第104期 HackCV 日报

图像上的分割转换已经非常成熟,效果也非常好,那能否应用到音乐风格上面呢?本文是对这个想法的一次尝试,音乐由于是时序离散的数据,对于风格的定义非常难,简化来看可以从节奏和音调两方面来定义风格,分别构建模型学习节奏和音调两方面的信息,但显然还有很多问题要解决。

总结下这篇文章,数据科学得到的是对数据的见解,机器学习可以得到数据的预测结果,而人工智能得到的是行动。数据科学是需要由人参与的,由人使用各种方法得到对数据的深刻理解;机器学习则是需要使用大量的数据,从中得到数据内在的分布信息,进而可以更好地做出预测;而人工智能的定义太过宽泛,目前从智能的角度来看,指的是执行的动作,比如机器人的控制、下棋的算法等。

前两年基于文本的虚拟助理chatbot非常火热,甚至运维圈也有了chatops的方式。但完全理解文本,还是会有难度,一个多样化的问题就非常难以解决,更何况一些故意刁难的问题。所以在现在这种情况下,虚拟助理的发展确实受限较大,比较好的一方面是收集了更好的数据,可以用于进一步的分析和发展。