×

Loading...

Topic

This topic has been archived. It cannot be replied.
  • 工作学习 / 事业工作 / 认识一位在多大读博的,现在在一家叫Waabi的startup做Research Scientist,大家可以去看看这家公司,是做新的 self-driving technology 方面的,看上去似乎还蛮有希望的?好像这家公司还在多伦多招人。 +2
    • 以前是Uber那个?
      • Uber的自动驾驶卖给了Aurora,Aurora股价已经跌到1.8了,是高点的十分之一。
        • Aurora 和自动驾驶有啥关系?它不是大麻公司吗?
          • 哈哈,名字一样,自动驾驶的公司叫Aurora Innovation。 +1
            • 奥罗拉装修公司?
              https://zh.wikipedia.org/wiki/%E5%A5%A7%E7%BE%85%E6%8B%89_(%E5%AE%89%E5%A4%A7%E7%95%A5%E7%9C%81)
    • 貌似robotics/autonomous/self driving 最近裁员多,太烧钱但不理想 +1
      • 钱多的时候大水漫灌可以浑水摸鱼,退潮了,没看见鱼还不得退退烧。
      • 早就说过,理论没突破,都是瞎忙。 +1
        • 我是不懂,哪方面的理论没突破?
          • 自动驾驶需要的场景辨识,可靠性已经达到95%以上,但是剩下的最后4%~5%还解决不了
            • 那不就等于不能用吗。
              • 在很多工业领域,机器不需要做到完美,只需要比人工做得快做得好就可以了-但自动驾驶因为人命关天,所以哪怕 AI 比人类强很多,用了 AI 能少很多事故,多数人也不会轻易相信 AI。目前是怪圈---
                ML 需要大数据,但不让上街就没有数据(只能模拟);没有数据模型就不够好,就更不让上街..
                • 特斯拉车一直在收集数据,Google的车也在街上转悠很多年了。
          • 到目前为止,相当于线性问题好解决,非线形问题仍然不知道怎么办。用了无数介的近似,消耗了大量算力,仍然不能保证可以在任何区间完美模拟真实世界,像人类大脑一样。 +1
            深度学习的唯一真正的成功是使用连续几何变换将空间 X 映射到空间 Y 的能力,但还要给出了大量的人为注释的数据。做好这一切,基本上能改变每一个行业的游戏规则,但是距离更人性化的 AI 还有很长一段路要走。 为了让 AI 解决这些限制,并开始与人类大脑竞争,我们需要跳出「简单的输入到输出映射」,关注推理和抽象。
            • need someone like Alan Turing
            • 你是真懂一些的👍
    • ZT:【U of T’s Raquel Urtasun raises $100 million for self-driving startup Waabi: reports】 +2
      • 这是一家去年成立的新公司,做和AI/ML/CV有关的新技术,知道现在有多大和滑大的学生在那儿上班或实习。