从退伍军人到武汉志愿者司机“疫情不散我们不退!”

从退伍军人到武汉志愿者司机:“疫情不散,我们不退!”

【武汉战“疫”·凡人善举】

从技术层面上讲,Deepfake技术也在突飞猛进。就在近期,北京大学联合微软研究院分别提出了FaceShifter和Face X-Ray,前者是一种高保真度、可识别遮挡的换脸工具,后者则是能够检测伪造人脸图像的工具。 其中经过训练的FaceShifter可以无需任何手动注释,以自我监督的方式恢复异常区域,自适应地集成身份和人脸合成属性。

总体而言,AutoML 主要具备两个主要优势: 

他将近年在藏区就读的高中生与内地西藏班学生相比,发现高考成绩已趋接近;但仍呼吁持续扩大内地西藏班招生规模。

“骨子里依旧烙着军人的印记,面对疫情,必须站出来做点什么。”申建林说。

谈到网络上关于调整少数民族学生在高考中加分的现行政策争论,儒雅的图登克珠直指该政策“不该改”。他说,从结果论看,少数民族学生并未因民族身份在毕业后获得更好工作、拿更高工资,“加分”是让这些存在语言劣势、地处偏远的学生在“进高校时机会有所倾斜,出大门择业却条件均等”。这也体现中国是多民族国家的本质。

因为怕父母担心,葛清刚开始并没有对他们说实话。每天结束志愿服务后,他干脆睡在车里,但却告诉父母,“单位给安排了集体宿舍,不回家了”。

三、AI 技术日益普及化和平民化,AutoML将大显身手

而另一种方法——自监督预训练,则能较好地应对NLP 领域的特殊性。 谷歌的 BERT 就是自监督预训练一个很好的案例,让 AI 语言模型不仅能够根据前面的词预测词,而且还预测后面的词,即能够实现对上下文的双向理解。 

1)在AutoML算法上,未来的工作如果能在效率提升、泛化性、全流程的优化、面对开放世界、安全性和可解释性这 5 个方向上取得突破,将会有较大的价值。 

全国两会因疫情延后召开没有降低图登克珠的参会热情,相反他觉得作为“老委员”今年来北京“更兴奋、更有冲动”。他表示,非常之年的特殊两会,显示出中国应对疫情常态化防控的底气;诸多热点议题拿来讨论、“政策牛肉”摆上桌面,中国持续提升与完善治理的决心不容小觑。(完)

每隔一天,他会接送一家社区医院的医护人员上下班,最忙的一天接送了十几名医护人员、跑了近三百公里。期间,与医护人员的接触交流,让容冰更能理解他们的辛苦。

葛清也当过兵,退伍后做过小生意,现在是一名网约车司机。疫情袭来,那份军人的使命感和责任感促使他报名加入志愿者。

1)硬件公司将会聚焦于为机器学习研究提供“超低功耗”的设备,与此同时能源效用会成为边缘计算的主要考量点。 

“现在让孩子到内地读书绝不仅为提升受教育质量,最主要的是从小融入国家大环境。一辈子待在偏远地区,即使接受再好的教育,思想也会被禁锢在那里,狭隘的、区域性的观念就仍会存在。”

现在葛清每天出行量在5至6单左右。接到送居民去医院检查的“派单”,葛清都会抢先把防护装备穿戴整齐,穿梭在社区和医院之间,主动去承担高风险工作。

1)AI本身也会被用来制造更加复杂,更有针对性的网络攻击。 

2)大型科技公司依旧会领衔技术的发展。开发预训练语言模型也是计算密集的,因而在小数据的 AI 模型开发上,也将遵循“自下而上”的规律,即由科技巨头公司将开发成果开源给下游应用的研究者使用。 

3)精简发电和油气等业务:人工智能能够预测可再生能源产出、自动化电网管理、帮助油井精确钻探,以及为智能家居和商业建筑提供可持续能源管理解决方案。 

而 IoT 和机器学习的兴起显然为其提供了支持,例如使用机器学习来为通勤行为建模,并关注影响通勤方式选择的因素等;使用机器学习分析传感器数据减少温室气体排放和更智能的资源管理。 

随着人工智能的崛起,AI渐渐被用于自动检测和打击恶意软件,可以学习发现可疑行为,并在可能影响任何系统之前阻止网络攻击,同时使得人类避免一些不必要的工作量。

 CB insights认为商业性质的Deepfake可能会兴起,死去的名人将会“复活”,零售业以及营销的方式也会得到改变。

自此之后,AutoML 的应用越发广泛,在数据准备、训练、模型搜索、特征工程等 AI 设计中都发挥着巨大的作用,极大地推动了 AI 技术的普及化。

17年后,他又一次冲在了抗疫的“第一线”。能再次为社会奉献自己的力量,黄南认为“挺有意义的”。

“有些事必须要有人去做”

门下弟子超过50人,他们来自全国各地,有的毕业于欧美名校后来到高原,毕业后又花开叶散。疫情在湖北暴发期间,图登克珠与其在武汉工作的研究生时刻保持联络,除了及时互通疫情信息,更多的是问候学生全家平安。

1、在联邦学习的框架下,各参与者地位对等,能够实现公平合作; 

这意味着在2020年,未来的黑客可能在两个方面发力:

据介绍,《管理办法》共八章三十一条,包括总则、主要参与机构、基础资产、标准化票据创设、信息披露、投资者保护、监督管理和附则。主要内容如下:

这户人家老两口已年过七旬,儿女因隔离不在身边,他们也无法出门。有些药很难买,申建林就开到很远的地方去买。老两口特别感激,就把写给申建林的表扬信贴在了自家门上。

这个 AI 模型只有在识别出特定的标准时,才会“解锁”并开始攻击。 当然,除了AI型的黑客,使用量子计算资源的量子黑客、利用大数据进行分析的大数据黑客等也将逐渐浮出水面。 所以在技术层面,2020 年黑客发展趋势主要包括: 

与容冰的“身份”类似,申建林也是一名退伍军人。1998年参加抗洪抢险时,正在部队服役的申建林冲锋在最前线。12年后,看到召集志愿者司机的消息,他又选择第一个报名。

利用语音合成的犯罪案件 当网络安全研究员越来越多的使用AI防御攻击时,AI本身也会被用来制造更加复杂,更有针对性的网络攻击。例如Deepfake生成的语音和合成的语音越来越逼真。

对此,神经架构搜索(NAS)应运而生,可自动化为给定任务找到最佳 AI 设计的过程。2017年,谷歌正式将其命名为“AutoML”。谷歌在当时便指出,AutoML 将启发新型神经网络的诞生,并且还能够让非专家也能够根据他们的特殊需求创建相应的神经网络。 

内地西藏班开设逾30载、累计招生近15万,有效拓宽西藏教育质量不高的局限。“孩子考上大学在西藏家庭的高兴程度,甚至不如中学时考上内地西藏班。”图登克珠形容。

学生选择图登克珠作为硕博导师,必须满足他设定的三个条件:读懂西藏、感恩西藏、服务西藏。而达到这些相对抽象要求很可能将花去整个研究生生涯乃至更长。

七 、解决小数据问题势在必行

所以在Deepfake问题上,2020 年的发展趋势主要包括:

“读懂西藏,我让学生们深入藏区,特别是那些内地来的孩子多去走走看看;感恩西藏,是要感恩西藏这块土地对你的塑造,看到你从中汲取的养分;服务西藏,不要求学生们在这里待一辈子,但我希望不论他们走到哪儿,都能讲讲西藏故事,让更多人了解西藏。”

1月23日武汉“封城”,整个城市按下了“暂停键”。至今,武汉整个市区依然空荡荡的。然而,却有这么一群人每天开车频繁穿梭在武汉各个社区。他们是为医务人员和社区志愿服务的车队。疫情当前,他们临时充当起保障城市基本运转的“摆渡人”,为家乡战疫贡献自己的一份力量。

二、黑客的革命:利用 AI 来攻击 AI

“挺过去,一切都会好起来”

无论是科技巨头还是量子初创公司都正在研究这种混合方法,即其中一部分任务由运行在普通计算机上的传统神经网络完成,另一部分任务则由量子神经网络(QNN)进行增强。 

AI 领域的进展往往都是自上而下的,比如说由科技巨头开发出某些 AI 工具,然后开源给其他人,造成这一现象的原因之一便是 AI 研究的计算密集性。 

五、机器学习加码智慧城市构建

 如果没有足够的数据来训练“数据饥渴”的深度学习算法,有两种解决方法:生成合成数据,或者开发能从小数据中学习的AI 模型。 生成合成数据的方法在自动驾驶领域应用得比较多,即在模拟环境中合成暴风雪、异常行人行为等现实世界中难以获得的图像数据。 

虽然此技术出现在政治视频以及色情视频中会带来负面的影响,但是对于媒体、电影公司来说却是千载难逢的机会。例如好莱坞的一些电影公司正在想方设法“数字复活”五十年代中的电影人物。 

而Face X-Ray不光能判断是否是合成图片,还能指出哪个地方是合成的,即兼备识别+解释两种功能。 

项目的重点和亮点就集中在 AI 在政府和城市规划的应用上。 总而言之,在2020年,智发展慧的城市发展会在协作和技术两方面开花:

“我现在单身,没有牵挂,想为家乡战疫尽一份力。”葛清说。

昔日车水马龙的武汉街头变得冷清(李政葳/摄)

 传统黑客主要是通过发现系统漏洞从而进行系统侵入。但进入人工智能时代后,黑客、白客之间的攻防战争也发生巨大的变化。 

1、欺骗规模上升到系统级别;

为了让防护服不被污染,每次接送居民后,申建林与同事们都要用喷壶往彼此的防护服上喷洒消毒水。武汉的冬季本就阴冷,穿上被喷湿的防护服,只觉冷上加冷。

作为第一批志愿者司机,申建林被分配到位于武汉东湖高新区五岭社区,承担起接送社区居民,为大家买药、买菜的工作。

2、利用AI发起更为复杂的攻击。

2)可节省成本和降低复杂性:即便对于专家而言,设计神经网络都是一个费时费力的过程。AutoML 在降低计算和试错成本的同时,开发的解决方案也更胜一筹。

2)Deepfake将改变商业模式,广告营销将会变得更加个性化,电影创作不再局限于真实拍摄。  

 1)Deepfake在一攻一防的斗争中逐渐进步,小数据、无监督的训练方法将成为模型的主流,传统耗时耗力的计算机生成图像技术也将逐渐被取而代之。 

例如谷歌 AI 团队自2013年开始就在尝试为量子计算机开发算法,而最近的目标则是在现有的量子设备上开发混合的量子—经典机器学习技术。

自提出至今,相关研究甚嚣尘上。 联邦学习之所以能够在如此短的时间里迅速由一个构想变为一门学科,主要原因在于联邦学习技术作为一种学习范式,能够在确保用户数据隐私的同时解决“数据孤岛”问题。

“每天的工作都很琐碎,可这些事情必须要有人去做。”黄南说,疫情不退,志愿者司机不退,相信等到武汉春花盛开时节,一切都会好起来。

每天早晨,车子充好电后,他就开始了一整天的忙碌。因为上厕所穿脱防护服实在麻烦,甚至会浪费一身防护服,申建林尽量少喝水,也不敢吃得太多。“这时候的防护服多珍贵啊。”

 例如,去年第二季度,Alphabet 旗下子公司 Sidewalk Labs 发布了一份 1500 页的方案,其中详述了如何通过与政府和其他企业的合作,以 13 亿美元在多伦多打造一个智慧城市的项目。

5、联邦学习是一个闭环的学习机制,模型效果取决于数据提供方的贡献。 以上优点显然给解决数据隐私和安全问题提供了一种新的路径,而在具体应用层面,英伟达的医疗硬件和软件框架Clara已经能够支持联邦学习,当前已经有美国放射学院、MGH、BWH临床数据科学中心以及UCLA Health 在平台上训练相关算法。 

“这些医护人员几乎都放弃了休假,冲在抗疫第一线。交谈中从来没有听到抱怨,更没有退缩。我也从来没想过放弃,通过所有人努力,武汉一定会变好。”容冰说。

为了不让家人过多担心,除了出车时执行严格的防护标准外,黄南回家进屋前,第一步就是对全身进行消毒,把衣服都放在外面,再去洗澡、换衣服。

明确主要参与机构。《管理办法》明确了原始持票人、存托机构等主要参与机构的定义、条件、职责。标准化票据权益和各方权利义务通过存托协议予以明确。

 计算密集型的 AI 技术,不仅需要更加智能和可持续化的解决方案,还应该有助于应对全球日益上升的能源需求。 

Yann LeCun领导的Facebook 人工智能部门便一直在从事自监督方面的研究。一个案例是,对语言模型进行预训练,然后对模型进行微调来应用于识别仇恨言论。 

智慧城市最重要的是利用各种信息技术或创新概念,将城市的系统和服务打通、集成,以提升资源运用的效率。

在商业层面,Deepfake将会变的更加个性化,提升电子商务体验和虚拟在线试用;广告投放也会朝着超定向方向发展,例如按照需求合成视频,并配备相应的方言;创意流程也会变得自动化,例如“补拍”电影续集。

黄南是“新”武汉人。2008年,他来武汉工作,并在这里定居。

3)生成真实假数据的合成数据方法和工具将会为那些不像巨头公司一样有海量数据的小公司,提供更加公平的竞争环境。 

2)由于AI的黑盒性质,网络攻击将会变得更加隐蔽和猛烈。

明晰标准化票据定义。标准化票据是指存托机构归集核心信用要素相似、期限相近的商业汇票组建基础资产池,以基础资产池产生的现金流为偿付支持而创设的等分化受益凭证,属于货币市场工具。

四、联邦学习将带来新的数据共享范式

该软件被描述为“一种由AI驱动的具有高度针对性和规避性攻击工具的新型恶意软件”,目的是了解现有的AI模型是如何与恶意软件技术相结合,从而创造出一种新的攻击类型。 此技术将黑盒AI的传统弱点变成了一种优势,在目标物未出现之前,可以隐藏在普通的应用软件中,感染掉上百万的系统也不会被察觉。

随着 AI 技术越发普及化和平民化,AutoML将继续大显身手。 而在未来的研究方向上,主要可以从算法方向和理论方向着手: 

2、数据保留在本地,避免数据泄露,满足用户隐私保护和数据安全的需求; 

对于自身和车辆的防护消杀,葛清都会要求严格:“认真点,大家心里都踏实。”70岁的张婆婆从医院做完检查回来时,特地记下了葛清的名字和手机号码,打算疫情结束后邀请他去家里吃饭。

在他看来,西藏面貌过去20年快速转变,起因与核心是教育普及;而破解当前高原经济社会发展难题的题眼,也一定是回到教育。

所以,在技术上,确实可以保证合法的进行联邦学习,并且是有效果的。因此联邦学习像一个操作系统,它的特点是多方合作,只有多方都认可才能发挥其威力。 所以接下来,联邦学习在2020年会继续成为一种火热的研究趋势: 

回归全国政协“议事厅”第三年,图登克珠参加小组会仍习惯“后排就坐”:每日会议先听取同界委员讲话,做笔记、划重点,深思熟虑后再请求发言。

1)随着自监督技术的发展,NLP 领域会再度成为万众瞩目的焦点。下游的NLP 应用如聊天机器人、机器翻译以及类人写作等,将会茁壮成长。 

 结合经典机器学习算法和量子 AI 的混合模型,不久后将得到实际应用。 量子机器学习借鉴了传统机器学习的原理,不过算法在量子处理器上运行,不仅在速度上要远快于一般的神经网络,还能克服阻碍了当前在海量数据上做AI 研究的硬件限制。 

2003年,正在江西赣州某部队服役的黄南,参加了抗击非典。当时的他,在被封闭隔离的居民楼前值守站岗,直至疫情结束。“我是军人,越是这个时候,越要往前冲,并没有想太多。”黄南说。

2)数据隐私问题、小数据问题得到缓解,跨设备模型训练成为解决方案。 

无需数据收集,即可改进AI模型 相对于传统的AI模型,联邦学习更像针对当前人工智能发展所面临的困境的新范式,例如: 

图登克珠1960年代生于昌都,读书时期来到林芝,大学考入重庆西南师范大学(现西南大学)深造,从此执起教鞭不再放下。忆及连“笔记本都买不起”的往日,今时西藏成为中国首个实现15年公费教育的省区,前后数十年对比鲜明。教育资源深入藏区让每个年轻人机会均等。

1)不仅在医疗领域,金融领域,工业界也会加大力度布局联邦学习,接下来跨领域合作、跨国合作将成为常态。 

在欧洲,已经发生了一些黑客利用AI模仿公司CEO给员工打电话然后让其转账的案件。 虽然在现实世界中利用AI来攻击的犯罪案件尚未有报道,但是早在2018年,IBM就开发了一种名为Deeplocker的深度学习驱动的恶意软件,可以绕过网络安全保护来进行攻击。

进驻社区后,他就没回家住过,在社区里的一处酒店住了下来,这样一旦有突发情况,就能第一时间赶到。

2003年起连续两届担任全国政协教育界委员、2018年第三度被推选并转至少数民族界履职,身为西藏大学经济与管理学院教授的图登克珠,十余年建言资政生涯始终把目光锁定校园。

“给居民买菜、买药、买生活用品,送居民去医院,我们都要管。”因为做事细致周到,申建林收到了一位老人手写的感谢信。

光明网记者 李政葳 季春红 蔡琳

六、用AI 技术应对 AI 训练的巨大消耗

2)在AutoML理论研究上,目前相关的研究还较少,对自动机器学习的泛化能力及适用性也不是很清楚。因而,一方面要回答目前自动机器学习算法的适用性和泛化能力,另一方面也要回答哪些问题类存在通用的机器学习算法上和更广泛问题空间上的自动机器学习算法的可行性。

 联邦学习的概念最初是由Blaise等人于2017年在Google AI Blog上发表的一篇博文中首次提出。

这也就是说,如果能够理解AI模型的工作原理,基于其特定功能设计攻击武器,就能够愚弄系统。 随着Skylight Cyber这种AI公司越来越多,消费者和企业保护的级别固然会上升,但是针对AI特有弱点的新一批黑客和软件也会随着出现。

随着AI 能源消耗的持续走高趋势,节约能源将会是 AI 在 2020 年乃至未来的重要研究课题。用 AI 技术节约能源主要可从以下三个方面着手: 

这两个技术号称 AI换脸界的“利矛”和“坚盾”,在业界取得了领先的结果,另外值得注意的是其所需的数据比以前的方法少得多。 

据统计表明,谷歌在2018 年的BigGAN实验中用来创建狗、蝴蝶和汉堡的超现实图像所消耗的电量“相当于每个美国家庭在近6个月的时间里所用的总电量”。如此的耗电量着实令人震惊!

中国2020年决战决胜脱贫攻坚。西藏已于2019年实现全部脱贫摘帽,但相比其他地区返贫压力更大。图登克珠说,必须看到因长期政策倾斜,一些西藏百姓存在依赖政策扶贫的心理;要巩固心血、提升百姓自我发展的能力,“问题又回到教育上来”,要通过教育避免相当一部分人的返贫。

(雷锋网(公众号:雷锋网))

4、建模效果与传统深度学习算法建模效果相差不大; 

在解决小数据问题上,2020 年的发展趋势主要包括: 

在武汉“封城”当天,智慧出行平台“T3出行”成立了武汉特别行动车队,为101个社区提供应急服务。申建林,便是其中一位。

明确管理框架。《管理办法》明确,标准化票据的承销、登记托管、交易流通适用银行间债券市场现行管理规定。为更好实现债券市场和票据市场联动,标准化票据同时在两个市场交易流通。考虑到标准化票据期限较短,其创设采用事后报告制度,事前管理主要依靠信息披露,相关基础设施负责日常监测和自律管理。

2)将 AI 应用于公用事业规模的能源生产:更多的云计算巨头将转向使用可持续发展的能源,并利用 AI 技术来增加可再生能源产出以及精简数据中心的运营。 

规范基础资产。《管理办法》明确,基础资产应符合核心信用要素相似、期限相近、依法合规取得等条件。原始持票人在存托时以背书方式将基础资产权利完整转让,有效保障投资人合法权益。原始持票人对基础资产的真实、合法、有效性负责,存托机构和票据经纪机构应对基础资产的真实性、合法性和有效性进行审查。票据市场基础设施负责基础资产的统一登记托管。

在总结试点工作的基础上,人民银行组织试点参与机构制定了《管理办法》,明确标准化票据的定义、参与机构、基础资产、创设、信息披露、投资者保护、监督管理等,规范标准化票据业务发展。标准化票据以票据作为基础资产,联通票据市场和债券市场,有利于发挥债券市场的专业投资和定价能力,增强票据融资功能和交易规范性。

 前些日子,Deepfake技术现身印度选举,被候选人用于竞选拉票的宣传材料。虽然此候选人最终以惨败收场,但这意味着Deepfake点燃的AI换脸之火有逐渐升温的迹象。 

开发能从小数据中学习的AI 模型方法,具体方法如常用于计算机视觉任务的迁移学习,即先在拥有大量标准数据的任务上训练 AI 算法,再将算法学到的知识迁移到另一个数据很少的任务上。 虽然迁移学习在计算机视觉任务上起到了很大的作用,但是在NLP 任务上,由于普遍缺乏标注数据,该方法目前还无法起到很好的效果。 

这么多天的志愿者工作,让他感觉到更多人需要帮助。黄南服务的社区有两位病人需要做透析还有几名孕妇,每天接送他们去医院做检查和治疗是他的主要工作。而这样的工作对他而言,要比往常更加细心。因为乘客都是病人和孕妇,做好消毒就格外重要。

 例如在2019年,Skylight Cyber的研究人员找到了一种方法可以发现AI模型中的固有偏见,利用这种偏见可以创建出“后门”,使得恶意软甲绕过 AI 防火墙,骗过杀毒软件。 

当然智慧城市涉及领域之广,绝不是一家企业能够掌握,即使是万亿美元的 Al 巨头Alphabet也只有通过联手政府,才能在众多城市创造新的街区,规划房地产、公共能源设施、交通等布局。 

3、能够保证参与各方在保持独立性的情况下,进行信息与模型参数的加密交换,并同时获得成长; 

1)可缓解人才短缺问题:目前 AI 专家还是处于非常短缺的状态,而AutoML 则会极大地降低非专家以及企业的技术使用门槛,从而推动 AI 技术的普及和推广。 

2)在技术层面必须优化端到端的解决方案,拥有机器学习的城市开发工具、自动驾驶汽车技术以及建筑能源管理的AI企业将会极具竞争力。 

 从技术发展的视角,智慧城市建设要求通过以「移动技术」为代表的物联网、云计算等新一代信息技术应用实现全面感知、泛在互联、普适计算与融合应用。 

另一方面,黑客也可能会从数据的角度来愚弄AI,即破坏AI算法的训练数据,使得AI产生偏见,影响其对网络中正常行为和恶意行为的区分。 

除夕夜当晚,容冰报名成为了一名志愿者司机。“报名的原因很简单,我是一名退伍军人,当兵是保家卫国,现在作为网约车司机,也想着为抗疫做点力所能及的事。”容冰说。

这样的生活持续了20天。后来,葛清所在车队队长给他提供了一个住处,才结束了“以车为床”的日子。

17年前,图登克珠首次走上全国两会,提案建议在西藏高校设立博士点。其所在的西藏大学于2013年经国务院学位委员会审议批准,一级学科民族学、中国语言文学、生态学获批博士授权点,了却图登克珠10年履职的一桩心愿。

 1)在合作层面必须得到政府青睐,政府的加入将弱化企业不成比例的前期创新成本 

北京友谊宾馆因常年接待少数民族委员向来华服云集,这位黑衣、黑裤、黝黑皮肤的藏族区域经济研究学者位列其间并不显眼,加上今年特殊两会的口罩“装饰”,人群中寻觅更添难度。

不过,他的决定最初并不被家人所理解。“他们都劝我多考虑一下,但后来看到许多战斗在一线的医护人员故事后,家人也就慢慢接受了。”黄南说。

强化信息披露和投资人保护。《管理办法》明确,存托机构应在标准化票据创设前和存续期间真实、准确、完整、及时披露对标准化票据投资价值判断有实质性影响的信息。标准化票据的投资人依照相关法律法规和合同文件约定享有权利。标准化票据存续期间,发生重大事项和存托协议约定情形的,由持有人大会审议决定。

但是攻击一方也可以使用相同的技术来增强他们的攻击方法,特别是犯罪分子将之武器化,这些恶意软件甚至可以逃避最好的网络安全防御并感染计算机网络,甚至可以仅在摄像机检测到目标的人脸时发动攻击。 

 AutoML 作为一套自动化设计和训练神经网络的工具,能够降低企业的进入门槛,使得技术更加“平民化”。 从数千个特定任务中设计或搜索正确的神经网络框架整个过程非常耗时,尤其是在为更加复杂的场景(例如自动驾驶,需要兼具速度和准确率)设计AI 架构时,就更非易事。

一、Deepfake将改变商业模式