了少数情况用户实现已经分配好座位,大部分情况没有办法把用户固定在某个AP上,所以更常见的做法是所有AP设置同一个SSID。这里实际上涉及到瘦AP和AP控制器的管理问题,由于各家方案都不相同,就不细数了。

·用户认证和带宽控制:为了防止恶意蹭网,最好能对用户做基本的认证,比如凭入场券领取账号名和密码。同时对于每个账号要限制带宽使用,这也会涉及到用户认证和带宽管理,通常需要额外的服务器来处理。

·拒绝弱信号客户端接入: 谢谢@魏冰然和@曹梦迪,通过和他们互动我觉得这点也非常重要,所以单独补充一下。通过AP测量到的客户端信号强度给客户端分配合适的AP,如果某个AP 能接收到客户端信号,但是强度太弱不足以支持某个门限速率,就拒绝客户端从这个AP的接入,防止这个猪一样的队友占有过多带宽(他传1bit时间你能传 54bit!),用最低速率把整个AP性能拉低。


至此一个较简单的WiFi网络才部署完毕。你给的链接找不到原文,我只能根据新闻说有3000人到场,猜测主办方低估了参会者带宽需求,原因无非是

·AP数目不足(应该100个左右,至少50个)

·AP规划不合理(太多包碰撞)

·或者AP崩溃(每个AP接入用户太多)

·或者AP控制器崩溃(无法同时响应这么多AP接入/断开请求)

·或者认证服务器崩溃(无法同时认证这么多用户)

·或者出口带宽太窄(按我的估计需要至少300MB上行,300MB下行)

·管理混乱(没有控制每个客户端设备流量)。

 

超级碗的主办方需要对付73208个用户,安排了700多个个接入点,能够同时支持30000个连接(比例低一点儿,这么热烈的比赛,用户花在看手机上的时间应该比新闻发布会少得多)。

美国人的课堂也很可怕,清一水的苹果笔记本,还不包括他们包包里的平板和手机!

 

(没有打分)

Facebook invents an intelligence test for machines

原文转自:http://www.newscientist.com

John is in the playground. Bob is in the office. Where is John? If you know the answer, you’re either a human, or software taking its first steps towards full artificial intelligence. Researchers at Facebook’s AI lab in New York say an exam of simple questions like this could help in designing machines that think like people.

Computing pioneer Alan Turing famously set his own test for AI, in which a human tries to sort other humans from machines by conversing with both. However, this approach has a downside.

“The Turing test requires us to teach the machine skills that are not actually useful for us,” says Matthew Richardson, an AI researcher at Microsoft. For example, to pass the test an AI must learn to lie about its true nature and pretend not to know facts a human wouldn’t.

These skills are no use to Facebook, which is looking for more sophisticated ways to filter your news feed. “People have a limited amount of time to spend on Facebook, so we have to curate that somehow,” says Yann LeCun, Facebook’s director of AI research. “For that you need to understand content and you need to understand people.”

In the longer term, Facebook also wants to create a digital assistant that can handle a real dialogue with humans, unlike the scripted conversations possible with the likes of Apple’s Siri.

Similar goals are driving AI researchers everywhere to develop more comprehensive exams to challenge their machines. Facebook itself has created 20 tasks, which get progressively harder – the example at the top of this article is of the easiest type. The team says any potential AI must pass all of them if it is ever to develop true intelligence.

Each task involves short descriptions followed by some questions, a bit like a reading comprehension quiz. Harder examples include figuring out whether one object could fit inside another, or why a person might act a certain way. “We wanted tasks that any human who can read can answer,” says Facebook’s Jason Weston, who led the research.

Having a range of questions challenges the AI in different ways, meaning systems that have a single strength fall short.

The Facebook team used its exam to test a number of learning algorithms, and found that none managed full marks. The best performance was by a variant of a neural network with access to an external memory, an approach that Google’s AI subsidiary DeepMind is also investigating. But even this fell down on tasks like counting objects in a question or spatial reasoning.

Richardson has also developed a test of AI reading comprehension, called MCTest. But the questions in MCTest are written by hand, whereas Facebook’s are automatically generated.

The details for Facebook’s tasks are plucked from a simulation of a simple world, a little like an old-school text adventure, where characters move around and pick up objects. Weston says this is key to keeping questions fresh for repeated testing and learning.

But such testing has its problems, says Peter Clark of the Allen Institute for Artificial Intelligence in Seattle, because the AI doesn’t need to understand what real-world objects the words relate to. “You can substitute a dummy word like ‘foobar’ for ‘cake’ and still be able to answer the question,” he says. His own approach, Aristo, attempts to quiz AI with questions taken from school science exams.

Whatever the best approach, it’s clear that tech companies like Facebook and Microsoft are betting big on human-level AI. Should we be worried? Recently the likes of Stephen Hawking, Elon Musk and even Bill Gates have warned that AI researchers must tread carefully.

LeCun acknowledges people’s fears, but says that the research is still at an early stage, and is conducted in the open. “All machines are still very dumb and we are still very much in control,” he says. “It’s not like some company is going to come out with the solution to AI all of a sudden and we’re going to have super-intelligent machines running around the internet.”

(没有打分)

测山石网智能下一代防火墙,免费得iPhone6

测山石网智能下一代防火墙,免费得iPhone6

2月5日,民族网络安全领导厂商山石网科发布了智能下一代防火墙新版本,总裁兼CEO罗东平亲自分享了山石网科在未知威胁防护方面取得的新成果,并宣布面向全社会招募20名网络管理员对新版本进行免费测试。

本次测试招募的范围较广,只要为网络管理人员及网络安全技术的爱好者均可报名,报名过程也极为简单,报名人员只要在报名注册页面的回答几个问题,并且填写真实的个人信息即可。本次报名截止日期为3月20日,之后将有评审团选入20名测试人员进行最终测试。山石网科将为最终测试者每人提供一部iPhone6手机。

本次活动测试的内容包含智能NGFW的全部亮点功能,如未知威胁分析,异常流量监控,以及应用识别,系统管理,网络监控等全方面的安全功能。山石网科希望测试用户能够以真实环境测试,并在山石技术人员的指导下做相关功能测试。

山石网科本次活动的负责人表示,山石网科本次测试主要是希望得到用户对产品的使用反馈,因此希望测试者能够参与测试相关的反馈调查和测试建议。对于最终决定人选的条件,她表示山石网科希望测试者具备实际测试的环境,可以旁路或者串联部署山石网科的智能下一代防火墙,需要具备基础网络知识和网络安全设备的使用经验,可以配置或者在我们的指导下配置网络安全设备,愿意与我们分享和探讨整个测试过程等。

山石网科智能下一代防火墙通过基于威胁行为的分析技术识别未知威胁,帮助客户解决目前市场中下一代防火墙和“沙箱技术”不能发现的0-DAY、APT、变种恶意软件等未知威胁,提前排除内网的安全隐患,在未知威胁产生破坏前减少损失。本次发布的智能NGFW新版本,首次采用“未知威胁检测引擎”和“异常行为检测引擎”两大智能引擎,和以全新的安全可视化界面和策略联动成为全新亮点。

(7个打分, 平均:3.29 / 5)

千团大战:看今天商业WiFi乱局及其破解之道

不知道还有没有人记得起始于2010年的千团大战。从2010年初开始,第一家团购网站上线以来,到2011年底,团购网站的数量超过了5000家。当时 就有很多媒体预言,2013年,团购的泡沫就将褪去,将有90%的团购网站将死去。果不其然,到2014年,团购网站关闭了95%,而幸存者只剩下了美团 网,大众点评和百度糯米,以及为数不多的100多家。不过都认了干爹(美团网和大众点评找了阿里巴巴,百度糯米则认了百度,而之前差点IPO的拉手,早已 不知所踪),前三家的市场份额总额超过了80%,团购行业开始进入寡头时代。

为什么在千团大战中,美团能够做到最大?美团的CEO王兴提到了关键点:美团的价值观。在2011年,团购最疯狂的一年,美团也遭遇了美团历史上最大的危机。本来与DQ合作的冰激凌优惠券,由于DQ的单方面解约,导致了一万多名消费者在拍下了冰激凌优惠券的情况下,却无法使用。这个事件使得美团开始重新审视美团的价值观问题。对于团购业务,其实面对着C端客户和B端客户,当危机发生时,必须要在两端作出取舍。美团给出了自己的价值观:1、消费者;2、商户;3、员工;4、股东;5、王兴。

围 绕着美团价值观,美团率先在业内提出了保障消费者权益的先行赔付机制。这种倒贴钱的方式,对企业运营带来了相当大的困难;但好处是,在千团大战中,美团率 先在用户消费心理痛点上,打出了差异化,从而使美团能够从几千家团购网站中脱颖而出,赢得了消费者的信任。其次,美团为了保障商户利益,提出了最快到账原 则,颠覆了传统团购网站通过延迟账款,通过沉淀资金的金融操作盈利的商业模式,让出美团的利益,从而俘获了更多商家的支持。

通过注重用户利益和价值,在商业模式,管理模式以及经营模式上的创新,使得美团在号称互联网历史上最残酷的肉搏战中幸存了下来,并且最终成为了团购行业的领导者。

时间到了2014年,自从互联网抢占入口的不断上移,以前不被大家关注的互联网接入WIFI成为了一个新的混战的战场。根据不完全统计,到2014年底,商业WIFI市场中的玩家,大大小小总计已经接近500家了,而且从现在的情况来看,仍然不断有不同的背景的玩家还在不断的涌入这个市场,大的,小的,传统行业,互联网行业,甚至还有金融保险行业等等。从最近的WIFI万能钥匙事件引出的WIFI安全问题说明,在这次残酷肉搏战中,带有互联网基因的玩家们的手段更加暴力,原始和疯狂。小编不得不惊呼:又一个千团大战的来临?

细数目前在商业WIFI领域的玩家,大致可以分为如下派别:

1、菩提老祖派(运营商)

运 营商在WIFI领域其实已经苦心耕耘了多年,但是由于运营商本身的体制限制和在运营商网络上运营思路的惯性,一直都没有找到很好的运营模式。近期运营商在 商业WIFI的运营思路上已经做出了调整,通过“家庭联产承包责任制”的方式,将以前由运营商支持的WIFI建设和运营下放给社会企业,一方面减少了建设 WIFI网络给运营商带来的资金压力,另外一方面通过引入社会力量和资本,期望在商业WIFI的运营模式下取得突破和创新。也正是由于运营商在WIFI领 域态度的开放,才使得越来越多的玩家能够进入这个市场,出现百花齐放的局面。但是运营商目前闲散的WIFI覆盖区域更多是在公共区域,这些区域的WIFI 覆盖更多是行政需求,而不是市场行为,所以用户的商业价值较低。主要的盈利模式有过运营Portal广告页面或者通过批发WIFI流量的方式实现流量变现

2、江湖新势力派

由于WIFI领域的入口价值,以及几大互联网大佬对O2O的战略投入,而WIFI又被公认为O2O的最佳入口。因此传统的互联网大佬也盯上了这块肥肉,并且逐渐衍生出了几大江湖新派系。

a. 华山派(阿里系)

树 熊和支付宝。二者通过在支付宝移动端开放WiFi入口,吸引消费场所主动接入并购买设备(比如购买树熊的智能路由设备,从模具、电路到rom、 portal云平台都是树熊自行设计开发等,但目前除树熊外,大部分商家都是赠送的)。目前来看,一般是对自身推广有需求的商家会这么做,看好支付宝就把 WiFi关联支付宝,看好微信就关 联公众账号,再把上网流程设计为关注店铺公众号,转化粉丝,公 众号内实现一键上网。店铺能通过这类方式利用WiFi推广自己的公 众号或者支付宝,巨头也可以稳固自己线下的战略布局。在整个的WiFi领域,树熊之所以卖设备的方式生存,因为背后有阿里。

b. 南岳派(腾讯系)

腾讯依托强大的社交网络,推广腾讯的微信WIFI。目前和腾讯合作的商业WIFI运营商有迈外迪,微娱科技,百通无限,潮WIFI,九柚时空。

c. 少林派(百度系)

百度在商业WIFI相对比较封闭,依靠自己的百度直达号,百度钱包 ,联合运营商的已有的覆盖全城的WIFI网络,打通线上和线下,以及其中关键的支付环节。小编不得不说百度就是任性,不过在当前以商业模式和规模取胜的时候,百度的这种做法,能在商业WIFI领域能有多大建树还要拭目以待。

d. 崆峒派(小米系)

小米除了在早期投资了麦外迪,并且将WIFI认证集成到其实MIUI操作系统里面,以及早期启动的WIFI分享计划由于安全问题而暂时中止之外,目前小米在商业WIFI领域的动作较少,也越来越少的听到在该领域小米的声音了。

e. 青城派(差异化场景系)

在商业WIFI领域的应用,其实除了常见的一些商业场景外,一些其他的应用场景下表现出对WIFI强烈的需求。

一个是医院,候诊人群如何通过wifi打发无聊的候诊时间?目前在全国的妇幼保健院均建设了统一的HOS-WIFI网络,在此网络下,一些医药行业的广告公司依托于Portal页面,进行精准的商业广告推送,表现出了较大的商业价值。

一个是轨道交通。七彩传媒、百灵时代和巴士在线都是传统的轨道传媒的转型,他们主要专注在公交领域。而长途大巴上则是中交汇能,通过垄断的资源,在22省的长途大巴上部署了无线的WIFI网络。高铁领域的玩家是一些有深厚的客户关系的公司,比如在高铁,火车领域深耕多年的京海博源等。而由于飞机涉及到飞机改造和安全问题,因此主要由航空公司自己完成。

除此之外,在这个领域中大大小小的玩家还不计其数,近期鹏博士收购了Joome,也在开始进入商业WIFI的领域。可以预见,商业WIFI领域的千团大战,脚步声越来越近了。

虽然历史都是由不同的人来书写的,但是你会发现其实历史的规律却总是那么相似。WIFI行业由于有一定的技术门槛,以及硬件的投入等因素,可能很难再现团购网站那种万马齐喑的壮观景象,但是接近千家的混战里,你是否能有美团的幸运,而笑傲到最后呢?根据互联网商业世界的发展规律,商业WIFI可能在2016年,甚至更早的时候,将迎来整个行业洗牌的决战时刻。时间很宝贵,而你是否已经在开始准备迎接这个时刻的到来?

如何从如此乱局中破局,在即将到来的千团大战中幸存下来?从美团的经验来看,需要在千人一面中找到自己的差异性,才能有可能在最终的乱局中杀出一条血路。如何做到?

1、 认识清楚自己。

商业WIFI是一个笼统的概念,从不同的维度,商业WIFI可以分为很多个层次。

从产业链上划分,分为了上游的芯片厂商,和WIFI模块,硬件解决方案提供商,中游的设备制造商,服务平台提供商,下游的系统集成商,最终WIFI服务的运营商。在产业链上地位的不同,决定了最终的玩法的差异。产业链越往下游走,技术门槛越低,因此其玩家越多,竞争也就越激烈。不同的层次的WIFI玩 家,最终胜出的资本也就存在了差异。因此首先要结合自身的资源,对自身有一个明确的定位,从而根据自己的定位打造出在这次肉搏战的竞争优势。如果你是做芯 片的,就在芯片的集成度,芯片的出货量,芯片的开发易用性,芯片的技术指标,芯片价格等方面打磨你的差异性。如果你是设备制造商,则需要在设备的性能和稳 定性,产品质量,整体解决方案,对下游客户的支持的力度等方面玩出你自己的花样。而如果你是将自己定位一个商业WIFI业务的运营商,则你可能就需要考虑的是如何通过你的客户资源,在尽快的抢占市场地盘上努力了。必要时可能还需要拜一个干爹,这样通过密集型资本和人力,迅速拓展你的地盘,抢占市场优势。

从应用场景思考,商业WIFI在医院,在景区,在商场,在园区各有差异。

2、 认识清楚别人

这个别人主要是指你的用户,你的客户。可能大家会觉得很奇怪,为什么这里要讲到用户,要讲到客户,这两个不是同一群人吗?有时候这两者人是一群人,而有的时候这两者又不是同一群人。

认清别人分为了两个层面:

第一是先识别“别人”。

就是先弄清楚,谁是你的用户,谁是你的客户。大家觉得这个问题简单吗?说简单也简单,说不简单也不简单。如果第一个问题弄清楚了,自然这个问题很容易回答;而如果第一个问题没有弄清楚,第二个问题无疑就比较难了。

第二个层面是认识“别人”的需求。

识别需求这个事情一直都是难事,有的说客户和用户要的不就是需求吗?其实不然。大家搞混了需要与需求的差别。一定要记住,需求永远是和客户的动机有关的。弄清楚你服务的客户和用户背后的动机,自然就能识别出用户需求了。什么是动机?举个例子,在高铁上,我们为什么要WIFI?有的人回答是为了上网。这是动机吗?不是。其实其背后的动机是无聊,要杀死无聊。是不是很简单呢?现实情况是很多动机不像我们举例这么简单和直接,它可能经过了非常多层次的伪装。对动机的识别,是要建立在对用户的深刻理解基础上的。

3、 战术上勤奋,战略上更要勤奋

时间永远是最宝贵的资源。在认识清楚上面两个问题的情况下,需要的是高效率的执行。在商业市场上,永远都是快鱼吃慢鱼,大鱼吃小鱼。

最近一篇文章在网上转的挺火的:《千万不用战术上的勤奋,掩盖战略上的懒惰》。往往我们都注重了执行的效率,却往往忽视了方向上的思考。在认识清楚前面两个问题的基础上,首先需要考虑的是在商业WIFI上的战略思考。

不同的企业,有不同的资源,因此也就在商业WIFI上自然有不同的方向选择。

根据特劳特的定位理论,在一个方向上更容易以最低的成本占领用户和客户的心智。美团之所以能够胜出,其实也就将公司资源做到了一个点到两个点的创新上。因此小编认为在商业WIFI这个概念还是有点大的市场上,再细分到一个或者二个市场,用所有的资源和精力精耕细作,体现出差异性,才可能保证在后面的商业WIFI的千团大战中,能占有一席之地。

2014 年,互联网行业将之定义为O2O元年,这一年移动的4G正式运营了,并且在一年时间里迅速布放了70万个基站,4G用户也拓展到了1亿人。而华为更是宣称 投入6亿美元研发5G,并且最早将在2020年投入商用。这一年一件很重要的事件是铁塔公司的成立,以及虚拟运营商的合法化。而这一年,离通信行业定义的 商用WIFI元年2011年已经过去了3年。

2015年是非常关键的一年,只是希望再过两年,在商业WIFI中搏杀的勇士们都还一切安好!

(7个打分, 平均:3.71 / 5)

SDN/NFV–网络与分布式系统的统一

(3个打分, 平均:2.67 / 5)

【刘挺】自然语言处理与智能问答系统

节选自微博:杨静Lillian

【刘挺】哈尔滨工业大学教授,社会计算与信息检索研究中心主任,2010-2014年任哈工大计算机学院副院长。中国计算机学会理事、曾任CCF YOCSEF总部副主席;中国中文信息学会常务理事、社会媒体处理专业委员会主任。曾任“十一五”国家863 计划“中文为核心的多语言处理技术”重点项目总体组专家, 2012 年入选教育部新世纪优秀人才计划。主要研究方向为社会计算、信息检索和自然语言处理,已完成或正在承担的国家973课题、国家自然科学基金重点项目、国家863计划项目等各类国家级科研项目20余项,在国内外重要期刊和会议上发表论文80余篇,获2010年钱伟长中文信息处理科学技术一等奖,2012 年黑龙江省技术发明二等奖。

 

【刘挺】大家好,我是哈工大刘挺。感谢杨静群主提供的在线分享的机会。2014年11月1-2日,第三届全国社会媒体处理大会(Social Media Processing, SMP 2014)在北京召开,12个特邀报告,800多名听众,大会充分介绍了社会媒体处理领域的研究进展,与会者参与热情很高,2015年11月将在广州华南理工大学大学举办第四届全国社会媒体处理大会(SMP 2015),欢迎大家关注。

今晚我想多聊一聊与自然语言处理与智能问答系统相关的话题,因为这些话题可能和“静沙龙”人工智能的主题更相关。欢迎各位专家,各位群友一起讨论,批评指正。

 

IBM沃森与智能问答系统

 

【杨静lillian】刘挺教授在自然语言处理、数据挖掘领域颇有建树。腾讯、百度、IBM、讯飞、中兴等企业都与他有合作,他还研发了一个基于新浪微博的电影票房预测系统。

近年来,IBM等企业将战略中心转移到认知计算,沃森实际上就是一个智能问答系统。刘教授谈谈您在这方面的研发心得?

 

【刘挺】我们实验室是哈尔滨工业大学社会计算与信息检索研究中心,我们的技术理想是“理解语言,认知社会”。换句话说,我们的研究方向主要包括自然语言处理(Natural Languge Processing, NLP)和基于自然语言处理的社会计算,此次分享我重点谈自然语言处理。

1950年图灵发表了堪称“划时代之作”的论文《机器能思考吗?》,提出了著名的“图灵测试”,作为衡量机器是否具有人类智能的准则。2011年IBM研制的以公司创始人名字命名的“沃森”深度问答系统(DeepQA)在美国最受欢迎的知识抢答竞赛节目《危险边缘》中战胜了人类顶尖知识问答高手。

【白硕】深度,是从外部观感评价的,还是内部实现了一定的功能才算深度?

【刘挺】白老师,我认为深度是有层次的,沃森的所谓“深度问答”是和以往的关键词搜索相比而言的,也是有限的深度。IBM沃森中的问题均为简单事实型问题,而且问题的形式也相对规范,比如:“二战期间美国总统是谁。”

【白硕】要是问二战时美国总统的夫人是谁,估计就不好做了。

【刘挺】相应的,2011年苹果公司在iPhone 4s系统里面推出Siri语音对话系统,引起业内震动。百度、讯飞、搜狗先后推出类似的语音助手。但近来,语音助手的用户活跃度一般,并没有达到预期的成为移动端主流搜索形式的目标。

语音助手产品在有的互联网公司已基本处于维持状态,而不是主攻的产品方向,这背后的核心原因一方面是虽然语音技术相对成熟,但语言技术还有很多有待提高的空间,无法理解和回答用户自由的提问;另一方面,对生活类的查询用菜单触摸交互的方式,用户使用起来更便捷。

因此,但无论IBM沃森还是苹果Siri距离达到人类语言理解的水平仍有很大的距离,智能问答系统还有很长的路要走。

 

【胡颖之】@刘挺 这个问题我们调研过,不知国外情况如何,大部分人觉得,在外对着手机自言自语有点尴尬,且往往还需要调整识别不准的词。如果是一问一答,就直接电话好了,不需要语音。

【刘挺】IBM沃森在向医疗、法律等领域拓展,引入了更多的推理机制。认知计算成为IBM在智慧地球、服务计算等概念之后树起的一面最重要的旗帜。

【杨静lillian】深度问答系统转型成了智能医疗系统。请问我国企业怎么没有开发这种基于认知计算的智能医疗系统?

【刘挺】相信不久的将来,我国的企业就会有类似的系统出炉。百度的“小度”机器人日前参加了江苏卫视的“芝麻开门”就是一个开端。不过,当前我国的互联网公司似乎对微创新、商业模式的创新更感兴趣,而对需要多年积累的高技术密集型产品或服务的投入相对不足。IBM研制沃森历时4年,集中了一批专家和工程师,包括美国一些顶尖高校的学者,这种“多年磨一剑”的做法是值得学习的。

 

【杨静lillian】一个问题。百度的资料说小度机器人是基于语音识别的自然语言处理机器人,而沃森是视觉识别(扫描屏幕上的问题)。沃森到底是怎么进行问答的?

【刘挺】沃森不能接收语音信息及视频信息,因此比赛时主办方需要将题目信息输入沃森中,便于沃森理解题目。并且,Watson只利用已经存储的数据,比赛的时候不连接互联网。沃森不可以现场连接互联网,也是为了避免作弊的嫌疑。不过,如果让机器扫描印刷体的题目,以当前的文字识别技术而言,也不是难事。

【杨静lillian】原来这样,那么它会连接自己的服务器吧?可以把沃森看成一台小型的超级计算机?

【白硕】意思是服务器也部署在赛场。

 

【罗圣美】刘老师,IBM说的认知技术核心技术是什么?

【刘挺】罗总,IBM认知计算方面的核心技术可以参考近期IBM有关专家的报告,比如IBM中国研究院院长沈晓卫博士在2014年中国计算机大会(CNCC)上的报告。

 

 

高考机器人与类人智能系统

 

【刘挺】国家863计划正在推动一项类人智能答题系统的立项工作,目标是三年后参加中国高考,该系统评测时同样禁止连接互联网,答题需要的支撑技术事先存储在答题机器人的存储器中。

【杨静lillian】您说的这个就是讯飞的高考项目。哈工大与讯飞有个联合实验室,是从事相关研究么?

【刘挺】目前,863在规划的类人答题系统包含9个课题,以文科类高考为评价指标,讯飞公司胡郁副总裁担任首席科学家,我实验室秦兵教授牵头其中的语文卷答题系统,语文是最难的,阅读理解、作文等需要推理、创意等方面的能力。

【刘 挺】为什么要启动沃森、高考机器人这类的项目呢?要从搜索引擎的不足说起。海量数据搜索引擎的成功掩盖了语义方面的问题,在海量的信息检索中,有时候,数 据量的增加自然导致准确率的上升,比如问“《飘》的作者是谁”,如果被检索的文本中说“米切尔写了《飘》”,则用关键词匹配的方法是很难给出答案的,但由 于Web的数据是海量的,是冗余的,我们不断地追加文本,就可能在某个文本中找到“《飘》的作者是美国作家米切尔”这样的话,于是利用简单地字面匹配就可以找出问题和答案的关联,从而解决问题。因此,是海量的信息暂时掩盖了以往我们没有解决的一些深层问题,比如语义问题。

【白硕】飘的作者生于哪一年,也是一样,掩盖了推理和上下文连接的问题。

【杨静lillian】有没有可能,只要有足够海量的数据,那么从中总会找到想要的答案。

【白硕】不会的。

【刘挺】在搜索引擎中,海量的数据掩盖了智能推理能力的不足,但是在类似高考这样的需要细粒度的知识问答的场景里面仅靠海量数据是远远不够的,因而将把更深层次的语言理解与推理的困难暴露在研究者面前,推动技术向更深层发展。

举例而言,有用户问:“肯尼迪当总统时,英国首相是谁?”,这个问题很有可能在整个互联网上均没有答案,必须通过推理得到,而人类其实常常想问更为复杂的问题,只是受到搜索引擎只能理解关键词的限制,使自由提问回退为关键词搜索。

 

【胡颖之】那么微软小冰这一类的问答机器人,是属于相当初级的形态么?

【刘 挺】问答系统有两大类:一类是以知识获取或事务处理为目的的,尽快完成任务结束问答过程是系统成功的标志;另一类是以聊天及情感沟通为目的的,让对话能够 持续进行下去,让用户感到他对面的机器具有人的常识与情感,给人以情感慰藉。我们认为微软“小娜”属于前者,“小冰”属于后者。

【胡本立】词汇,语言只是脑中概念的部分表达。

【杨静lillian】提供一份背景资料。

据日本朝日新闻网报道,以在2021年前通过东京大学入学考试为目标的机器人“东Robo君”,在今年秋天参加了日本全国大学入学考试,尽管其成绩离东京大学合格的标准还相差很远,但较去年有所进步。

“东Robo君”是日本国立信息学研究所等机构于2011年开启的人工智能开发项目,目标是在2021年度之前“考取”东京大学。此次是继去年之后第2次参加模拟考试。

据主办模拟考试的机构“代代木Seminar”介绍,考试必考科目包括英语、日本语、数学、世界史、日本史、物理等7项科目,满分为900分(英语、国语满分200分,其他各科满分100分)。“东Robo君”此次获得了386分,偏差值(相对平均值的偏差数值,是日本对学生智能、学力的一项计算公式值)为47.3,超过了去年的45.1

据介绍,如果“东Robo君”以这次的成绩报考私立大学的话,在全国581所私立大学里的472大学中合格的可能性为80%以上。研究人员认为“东Robo君”的学力水平“应该已能比肩普通高三学生”。

据称,该机器人在英语和日本语方面成绩有所提高,看来是倾向文科。在英语科目上,日本电报电话公司(NTT)参与了开发。NTT不仅灵活地运用其收纳了1千亿个单词的数据库,还加入了NTT公司开发的智能手机对话应用软件等技术。例如,在考试中的对话类填空题中,“东Robo君”会根据会话的语气或对话方的感情来进行判定,这使其成绩有所提高。但“代代木Seminar”的负责人表示,“如果目标是东大的话必须拿到9成的分数。老实说,‘东Robo君’还需更努力才行”。

但是,“东Robo君”的理科明显较弱。在数学函数的问题上,“东Robo君”无法像人一样在图表中描画图形,因为它不能进行直观性的理解。有关物体的运动问题也是同样,假设忽视物体的大小,以及假设摩擦为零之类的思考方式“东Robo君”还做不到。据称,这是因为他认为此类假设在现实中完全不可能。

除了参加7项必考科目外,“东Robo君”还参加了政治、经济的考试,它不能理解譬如“民主主义”的意思。据称,是因为教科书中没有过多解释少数服从多数,以及过半表决规则等社会常识,因此“东Robo君”对此并不熟悉,并且它也因此无法理解社会公正的概念。

该机器人项目负责人、国立信息学研究所新井纪子教授表示:“探究人工智能的极限可以说是这个项目的目的。弄清人和机器如何才能协调相处的问题,是日本经济发展的一把钥匙。”

 

【刘挺】杨静群主介绍的这篇新闻,我们也注意到了。日本第五代机的研制虽然失败了,但日本人仍然对机器人和人工智能充满热情,2021年让机器人考入东京大学是一个令人兴奋的目标。

【白硕】应该反过来思考,五代机的失败对今天的人工智能热有什么启示?

【刘挺】人们对人工智能的关注波浪式前进,本人认为当前对人工智能的期待偏高,本轮高潮过后将引起学者们的冷静思考。

 

【杨静lillian】按理说,届时我们的机器人就应该可以考入北大、清华了?

【刘挺】考入北大、清华是非常高的智能的体现,难度极大,这样的愿景能够变为现实,需要业内学者和企业界研发人员的通力合作,也有赖于未来若干年中计算环境的进一步提升。

【杨静lillian】讯飞的高考机器人是文科生,不考理科?这么说自然语言处理,反而是机器最能接近人类智能的一步?

【刘挺】文科生

【白硕】考理科想都不要想。小学的应用题要能做对已经很不容易了。

【杨静lillian】很奇怪的悖论,算力如此强大的计算机,连应用题都不能做。。。

【刘挺】我接触的一些数学家认为:只要能把应用题准确地转换为数学公式,他们就有各种办法让机器自动解题,因而即便对数学这样的理科科目而言,语言的理解仍然是关键的障碍。

【杨静lillian】看来高考机器人20年内都只能是文科生?但日本为什么2021年能让机器人上东大,也是文科?

【刘挺】日本2021年的目标也是考文科,跟中国的目标一致。

【杨静lillian】这充分说明了,为什么机器最先替代的是记者等文科生。。。

 

机器人为什么不能学习常识?

 

【胡本立】还有自然语言是不精确的,要只会精确计算的机器来不精确地表达比倒过来更难。

【白硕】应用题背后有大量的潜在常识性假设,对于人,不说也知道,对于机器,不说就不知道。

【杨静lillian】常识难道不能学习么?

【周志华】常识问题,图灵奖得主John MaCarthy后半辈子都在研究这个问题。悲观点说,在我退休以前看不到有希望。路过看到谈常识,随口说一句。

【杨静lillian】@周志华您是说20年内让机器学习常识没有希望?

【周志华】甚至是没看到能够让人感觉有希望的途径。当然,不排除有超凡入圣的人突然降生,拨云见日。

【白硕】常识获取比常识推理更难。

【刘挺】关于常识,谈谈我的观点:理论上的常识和工程实践中的知识获取或许有较大的区别。作为应用技术的研究者,我们对常识知识获取持相对乐观的态度。

群体智慧在不断地贡献大量的知识,比如维基百科、百度知道等,谷歌的知识图谱就是从这些体现群体智慧的自然语言知识描述中自动提炼知识,取得了令人瞩目的进展。

【白硕】我误导了。显性常识只需要告诉机器就行了,隐性常识往往是我们碰到了问题才知道原来这个都没告诉机器。所以,显性常识获取并不挑战智力而只挑战体力,但是隐性常识获取至今还在挑战智力。

 

 

【杨静lillian】既然机器学不会常识,为什么能给病人进行诊断呢?语言理解虽然难,但看起来依据常识进行推理就更难,几乎被认为没有可能性。

【杨静lillian】所以霍金和特斯拉CEO马斯克为什么还要“杞人忧天”呢?连常识都不可能具备的“人工智能”,到底有什么可怕的?

【刘挺】2014年6月8日,首次有电脑通过图灵测试,机器人“尤金·古斯特曼”扮演一位乌克兰13岁男孩,成功地在国际图灵测试比赛中被33%的评委判定为人类。

【刘挺】现在有学者质疑在图灵测试中,机器人总是在刻意模仿人的行为,包括心算慢,口误等,模仿乌克兰少年也是借非母语掩盖语言的不流畅,借年纪小掩盖知识的不足。

【王涛-爱奇艺】星际穿越里的方块机器人对话很有智慧和幽默。要达到这个智力水平,还需要解决哪些关键问题?语言理解,对话幽默的能力。。。

【刘挺】智能问答系统的核心问题之一是自然语言的语义分析问题。

【白硕】我曾经提出过一个明确的问题,要孙茂松教授转达给深度学习的大拿,也不知道人家怎么应的。问题如下:输入一些回文串作为正例,非回文串作为反例,用深度学习学出一个区分回文串的分类器。

 

情感计算与电影票房预测

 

【王涛-爱奇艺】语义分析这个问题深度学习是否有效?或者要依靠知识库,推理的传统技术呢?

【刘挺】深度学习近年来成为语音、图像以及自然语言处理领域的一个研究热潮,受到学术界和工业界的广泛关注。相比于深度学习在语音、图像领域上所取得的成功,其在自然语言处理领域的应用还只是初步取得成效。

作为智能问答基础的自然语言处理技术,当前的热点包括:语义分析、情感计算、文本蕴含等,其他诸如反语、隐喻、幽默、水帖识别等技术均吸引了越来越多学者的关注。

自然语言处理领域的重要国际会议EMNLP,今年被戏称为EmbeddingNLP。(注:Embedding技术是深度学习在NLP中的重要体现)

自然语言本身就是人类认知的抽象表示,和语音、图像这类底层的输入信号相比,自然语言已经具有较强的表示能力,因此目前深度学习对自然语言处理的帮助不如对语音、图像的帮助那么立竿见影,也是可以理解的。

我实验室研制的语言处理平台(LTP)历经十余年的研发,目前已开源并对外提供云服务,称为语言云。感兴趣的群友可以在语言云的演示系统中测试目前自然语言处理的句法语义分析水平:http://www.ltp-cloud.com

 

【杨静lillian】情感计算,这个有趣。可以把我的微信好友按照情感量化,排个序么?

【刘挺】情感分析是当前自然语言处理领域的热点,在社会媒体兴起之前,语言处理集中于对客观事实文本,如新闻语料的处理,社会媒体兴起之后,广大网民在网上充分表达自己的情绪,诸如,对社会事件、产品质量等的褒贬评论,对热点话题的喜、怒、悲、恐、惊等情绪。

目前的情感分析技术可以计算你的粉丝对你的情感归属度,对你各方面观点的支持及反对的比例。我们实验室研制了微博情绪地图:http://qx.8wss.com/,根据对大量微博文本的实时分析,观测不同地域的网民对各类事件的情绪变化。

现在在微信上输入”生日快乐“,屏幕上会有生日蛋糕飘落。未来,只要你在微信聊天中的文字带有情绪,就能够被机器识别并配动画配音乐。

机器能够理解甚至模拟人的情感,是机器向类人系统迈进的一个重要方向。

 

【胡本立】深刻理解自然语言的产生和理解还得等对脑科学包括脑认知过程和机制的理解,通个模拟来发现和理解难会有突破性进展。

 

【杨静lillian】情感归属度这个比较有趣。我认为可以对微信群做个智能筛选。保留归属度高的,删除归属度低的。公众号也是同理。刘老师,那么您认为情感计算是未来认知计算的突破方向之一?

【朱进】@杨静lillian 恕我直言,机器的智能筛选免不了是弱智的决定。只要编程这种形式存在,真正意义上的创造就很难想象。

【白硕】情感归属度,先要解决特定的情感倾向是针对谁、针对什么事儿的。反贪官不一定反皇帝,反害群之马不一定反群主。

【刘挺】呵呵,白老师说的是评价对象(比如“汽车”)识别问题,评价对象还有多个侧面(比如“汽车的外观、动力、油耗等”)。

【刘挺】刚才杨静群主提到认知计算,我们认为计算有四个高级阶段:感知计算、认知计算、决策计算和创造计算。

语 音识别、图像识别属于感知层面,语言理解、图像视频的理解、知识推理与数据挖掘属于认知计算,在人类认知世界并认清规律的基础上,需要对社会发展的未来进 行预测并辅助决策,更高的计算则是创造计算,比如我们正在研制的机器自动作文属于创造计算。情感与认知密切相关,应该属于认知计算层面。

我们开展了两年多的中国电影票房预测研究,最近百度也开展了电影票房的预测,这项研究属于决策计算范畴。

【杨静lillian】百度对《黄金时代》的预测据说遭遇了滑铁卢。《黄金时代》这个片子,最主要的原因还是文艺片当大众片推了,高估了市场的接受度。

【刘挺】对于《黄金时代》的票房,百度预测是2.3亿,我实验室“八维社会时空”(http://yc.8wss.com)的预测是8000万,实际票房是5200万而。我们正在开展股票预测研究,社会媒体上反映出的股民情绪为股票预测提供了新的数据支持。重大突发事件与股票涨跌的关联亦是股票预测的重要手段。

白老师是上海证券交易所的总工,又是计算机领域的顶级专家,对证券市场中的计算技术最有发言权,以后我们这方面的研究需要向白老师学习

【杨静lillian】照白老师的想法,量化交易应该逐渐取代散户操作,那么情绪的影响应该是越来越小了。至少权重不会像此前那么高。

【白硕】应该说是情绪都暴露在量化武器的射程之内。

 

【刘挺】关于票房预测,我们采用了基于自然语言语义分析的用户消费意图识别技术,在电影上映前较为准确地计算在微博上表达观影意图的人群数量,这是我实验室票房预测的一块基石。

【朱 进】假如是个制作质量极差的电影,但是谁都没看过,制作方按常规方式宣传,机器能预测出来票房会极差吗?最简单的道理,完全同样的内容,换个相近的名字作 为新电影再放,机器会对票房给出跟第一次结果一样的预测吗?如果第三次换个名字再放哪?题目很牛,所有的宣传都很牛。问题是,预测的机器难道不需要先看一 遍电影再猜吗?另外,这机器真的能看懂电影吗?

【白硕】朱老师,买票的人基本都是没看过的人。做决策,从分析没看过的人的行为入手倒是可以理解的。

 

【刘挺】票房预测有时会失准,主要原因包括:电影制作方的强力微博营销行为、竞争影片的冲击、主创人员不合时宜的公关表态等等。

我实验室还在开展因果分析的研究,在《大数据时代》一书中,作者舍恩伯格认为相关性非常重要,因果关系可以忽略,我们认为因果关系的挖掘将对人类的决策起到关键作用,值得深入研究。

比如,如果《黄金时代》市场不理想的原因是如杨静所言“文艺片当大众片推了”,那么如何用大数据验证该原因是真正的主要原因,以及是否还有其他隐蔽的重要原因未被发现,这将对未来电影营销提供重要的决策支持。

 

【杨静lillian】市场有时非理性。看看《泰囧》,还有《小时代》这类片子就知道了。不知为何,国产片总是低智商更符合大众口味,但美国大片,就《星际穿越》也可以横扫中国。口碑的分析恐怕也很重要。不仅是宣传。朋友的评价这些都影响观影决策。还有时光网与豆瓣的评分。

【王涛-爱奇艺】静主说的这个,和爱奇艺同事聊也是有这个规律。我们今年买了变4,收视一般。那个便宜的泰囧,大众很喜闻乐见。小时代是为90后设计的。致青春为80后设计的。这是他们票房火的原因。

【杨静lillian】可能是两个受众市场。需要做个交叉分析。

【白硕】火的都有共同点,但共同点和智商无关。大众不是傻子但也不都是高大上。从高大上角度看低质量的影片也不乏受大众追捧的理由。这又相对论了。

 

 

【白硕】我关心的问题是,整个预测领域都有个案定终身的趋势,什么准确率召回率一类测度都不见了,这是非常危险的苗头。

【朱进】@白硕 按 我的理解,所谓的预测是在首映之前就做出来的。第一天的票房可以跟机器的预测一致。不过看电影的人又不是傻子,第一场一过,马上电影很臭不值得看的舆论就 传播出去了。后面的人还会按照之前的预测那样挤到电影院里吗?按我的理解,票房的关键还是片子的质量。可是片子的质量再没看到之前其实是不知道的。

【刘挺】@朱进 ,短期预测易,长期预测难,因为在事件演进过程中会有多种因素干扰。预测有两种,一种是事前预测,一种是在事件推进中根据已经获悉的事态对下一步事态进行预测。

【朱进】@刘挺 我咋觉得长期更容易猜准啊,因为时间对于涨落是有平滑的。

 

 

【杨静lillian】刘教授可总结一下,认知计算未来您最看好的技术突破么?需要从您的角度给出趋势判断。

 

【刘挺】我是自然语言处理、社会媒体处理方面的研究者,视野有限。

自然语言处理技术趋势:1. 从句法分析向深度语义分析发展;2. 从单句分析向篇章(更大范围语境)发展;3. 引入人的因素,包括众包等手段对知识进行获取;4. 从客观事实分析到主观情感计算;5. 以深度学习为代表的机器学习技术在NLP中的应用

高考文科机器人只是一种测试智能水平推动学术发展的手段,高考机器人技术一旦突破,将像沃森一样甚至比沃森更好的在教育、医疗等各个领域推动一系列重大应用。

我的观点不仅代表我个人,也代表我实验室多位老师,包括文本挖掘与情感分析技术方面的秦兵教授、赵妍妍博士,自然语言处理方面的车万翔副教授,问答领域的张宇教授、张伟男博士,社会媒体处理领域博士生丁效、景东讲师。也期望将来各位专家对我的同事们给予指点。

 

(没有打分)

Glibc 内存管理剖析--Ptmalloc2源码分析

(2个打分, 平均:5.00 / 5)

网络安全与美中关系 ( Cyber Security and US-China Relations )

(1个打分, 平均:4.00 / 5)