１：meta learning：方法论的学习。

２：ｇｏｏｇｌe-ＡｕｔｏML:因为人的成本是很贵的，通过大量的数据进行自动学习，从ｄａｔａ里进行学习。

有些内容是无法进行标注的－－－例如收拾屋子，通过视频来教机器来进行学习。

Share Ai：所有的手机进行一起学习，７０００个手机进行学习，是不是类似ｇｐｕ对机器的性能要求比较高的（分布式机器学习）训练的算法。

根据具体的事情来进行学习模型，

交叉学习：根据任务来进行训练模型。

２：meta-learning（１５年复兴）从参数中学习模型到从参数中学习算法，是可以进行小样本的学习。

３：学习初值，

４：增强学习，会根据历史的学习来进行学习，过去的经验可以进行重用。

５：ｇａｎ和决策树的区别？？

６：增强学习与深度学习进行结合。

７：用户隐私更友好怎么进行理解？？

８：这个公司为什么能力比另外的公司的能力要强：

小样本做到大样本的能力、可以进行共享、可以持续的学习（终身学习）

智能家具应用：

未来智能家居：

　　　浇花－－你可以教机器进行学习（不应该是人来做嘛？生活的情趣）

　　　扫地－－教就会这种技能。

９：从特征工程中解放出来。

计算视觉：

华为为视觉产品：服务、监控产品、与芯片一起应用、ＥＢＯ

监控：城市监控；

拍照：单反不会后期－－手机（多个摄像头（三设硬件），来进行还原当时的光线－自动处理的算法－等于人进行后期处理），可以进行动态的追踪（运动的人）。

自动驾驶：

部署设备：基础设施建设以及维护，开销会很大。

目标：一个傻瓜设备可以将周围的环境显示出来，让本地工程师可以根据深圳的工程师的图纸进行设计，当本地工程师哪一步出错了，可以将本地工程师的每一步拍成照片传回数据库，然后深圳的工程师可以将问题进行处理。

语音识别：不涉及语义，小朋友的发音和大人的发音环境是不一样的、你在一个房间说话的过程，会有回音，怎么进行处理？？

Nlp:机器翻译（长的句子翻译效果不是很好）、任务完成对话系统（ＰＯＭＤＰ对应关系－－认知相关的事情）、问答式（技术文档非结构化信息怎么进行结构化，工程师有问题，机器人可以进行解决问题）

端到端的语音助手（对话系统）。

对话系统：闲聊小冰。最开始是基于ＩＲ的学习－－基于微博数据进行生成式对话

对话机器人－－整理相关文档。

研究工作：匹配模型（文本相似度度量）、神经翻译、对话系统、华为助手（一句话有很多的表达方式－－怎么进行理解）。

语音搜图：时间地点、进行匹配。

绩效体系：

OPR体系：每个员工可以看到每个领导完成的目标，可以拆分到每个人身上。是否达成了年初的计划。

转载自原文链接, 如需删除请联系管理员。

原文链接：华为诺亚方舟实验室简述，转载请注明来源！