如何(不)编写AI推介

10分钟阅读
艾未未的文章

这是激动人心的时刻www.yabovip4社区。对该领域的兴趣正在加速增长,学术和专业机器学习课程的注册人数激增,人工智能会议的出席人数达到历史最高水平,人工智能算法已经成为我们每天使用的许多应用程序的重要组成部分。

但就像任何一个正在经历炒作周期的领域一样,人工智能被饱和的信息所包围,其中大部分是误导性的或没有价值的。我从收件箱里就能看出来。每天,我都会收到好几份宣传材料,声称X公司已经用“先进的人工智能技术”解决了Y问题,或者人工智能现在可以解决z问题。几年前,我可能会很有兴趣地打开和阅读这些邮件。但今天,我面临着“人工智能疲劳”,人们对任何带有“人工智能”字眼的电子邮件的兴趣越来越少,怀疑也越来越多。www.yabovip4

许多这样的邮件没有被打开,很快就被我每天收到的大量其他邮件所淹没。在很大程度上,我并不后悔忽视了他们。但我也知道,偶尔,我也会错过一颗珍贵的宝石,它会因为缺乏恰当的表达而从我的注意力中溜走。

在这篇文章中,我将基于自己多年的经验,尝试提供一些编写优秀AI投球的指导。这主要是为编写AI宣传的PR人员提供的指南。但它也应该为记者服务,他们可以用它来区分一个好的人工智能宣传,一个炒作太多,价值太少。

首先,自学

机器学习的书

在我看来,AI推广的一个主要问题是,编写这些内容的人往往并不完全了解这项技术。如果你是一名代表客户撰写文案的PR代理人,你应该对他们的技术如何运作有更基本的了解。同样地,如果你是一名报道AI的记者,你应该对不同的AI趋势有更多的了解,并且能够在收到宣传时提出正确的问题。

如今,人工智能主要是关于机器学习深度学习.但这个领域还有很多。你一定知道象征性的人工智能、概率编程混合动力系统,以及更多。即使是在学习算法领域,你也必须了解不同的机器学习算法和各种类型的人工神经网络,你必须了解当前AI系统的缺点,比如算法的偏见,可解释性问题,以及对手的弱点

幸运的是,我们已经在“揭开人工智能的神秘面纱”系列中涵盖了上述的许多主题,它提供了许多关键人工智能概念的概述,而不涉及编码和数学。www.yabovip4

除了对人工智能有一个高水平的视角,你还应该有一些实践经验,特别是在机器学习方面。如果您已经有了基本的编程技能,请通过入门课程数据科学和机器学习与Python应该会给你打下坚实的基础。或者,你可以熟悉你自己使用Microsoft Excel进行机器学习的概念.我们的目标不是成为一名机器学习工程师,而是对人工智能有足够的了解不要让自己出洋相写的时候。

人工智能研究计划:专注于科学突破

人工智能会议

在我们开始真正的人工智能宣传之前,让我指出做人工智能研究和开发商业人工智能产品之间有一个重要的区别。你可以在NeurIPS、ICLR和CVPR等会议上看到人工智能研究。其目标是推动科学的边界,而不是创建具有有效商业模式的应用程序。另一方面,人工智能产品是为了有效利用现有技术,解决许多人在日常生活中面临的问题。人工智能研究最终会找到应用的方法,但这需要时间。

推广人工智能研究并不难,因为这篇论文给出了一个真实的想法。从邮件的主题开始,你应该明确说明你是在写一篇研究论文。你可以用“研究”开头,然后是你的研究解决的关键点。

如果论文被大型人工智能会议接受或发表在同行评审的期刊上,在主题中提到地点的名称。乍一看,你的工作已经得到了该领域专家的验证和确认。但是请注意,在一个主要的出版会议上接受并不是绝对的要求。在过去的几年里,我覆盖了几个论文只在arXiv上发表,没有在任何会议上发表。

这是一个不错的主题。它表明,该研究已经经过同行评审,并解决了一个特定的问题,尽管它可以在应用上更具体一点:

自然研究显示人工智能在手术室中的应用

这是另一个过于普通的主题,但仍然吸引了我的注意,因为它的宣传很及时,而且是在NeurIPS会议之前发出的:

NeurIPS 2020:新研究提供更准确、鲁棒的神经网络模型,是推进和缩放人工智能的关键

现在,我们进入邮件的正文部分。不幸的是,要么是出于匆忙,要么是缺乏知识,一些发件人只是把论文摘要的部分复制粘贴到电子邮件中,然后发给记者和分析师。这种方法存在一个基本问题。首先,摘要的语言非常密集,很多记者看不懂,要么是因为它太专业,要么是因为写它的人不是一个很好的英语作家(被动语言、行话、悬空先行词等)。其次,摘要对于一个演讲来说太长了,它包含了许多没有增加演讲价值的前提和事实。

电子邮件的正文应该温和地描述人工智能的研究,突出它实现的主要目标。例如,如果你开发了一种新技术,可以将神经网络缩小到其规模的一小部分,同时保持其准确性,你应该能够用一小段话用事实和数字来描述它。

科学

这里有一个关于神经科学启发的神经网络层的演讲吸引了我的注意,最后得到这里是TechTalks的精彩报道.请注意,这是一个非常长的陈述的一部分,涉及到几篇论文,这通常不是一个好主意。但值得赞扬的是,发件人特意在每篇论文中都单独列出了一个要点,并用引语巧妙地总结了论文的主旨。演讲陈述了问题(对抗性攻击)、当前方法的缺点(对抗性训练)和新方法(脑激发结构)。

想让计算机视觉更安全?让它更像人类:计算机视觉模型正在迅速发展,但它们仍然会犯一些愚蠢的错误,比如把猪当成飞机,把猫当成狗,如果一个图像被以人眼看不见的方式操纵。通过对抗性训练,将模型暴露在经过细微改变的图像中,可以使模型更加健壮,但这个过程在计算上昂贵且不完美;总是会有一些异常的图像使模型出错。现在,神经科学提供了另一种选择:让模型更像大脑。在这篇NeurIPS聚焦论文中,来自麻省理工学院和麻省理工- ibm沃森人工智能实验室的研究人员在标准卷积神经网络的前端添加了一层,以模拟初级视觉皮层神经元处理物体边缘等基本视觉信息的方式。与没有敌对的培训在白盒攻击(攻击者可以访问模型架构)和黑盒攻击(攻击者无法看到其内部)中,他们的大脑启发模型VOneNet(大脑的V1区域)的平均性能都优于最先进的技术。

发送AI研究提案时需要考虑的最后一点是人。提到研究人员来自的公司和学术机构是很好的,但同样重要的是参与该项目的团队。每一篇人工智能论文背后都有一群来自不同背景、不同领域的人。这可能是他们第一次在一起工作,或者他们之前可能在多个合作项目中工作过。他们可能在同一领域有其他著名的论文。

例如,IBM的RoboRXN化学实验室是人工智能和机器人研究人员以及化学工程师三年的研究和互动的高潮。最近的一篇论文修剪神经网络的挑战是由作者写的一篇著名的“彩票假说”论文。在信中提及这些可以巩固你的观点。

商业AI:专注于解决问题

IT服务器机房数据中心

为商业AI应用撰写一份宣传文稿要比撰写一篇研究论文困难得多。这是因为人工智能应用不应该是令人兴奋和前沿的。事实上,我们在科学会议上看到的大多数尖端人工智能技术在数年内都没有进入大众市场。

推销人工智能产品的关键是关注解决问题的方面,而不是算法。事实上,在我看来,当涉及到商业应用时,没有关于人工智能的宣传——有一个产品宣传,其中包含了人工智能的一部分。

不幸的是,许多宣传商业人工智能产品的公关人员试图突出算法和技术,而不是关注它所解决的问题。这种做法的结果是含糊不清并且经常出错,这只会造成混乱和失望。

以下是我最近收到的一些糟糕的AI主题,因为它们太模糊了。

过量飞涨。人工智能可以帮助。和专家谈谈?

Pre-brief吗?格莱美小提琴家+ AI企业家团队的新风险

这里有一个演讲引起了我的注意,因为我认为这将是一个讨论深度学习应用程序在现实世界中面临的一些挑战的机会。

简报请求:AI应用有一个严重的问题- gpu随机中断

原来是关于一个编程平台来帮助在深度学习应用中大量采用FPGA板,这是一个有趣的话题。但是发送者本可以写一个更好的主题,突出FPGA编程的挑战。

这是一个很好的主题。它侧重于AI产品的解决问题方面。不幸的是,我没有谈到它(也许将来)。

ML公司推出了第一个构建前度量工具来解决行业痛点

你可以在主题栏中提到融资,因为它能让投资者建立信心,让他们看到一个有效的产品和商业模式。但是不要忘记解决问题的方面。这里有一个很好的主题,同时提到了资金和产品。

今天:为AIStorm提供1600万美元B系列资金,用于将新型传感器内人工智能技术商业化

书写投球的主体部分变得很棘手。无论如何都要避免模糊的语言。这是我刚才收到的一个很糟糕的信号。为了不让公司蒙羞,我对部分内容进行了编辑。

嗨,本,

看到您对各种人工智能和ML主题/问题的深入报道,我认为您可能会对企业人工智能初创公司[公司名称]感兴趣。该公司是Gartner所称的“复合人工智能”领域的领导者。复合人工智能是一个开创性的领域,它将各种人工智能和机器学习过程结合成一种强大的、有凝聚力的技术。

正如Gartner的《新兴技术炒作周期》报告所概述的那样,复合人工智能是在单纯依赖机器学习的技术基础上进行改进的。虽然ML对于简单的分类或识别任务是有效的,但它需要广泛而昂贵的计算能力,并且必须经过彻底的训练才能获得最佳结果。在没有人类专家的指导下,ML无法解释数据点之间的联系,也无法解决更复杂的问题,这限制了它的实际使用和效率。

【公司名称】通过将ML与深度学习、自然语言处理、神经网络和知识图等其他高级人工智能技术相结合,克服了这一障碍。这些单独强大的技术的组合创建了一个真正智能的系统,它能够独立解决复杂的业务问题。

如果你对复合人工智能话题感兴趣,想了解更多,我很乐意与[公司名称]创始人兼首席执行官[CEO名称]通话,他们可以提供更多的见解。

这几乎是一个人工智能可以得到的最糟糕的投球。

首先,音高有很多不准确的地方。并不是所有的机器学习算法都需要广泛的计算能力,也不是所有的机器学习算法都缺乏透明度和可解释性。(事实上,如果发件人真的读过我的“关于各种人工智能和人工智能主题/问题的深度报道”,她可以直接删除第二段,因为它没有包含新的信息。)

其次,声明中称,该公司将机器学习与深度学习等其他高级人工智能技术相结合,深度学习是机器学习的子集,神经网络是用于深度学习的算法自然语言处理,它不是人工智能技术,而是计算机科学的一个分支领域。您可以使用任何编程技术来解决NLP任务,尽管目前最流行的是深度学习。发送者可能是指该公司使用基本的机器学习算法(回归、决策树等)、深度学习和其他经典人工智能技术,来解决自然语言处理和其他领域的问题。

演讲中最有趣的一点是将知识图与机器学习结合起来,尽管这并不是什么新鲜事(谷歌已经使用了很多年)。我确信结合不同的AI技术是非常有用的,但宣传中甚至没有提到该公司解决了什么样的问题。

数据图表

事实是,大多数真实世界的人工智能应用程序都很无聊。让它们有趣的不是尖端技术,而是把正确的部分拼凑在一起,数据基础设施、应用生态系统、网络效应和学习算法。他们不会在一夜之间改变一个企业。它们带来的是微小的增量改进,如果大规模应用,可以带来巨大的改进,并最终导致业务的转变。所以,在撰写商业AI宣传时,不要只写技术;写下你解决的问题以及你是如何解决的。

还有一件事需要避免,那就是在敏感话题上进行宣传。在过去几个月里,我拒绝或忽视了几乎每一个提到美国总统选举或冠状病毒封锁的宣传,因为它们大多数都是人为地与这个话题相关。除非你的技术与这些问题绝对相关,否则别提它。“能够帮助检测有关选举的假新闻”的人工智能无法解决这个问题。如果你没有积极参与打击有关选举的假新闻,那么用你的产品来打击这些新闻听起来既廉价又令人反感。

最后,人和公司在商业AI宣传中也很重要——或者在任何宣传中。亚博ios彩票创造这个产品的人和组织的背景是什么?是什么让他们特别适合这个产品?尽管人工智能正在使许多任务自动化,但创造产品的仍然是人。我们喜欢写成功的人工智能公司,但真正的故事是关于创造它们的人。

希望这些技巧能帮助你在未来写出更有吸引力的内容——并使我的收件箱成为一个更令人愉快的地方。

注册以接收来自TechTalks的更新

留下一个回复

这个网站使用Akismet来减少垃圾邮件。了解如何处理评论数据