科技创新百度翻译，百度有什么科技创新

对于很多人都想知道科技创新百度翻译和百度有什么科技创新的一些话题，但是又不是很了解，那么小编为大家解说吧！

科技创新百度翻译

Technology and wealth inequality

技能与财产不同等

BY Sam Altman 2014年1月29日

Sam Altman的背景简介 Sam Altman是一个著名的科技企业家和出资家，现在是开源人工智能研究所OpenAI的首席执行官啦。她曾是交往传媒网站Loopt的创始人和首席执行官，也是著名创业孵化器Y Combinator的前总裁呢。Sam Altman在科技改进.人工智能.风险投资等领域都有宽泛的文化和经历体验，她的作文和演说都遭到了宽泛的关心和赞美呢。

Thanks to technology, people can create more wealth now than ever before, and in twenty years they’ll be able to create more wealth than they can today. Even though this leads to more total wealth, it skews it toward fewer people. This disparity has probably been growing since the beginning of technology, in the broadest sense of the word.幸好了科技，人民现如今可以制造比以往一切时候都多的财产，在20年后，她们将可以制造比今日更多的财产啦。只管这会带来更多的总财产，但却会使财产向更少的人歪斜了。从最狭义的意思上讲，这一种差别也许自科技降生以来就一直在扩张啦。Technology makes wealth inequality worse by giving people leverage and compounding differences in ability and amount of work. It also often replaces human jobs with machines. A long time ago, differences in ability and work ethic had a linear effect on wealth; now it’s exponential. [1] Technology leads to increasing wealth inequality for lots of other reasons, too—for example, it makes it much easier to reach large audiences all at once, and a great product can be sold immediately worldwide instead of in just one area.科技赋与人民杠杆作用，加重了才能和工作量的差距，然而加重了财产不同等呢。他还常常用机械代替人类的工作啦。很久以前，才能和职业道德的差距对财产的影响呈线性关系，现如今则呈指标干系呢。[1]科技还有好多其它原因致使财产不同等加重ーー比方，科技使得一次性接近到批量受众变的愈加简单，1个伟大的物品可以立刻在全世界范畴内售卖，而不是只在1个领域售卖啦。Without intervention, technology will probably lead to an untenable disparity—so we probably need some amount of intervention. Technology also increases the total wealth in a way that mostly benefits everyone, but at some point the disparity just feels so unfair it doesn’t matter.假如不进行干涉，技能也许会致使难以保持的差别，因而咱们也许要肯定程度的干涉呢。科技也在一定程度上增添了财产总量，这一种方法最大程度上使每一个人都获得好处，但在一定程度上，这一种差别让人感觉这样不公正以至于这一种优点早已经不再主要啦。And critically, without a reasonable baseline of access to wealth, there can be no such thing as equality of opportunity.关键是，假如没有1个合理的获得财产的基准，就不也许有机遇同等这回事啦。Wealth inequality today in the United States is extreme and growing, and we talk about it a lot when someone throws a brick through the window of a Google bus. Lots of smart people have already written about this, but here are two images to quickly show what the skew looks like:今日，美国（America）的财产不同等是极度的，并且还在不停加重，当有人用砖头砸破google公交车的窗户时，咱们就会议论好多这一个疑了。好多精明的人早已经写过这方面的作文，可是这边有两张照片可以迅速展现这一种歪斜的情形:

As the following table shows, wealth inequality has been growing in America for some time, not just the last few years. It’s noticeable between the top 20% and bottom 80%, and particularly noticeable between the top 1% and bottom 99%.如以下表所示，财产不同等在美国（America）早已经增加了一段时间，而不单单是近几天几年啦。在前20% 和后80% 之中尤其显然，在前1% 和后99% 之中尤其显然啦。

And here is a graph that shows the income share of the top 1% over time:下面是1张图表，显现了最富裕的1% 人群的收益份额跟着时间的推移而改变:

The best thing one can probably say about this widening inequality is that it means we are making technological progress—if it were not happening, something would be going wrong with innovation. But it’s a problem for obvious reasons (and the traditional endings to extreme wealth inequality in a society are never good).关于这一种日渐扩张的不同等现象，人民也许能说的最好的话是，这暗示着咱们正在获得技能提高ーー假如没有技能提高，改进就会出现疑了。但这是1个不言而喻的疑(1个社会中极度财产不同等的传统结尾一直以来都不好)了。We are becoming a nation of haves and have-nots—of prosperous San Francisco vs. bankrupt Detroit. In San Francisco, the average house costs around $1mm. In Detroit, the average house costs less than a Chevy Malibu made there. [2] And yet, I’d view a $1mm house in San Francisco as a better investment than 20 $50k houses in Detroit. As the relentless march of technology continues, whole classes of jobs lost are never coming back, and cities dependent on those lost jobs are in bad shape. [3]咱们正在成为1个富翁和贫民的国家（country）ーー繁华的旧金山和倒闭的底特律呢。在旧金山，均匀房子价格约为100万美元啦。在底特律，均匀房子价格比一辆雪佛兰 ( Chevrolet ) Malibu 在哪里出产的还要便宜呢。[2]但是，我以为在旧金山买1套100万美元的屋子比在底特律买两万五千美圆的屋子更划算了。跟着科技的不停发展，全部下岗阶级都不会再归来，依靠这一些下岗的都市位于糟糕的田地了。[3]This widening wealth divide is happening at all levels—people, companies, and countries. And either it will keep going, or innovation will stop.这一种不断扩大的财产差别正在个个层面上发生，包含个人.公司和国家（country）啦。要不继续前进，要不停下改进呢。But it feels really unfair. People seem to be more sensitive to relative economic status than absolute. So even if people are much better off being poor today than king 500 years ago, most people compare themselves to the richest people today, and not the richest people from the past.但感受真的很不公正呢。人民好像对相比经济位置比对绝对位置更为灵敏啦。因而，即便今日的人民比500过年前的国王富有得多，大多人就是会将本人与今日最富裕的人相对比，而不是与过去最富裕的人相对比啦。And importantly, it really is unfair. Trying to live on minimum wage in the United States is atrocious (http://www.forbes.com/sites/laurashin/2013/07/18/why-mcdonalds-employee-budget-has-everyone-up-in-arms/). That budget, incidentally, assumes that the worker is working two jobs. Even though they’re outputting less value, that person is certainly working harder than I am. We should do more to help people like this.更主要的是，这真的很不公正了。尝试在美国（America）靠最低工资生活是残酷的( http://www.forbes.com/sites/laurashin/2013/07/18/why-mcdonalds-employee-budget-has-everyone-up-in-arms/)啦。顺带说一句，这一个估算假定员工作两份工作啦。即便她们输入的价值较低，哪个人一定比我工作更努力呢。咱们应当多扶助那样的人了。Real minimum wage has declined, failing to track real averages wages and massively failing to track the wages of the top 1%.现实最低工资水准早已经下落，没法跟踪现实平均工资水准，也没法跟踪收益最高的1% 人群的工资水平了。

In a world where ideas and networks are what matter, and manufacturing costs trend towards zero, we are going to have to get comfortable with a smaller and smaller number of people creating more and more of the wealth. And we need a new solution for the people not creating most of the wealth—many of the minimum wage jobs are going to get innovated away anyway.在1个创意和互联网很重要.制作本趋于零的世界里，咱们将不能不适合越来越少的人制造越来越多的财产了。咱们要为哪些没有制造大多数财产的人找出1个新的解决方案ーー很多最低工资的工作无论如何都会被改进代替了。There are no obvious/easy solutions, or this would all be resolved. I don’t have any great answers, so I’ll just throw out some thoughts.没有显然/简易的解决方案，不然这全部都将获得处理呢。我没有什麽好的案，因此我不过抛出有些办法呢。We should assume that computers will replace effectively all manufacturing, and also most “rote work吧” of any kind. So we have to figure out what humans are better at than computers. If really great AI comes along, all bets are off, but at least for now, humans still have the market cornered on new ideas. In an ideal world, we’d divide labor among humans and computer so that we can both focus on what we’re good at.咱们应当假定，电脑将有用地代替全部制造业，以及大多一切类别的“死记硬读了”工作呢。因此咱们必需找到人类比计算机更善于什麽呢。假如真的出现了伟大的人工智能，全部的注都会打水漂，但最少现如今，人类依然在新办法的市场上占领一席之地了。在1个梦想的世界里，咱们可以在人类和电脑之中进行分工，那样咱们就可以专一于本人善于的事啦。There is reason to be optimistic. When the steam engine came along, a lot of people lost their manual labor jobs. But they found other things to do. And when factories came along, the picture looked much worse. And yet, again, we found new kinds of jobs. This time around, we may see lots more programmers and startups.咱们有原由感觉开朗了。当蒸汽机出现时，很多人失掉了体力劳动的工作呢。但她们找出了其它事作呢。当公司出现时，情形看上去更糟啦。但是，咱们又1次找出了新的工作啦。这1次，咱们也许会见到更多的程序员和创业公司了。Better education—in the right areas—is probably the best way to solve this. I am skeptical of many current education startups, but I do believe this is a solvable problem. A rapid change in what and how we teach people is critical—if everything is changing, we cannot keep the same model for education and expect it to continue to work. If large classes of jobs get eliminated, hopefully we can teach people new skills and encourage them to do new things.更加好的教导ーー在准确的领域ーー也许是处理这一个疑的最好方法啦。我对很多目前的教导创业公司持测姿态，但我坚信这个是1个可以处理的疑呢。快速改变咱们教导人民的内容和方法很重要ーー假如一切都在改变，咱们就不可以维持一样的教导形式，并希望他持续发挥作用呢。假如批量的工作岗位被消除，期望咱们可以教人民新的技术，并激励她们作新的事啦。Education, unlike a lot of other government spending, is actually an investment—we ought to get an ROI on it in terms of increased GDP (but of course it takes a long time to pay back).与其它很多政局付出不一样，教导事实上是一项出资ーー咱们应当从增添的 GDP 中获取出资回报率(自然，回馈要很长期)呢。However, if we cannot find a new kind of work for billions of people, we’ll be faced with a new idle class. The obvious conclusion is that the government will just have to give these people money, and there’s been increasing talk about a “basic income吧”—i.e, any adult who wanted it could have, say, $15,000 a year.但是，假如咱们不可以为数十亿人找出1种新的工作，咱们将面对1个新的闲置阶层啦。不言而喻的结果是，政局将不能不给这一些人，并且越来越多的人在议论“根本收益吧”ーー也就是说，一切要这一笔的大人都可以获得，比如说，每一年1.5万美元呢。You can run the numbers in a way that sort of makes sense—if we did this for every adult in the US, it’d be about $3.5 trillion a year, or a little more than 20% of our GDP. However, we’d knock out a lot of existing entitlement spending, maybe 10% of GDP. And we’d probably phase it out for people making over a certain threshold, which could cut it substantially.您可以用1种对比合理的方法来计算这一些数字ーー假如咱们对每一个美国（America）大人都那样作，这么每一年就会有3.5万亿美元，或者说略高于咱们 GDP 的20% 呢。但是，咱们会减少好多现有的付出，也许占 GDP 的10% 了。并且咱们也许会逐渐淘汰赶过肯定门坎的人，这可以大大减少他了。There are benefits to this—we’d end up helping truly poor people more and middle class people less, and we’d presumably cut a ton of government bureaucracy. We could perhaps end poverty overnight (although, no doubt, anything like this would cause prices to rise). And likely most of this money would be spent, providing some boost to the economy. We could require 10 hours a week of work for the government, or not. A big problem with this strategy is that I don’t think it’ll do much to address the feeling of inequality.那样作是有优点的ーー咱们最后将更多地扶助真实的贫民，而减轻中产阶级人士，并且咱们也许会减少批量的政局官僚机构呢。咱们或者可以在一夜之间结尾贫穷(只管，毫无疑，那样的事会致使物价上涨)啦。并且这一些中的大多数也许会被花掉，然而对经济起到肯定的推行用处呢。咱们可以请求政局每周工作10小时，也可以不需要了。这一种战略的1个大疑是，我以为他不会对处理不同等的感受起到多大用处啦。Many people have a visceral dislike to the idea of giving away money (though I think some redistribution of wealth is required to reasonably equalize opportunity), and certainly the default worry is that people would just sit around and waste time on the Internet. But maybe, if everyone knew they had a safety net, we’d get more startups, or more new research, or more novels. Even if only a small percentage of people were productive, in a world where some people create 10,000x more value than others, that’d be ok. The main point I’m trying to make is that we’re likely going to have to do something new and uncomfortable, and we should be open to any new ideas.很多人发自内心地不喜爱捐款的办法(只管我以为有些收益再分派要合理地同等机遇) ，自然默许的操心是人民不过坐在哪里浪费时间在互联网络上啦。可是，或许，假如每一个人都明白她们有1个安全网，咱们会获得更多的首创公司，或更多的新研究，或更多的小说啦。即便唯有一部分人有生产力，在1个有一些人制造的价值比其他人多10,000倍的世界里，这也是可以的啦。我想说的重要观念是，咱们也许不能不作有些新的和不舒适的事，咱们应当对一切新的办法持开放姿态啦。But this still doesn’t address the fundamental issue—I believe most people want to be productive. And I think figuring out a much better way to teach a lot more people about technology is likely the best way to make that happen.但这依然没有处理基本疑ーー我坚信大多人都期望变的富有成效啦。我以为，找出1个更加好的办法来教会更多的人有关系技能的文化，也许是完成这一目的的最好路径啦。

百度有什么科技创新

1月6日，百度举行 Create大会-技能开放日传媒交流会，三位百度关键技术监护人在场，轮流解说百度最新的技能发展，繁密展示百度怎么样践行“用科技让繁杂的世界更简易了”的愿景啦。

行动其间，百度不止展现了怎么样用“电话全双工语音交互呀”改良运用导航运用的体会，还仔细推荐了怎么样用“天主视角吧”提高汽车的自行驾驶才能，以及怎么样用百度自研的深度研习飞桨加快科研呢。每一项研究都切中痛点，每一项都有全世界行业里面惟一或抢先的打破，展示着百度的技术实力呢。

百度在技能研制上的累积投入已赶过 1000 亿元，开发了批量业界抢先的技能呢。从改良日常生活体会到推行前沿科技产业落地，再到加快基础科学研究，百度的黑科技早已经渗透到社会的方方面面了。

这三项不过百度前沿技术中的一小部分了。百度将在1月10日举行新一届百度 CreateAI 开发者大会，到时会有更多百度技能大牛展现百度黑科技，往前一步展示技术创新的能量怎么样推行增加呢。

能力遥遥领先的“电话全双工语音交互了”

相像一下，您正开车前去1个陌生的都市旅游，车里开着音乐.同行的同伴们闲聊，车外隐隐传来有些通行杂音，您要用电话播放的导航语音认路呢。

通过暂时探讨，同伴们决定要修正终点站去1个餐厅吃饭呢。为了安全起见，您要把车停在大路旁边，从新设定终点站，让地形图程序从新设定导航线路了。

这是因为电话里程序语音播放导航短信时，平时不也许辨别出您说了什麽呢。暗地里的基本原理也不难理解，假如电话App在谈话的时候，又在听，他也许会辨别本人说的话，非常容易形成误判，尤为是导航运用，直-接干系到交通安全啦。

百度语音首席架构师贾磊说，在世界范畴内，很长期都没有1个提案能普适的支-持在电话上完成全双工的语音交互——在电话播放导航提醒的同时间，也可以听清咱们的指令，以至像真人对话相同可以被咱们随时随刻打断，并对新的语音指令给于反应呢。

麻烦有不少呢。要完成全双工语音交互，必需先作回音祛除，防止电话末端辨别本人播放的聲音啦。贾磊说，在前装程序的音箱.车载体系上对比简单完成，可以经过硬件适配算法，提早保证回音祛除的结果了。

而电话App属于纯程序后装提案，要让程序算法适配不一样规格的末端硬件了。平时，电话上喇叭距离话筒的距离对比近，同时间电话末端样式多，硬件良莠不齐呢。这一些原因叠加在一起，会致使聲音信-号的回音祛除会出现各式各样（注形容种类繁多）的疑了。再加上电话硬件的迭代升级十分迅速，回音祛除结果就愈加难以保证了呢。

这一个很难的题早已经被百度处理呢。百度的技能团体融会传统信号处理和深度研习模型各自的长处，根据语音辨别目的，端到端地进行回音祛除和信-号加强，处理了电话情景下的回音祛除疑，即便电话音量开到最大，回音祛除量也能到达40分贝，使得电话APP的语音辨别功效可以平常工作了。

这个是世界范畴内.在全职业，第一个能在电话上完成纯程序提案回音祛除的技能啦。

尽管电话的便携性致使语音交互的运用情景非常复杂，在交互中经常面对音乐.闲谈.环境噪声.内噪剩余等与交互内容没关的其它短信打扰，语音辨别难处增大了。但百度研制出的根据SMLTA2的多情景一统预练习模型，1个模型处理噪声.客户口音和回音祛除剩余吸取等很难的题，在各情景下识别率相比提高赶过20%，这在业界一类技能中，准确率是最高的，可以说能力遥遥领先了。

搭配语音语义一体化的相信技能，百度的技能提案可以减少错误回应，而且支-持交互经过中的指导和说明，让人机交互更智能顺利，更靠近人与人直-接交互的体会了。

现在，百度早已经做到在电话端完成大自然通畅的全双工语音交互，下一步将用到更多物品中呢。

更强横的“天主视角吧”，帮智能汽车解锁“千里眼了”

自行驾驶体系可以代替人类驾驶员，让出行更简易，变成很多科技公司争相投入的方位呢。要让汽车自行驾驶，关键在于让体系全面而精确地感知.辨别周围环境了。

人类司机重要依赖视线观望道路和周围情形，汽车靠激光雷达.毫米波雷达和高分辨率摄像头等传感器，他们决定了自行驾驶体系能获取什麽环境.路况短信啦。

在自行驾驶领域，传统的图象空间感知办法是将汽车上的雷达.摄像头等不一样传感器收集来的数据分别进行剖析运算，把各个剖析结局融会到一统的空间坐标系中，去计划车辆的驾驶轨迹呢。这一个经过中，每一个自力传感器搜集到的数据常常遭到特定视角的，通过各自的剖析运算后，融会阶层会致使偏差叠加，没法拼凑出道路现实情形的精确全貌，给车辆的决定计划带来麻烦了。

近些年来，职业中指出了BEV（Bird's Eye View，视线为中心的俯视图）自行驾驶感知提案呢。不同于传统的方法，BEV自行驾驶感知就比如是1个从高处统观全局的“天主视角吧”，车上几个传感器收集的数据，会输出到1个一统模型进行全体剖析推理变成鸟瞰图，能有用地防止偏差叠加啊；这一种提案还可以做到时序融会，不但是搜集1个每刻的数据，剖析1个每刻的数据，却是支-持把过去1个时间片断中的数据都融会进模型作环境感知建模，时序短信的引进让感知到的结局更安稳，使得车辆关于道路情形的判定愈加精确.让自行驾驶更安全啦。

百度作为全世界自行驾驶技能第一梯队的玩家，并没有止步于BEV自行驾驶感知提案，还第一次在行业里面指出了车路一体的解决方案UniBEV，集成了车端多相机.多传感器的在线建图.动向障碍物感知，以及路侧视角下的多路口多传感器融会等任-务，是行业里面首个车路一体的端到端感知解决方案啦。

根据一统的BEV空间，UniBEV 车路一体大模型更简单完成多模态.多视角.多时间上的时空特点融会啦。百度依靠大数据+大模型+小型化技能闭环，在车端路侧的动静态感知任-务上都获得了抢先的成绩呢。

硬核飞桨，加快科研

作为1种共用技能，人工智能不唯有您喜爱.让汽车自行驾驶的才能，还能扶助很多领域的科学家们加快科研的进度，这就人工智能科学计算（AI for Science）啦。

现如今早已经有很多科学家团体正在用AI扶助处理科-学很难的题啦。比方在气候领域，AI完成更加快更精确的数值天气预报，包含预料强对流气候的短时邻近降雨情形和揭露大幅度的台风变成和演化规律了。在生命科学领域，传统的科学研究办法面对动物类别试验数据少.计算任-务繁杂.课程交织多等应战，而跟着AI运用摸索的连续推动，AI已渐渐在药品挑选.药品设计.靶点研究.形成生物学.疾病机理研究等方面完成落地和连续的提高了。

AI 为处理科-学疑带来新办法的同时间，也对AI基础软硬件带来许多新应战了。终究，推行科-学提高与开发1个人脸识别算法要的并不全部是1种才能了。

一开始的时候，深度研习要具有愈加丰厚的各种计算表达能力，如高阶自行微分.复数微分.高阶改进器等了；次要，科-学疑求解要超大规模的计算，这对深度研习与异构超算/智算中心适配及融会改进，神经网络编译器加快和大规模分布式练习指出了新的请求了；另外，怎么样完成人工智能与传统科学计算工具链的协同，也是要处理的疑了。

过去的这几年，百度飞桨团体在这一些疑获得了发展了。作为境内首个自立研制.功能丰富.开源开放的产业级深度研习，飞桨研制了一系列用在科研的工具组件，比方赛桨PaddleScience.螺旋桨PaddleHelix.量桨Paddle Quantum等，支-持繁杂外貌障碍物绕流.构造应力应变剖析.原料份子模仿等丰厚领域算例，广泛支持AI加计算流体力学.动物计算.量子计算等前沿方位的科学研究摸索和产业运用啦。

关于科-学领域大规模计算的需要，飞桨拿出了超大规模图研习练习技能PGLBox，是业界首个同时间支-持繁杂算法+超大图+超大分散模型的大规模图研习练习技能，经过显存.内存.SSD**存储技术和练习架构的功能改进技能，单机便可支-持百亿节点.数百亿边的图采样和练习，并可经过多机扩张支-持更大规模，现在早已经在百度的智能通行.短信推举.搜查等标杆情景完成落地，大幅提高业务效果和客户体会了。

在科学研究生态方面，百度飞桨早已经与高等学校.科研机构等开展了计算流体力学.份子动力学.动力气象学等方面的典范建造，并变成了有些开放性的.多课程交织的生态小区，包含飞桨特别兴趣小组(PPSIG).共创计划等，与各方一道进行技能联合开发.推行资源共享，生态商机共建了。

对准 AI for Science 赛道，对百度飞桨来讲是 AI 才能的应战，但一次次技能打破，也是飞桨提高才能的机遇呢。关于全个社会也有重大意义，百度飞桨的一个个技能打破，也让科学家们有了更加好的助手，让技能打破具有了更多可能性呢。

今天关于科技创新百度翻译和百度有什么科技创新的相关话题就解到这里了，希望对各位有所帮助，也请大家持续关注本站动态。