那些想转行AI的人:送你一份人工智能入门完全指南

人工智能产业观察 2017-11-22 17:43 次阅读

3.png

 

人工智能是什么?人工智能为何重要?我们应该畏惧人工智能吗?为什么突然之间所有人都在谈论人工智能?

 

你可能会从网上知道人工智能如何为亚马逊和Google的虚拟助理提供支持,或者人工智能如何一步步地取代所有的工作(有争议的),但是这些文章极少很好的解释人工智能是什么(或者机器人是否将要接班)。本文将对人工智能做出解释,这份简明指南将随着领域的发展和重要的概念出现进行更新和改进。

1.png

 

人工智能是什么?

 

人工智能是具有学习机制的软件或计算机程序。人工智能使用这种知识在新的情况下做出决定,就像人类一样。构建该软件的研究人员尝试编写可以读取图像,文本,视频或音频的代码,使得人工智能从中学习一些东西。 一旦机器学到了,知识就可以在别的地方使用。 如果一个算法学会识别某人的脸,那么可以在Facebook照片中找到它们。 在现代AI中,学习通常被称为“训练”(将在后文进行介绍)。

 

人类自然会学习复杂的想法:我们可以看到像苹果这样的对象,然后在以后识别一个不同的苹果。 机器是非常字面化的 - 电脑没有对“类似”的灵活概念。人工智能的目标是使机器减少仅基于文本而形成的概念。 机器很容易判断两张苹果的图像或两个句子是否完全相同,但人工智能旨在从不同的角度或不同的光线识别同一苹果的图片; 它捕捉视觉角度去识别苹果。这被称为“泛化”或基于数据的相似性形成想法,而不仅仅是基于AI所看到的图像或文本。 更普遍的想法可以应用于AI以前没有看到的事情。

 

卡内基梅隆大学计算机科学教授亚历克斯·鲁德尼奇(Alex Rudnicky)说:“人工智能的目标是将复杂的人类行为降低到可以计算的一种形式。 “这反过来又使得我们能够建立对人类有用的可以从事复杂活动的系统。”

 

 

今天距离人工智能还有多远?

 

人工智能研究人员仍在努力解决这个问题的基础。 我们如何教电脑来识别他们在图像和视频中看到的内容? 之后,识别如何进入理解 - 不仅产生“苹果”这个词,而且知道苹果是一种与桔子和梨相关的食物,人类可以吃苹果,可以用苹果做饭,并用它们来制作苹果馅饼,并且联系到约翰尼·苹果派的故事,诸如此类。 还有一个理解语言的问题——词根据语境有多重含义,定义总是在演变,每个人的说法都有一点点差别。 电脑如何理解这种不固定的,千变万化的语言构造?        

 

由于介质不同,人工智能的进展速度也不相同。现在,我们看到了在理解图像和视频能力的惊人增长,这是一个业界称之为计算机视觉的领域。但是,这一进步对其他人工智能的理解并没有多大帮助,这是一个被称为自然语言处理的领域。这些领域正在发展有限的智能,这意味着人工智能在处理图像、音频或文本方面具有强大的功能,但却无法从这三者中学习到同样的方法。一个不可知论的学习形式是一般智力,这是我们在人类身上看到的。许多研究人员希望,各个领域的进步将揭示更多关于我们如何让机器学习的共享真理,最终融合成统一的人工智能方法。

2.jpg

 

人工智能为什么重要?

 

一旦人工智能学会了如何从图像中识别出一个苹果,或者从音频片段中转录出一个语音片段,它就可以被应用于其他软件中,做本应该需要人类来做的决策。它可以用来识别和标记你的朋友在Facebook的照片,你(一个人) 本应该手工做的事情。它可以从自动驾驶汽车或者你的车的倒车影像里识别出另一辆车或者一个街头标志。它可以用来定位农业生产中应该移除的劣质农产品。这些任务,仅仅基于图像识别,通常是由用户或公司提供软件的人完成的。

 

如果一个任务节省了用户的时间,它是一个功能,如果它能节省了公司里工作的人的时间甚至完全消除了一份工作,那么它就是一个极大节约了成本。有一些应用程序,比如在销售分析的几分钟内处理数百万个数据点,如果没有机器,是不可能实现的,这意味着以前从未有过的新信息的潜力。这些任务现在可以通过机器在任何时间和任何地点快速、廉价地完成。它是人类曾经完成的任务的复制,对于无限可伸缩的低成本劳动力来说,这是不可否认的经济利益。

 

卡内基梅隆大学人类计算机交互实验室的教授Jason Hone说,虽然人工智能可以复制人类的任务,同时它也有能力开启新的劳动。“汽车是马的直接替代品,但在中长期内,它还带来了许多其他用途,比如用于大型运输的半卡车,家具搬运货车,小型货车,带折蓬的汽车。”Hong说“同样地,人工智能系统在短期内将直接取代常规任务,但在中长期内我们将看到它和汽车一样的戏剧性使用。

 

就像Gottlieb Daimler和Carl Benz没有考虑到汽车将如何重新定义城市的建造方式,或者污染或肥胖的影响,我们还没有看到这种新型劳动力的长期影响。

 

 

AI为什么现在这么火爆,而不是30(或者60)年前?

 

关于人工智能应该如何学习的许多想法实际上已经超过了60年。上世纪50年代,像Frank Rosenblatt、Bernard Widrow和Marcian Hoff这样的研究人员首先研究了生物学家认为大脑的神经元是如何工作的,以及他们在数学上做的事情。我们的想法是,一个主要的方程可能无法解决所有问题,但是如果我们像人脑那样,使用了很多连接起来的方程会如何呢?最初的例子很简单:通过数字电话线路分析1和0,然后预测接下来会发生什么。(这项由Widrow和Hoff在普林斯顿大学完成的研究,仍然被用来减少电话连接的回声)。

 

5.png

2006年,达特茅斯会议五十年后,当事人重聚达特茅斯。左起:摩尔,麦卡锡,明斯基,赛弗里奇,所罗门诺夫

 

数十年来,计算机科学界的许多人认为,这个想法永远不会解决更复杂的问题,而现如今它是主要科技公司的实现人工智能的基础,从谷歌、亚马逊到Facebook,再到微软。回顾过去,研究人员现在意识到,计算机还没有复杂到足以模拟我们大脑中的数十亿神经元,而且我们需要大量的数据来训练这些神经网络,正如我们了解的那样。

 

这两个因素,计算能力和数据,在过去的10年里才得以实现。在2000年代中期,图形处理器单元(GPU)公司NVIDIA表示,他们的芯片非常适合运行神经网络,并开始使得AI在其硬件上运行变得更加容易。研究人员发现,如果能够使用更快、更复杂的神经网络,就可以提高准确度。

 

然后在2009年,人工智能研究员Fei-Fei Li发布了一个名为ImageNet的数据库,它包含了超过300万个有组织的图片,在里面还添加了标签。她认为,如果这些算法有更多的例子来寻找到模式之间的关系,那么它就能帮助他们理解更复杂的想法。她在2010年开始了一场ImageNet的竞赛,到2012年,研究人员Geoff Hinton使用了数百万张图片来训练神经网络,以超过10%的准确率的巨大优势战胜了其它的应用。正如Li所预测的,数据是关键。Hinton还把神经网络堆在另一个上面,一个只是找到了形状,而另一个则看了纹理,等等。这些被称为深度神经网络,或深度学习,也就是今天你在新闻中听到的关于人工智能的消息。一旦科技行业看到了结果,人工智能的繁荣就开始了。数十年来,一直致力于深度学习的研究人员成为了科技行业新的摇滚明星。截止2015年,谷歌有超过1000个项目使用了某种机器学习技术。

 

 

我们应该恐惧人工智能吗?

 

看过终结者这样的电影后,人们很容易就会害怕像天网这样的全能的邪恶的AI。在人工智能研究领域,天网被称为一般的超级智能,或者人工通用智能,这类软件在各个方面都要比人脑更强大。

 

4.png

 

由于计算机能够扩展,这意味着我们能够制造出更强、更快的计算机,然后把他们连接起来。恐惧是来自于这些机器人大脑的计算能力可能会增长到一个深不可测的水平,如果他们真的聪明到那个地步,他们就会无法控制,并会绕过任何试图关闭他们的人。这就是埃隆马斯克和史蒂芬霍金这样极其聪明的人所担心的世界末日。正如马斯克所言,虽然它们在某些领域的确拥有智能,但大多数主流人工智能研究人员都对召唤恶魔的说法不以为然。尽管研究人员把学习的基本原理打破了,例如他们改变了如何去理解模式背后的意义,然后把这些新的理解组织成一个功能性的世界观,目前还没有证据表明电脑会有需求,欲望或着意志来存活,Facebook 人工智能研究中心的领导Yann Lecun说道。

 

“当我们受到威胁,我们嫉妒,我们想要获得资源,比起陌生人我们更喜欢我们的近亲,等等这些行为时,我们会变得更暴力,这些都是进化中为了我们的生存而建立起来的。除非我们很明确的把这些基本行为建立到智能机器里,否则它们不会有这些行为。”他在Quora上写道。

 

没有证据表明计算机会认为人类是一个威胁,因为没有给计算机定义这样的威胁。也许人类能够定义它,并告知机器在一些参数中运作,这些参数在功能上就像一个生存的意志,而这个意志并不存在。

 

谷歌公司的创始成员、百度前人工智能负责人吴恩达说,“我说过,我不担心人工智能变邪恶的原因跟我不担心火星上人口过多的原因是一样的。” 但是有一个原因让我们害怕人工智能:人类。

 

有证据表明,人工智能对从它学习的数据中获取人类偏见很敏感。这些偏见可能是无害的,比如识别图片中的猫比狗更常见,因为它是被更多的猫图片训练出来的。但是,它们也可能会把刻板印象延续下去,比如相比其他性别或种族,AI更多的把医生和白人男性联系起来。如果一个有这种偏见的人工智能负责招聘医生,那么它可能会对那些非白人男性的员工造成不公平。ProPublica的一项调查发现,用于判决那些被判有罪的人的算法存在种族偏见,因为其对有色人种的人提出了更严厉的判决。卫生保健数据通常不包括妇女,尤其是孕妇,这样在向这些人提出医疗建议时,会导致系统功能不完整。由于这些机制之前是由人类来做的,而现在我们拥有一台速度更快的超级强大的机器,我们就要确保它们能够在我们的道德规范中公平而一致地做出这些决定。

 

要判断一个算法是否有偏见并不容易,因为深度学习需要数以百万计的连接计算,通过所有这些小的决策来计算出它们对更大的决策的贡献是非常困难的。因此,即使我们知道人工智能做出了一个糟糕的决定,我们也不知道它是什么原因,也不知道它是怎么做的,所以在它实施之前很难建立起一个机制来捕捉到偏见。

 

在自动驾驶汽车这样的领域,这个问题尤其不稳定。在自动驾驶汽车上,每一项决定都可能事关生死。早期的研究表明,我们很有希望能够逆转我们所创造的机器的复杂性,但现在几乎不可能知道为什么Facebook、谷歌或微软的人工智能做出了任何决定。

 

功能性AI术语表:

 

算法:一套计算机要遵循的指令。一个算法可以是一个简单的单步程序也可以是一个复杂的神经网络,但是通常被用来指一个模型。

 

人工智能:这是一个统称。广义上说,软件意味着模仿或取代人类智能的各个方面。人工智能软件可以从图像或文本、经验、进化或其他研究人员的发明等数据中学习。

 

计算机视觉:人工智能研究探索图像和视频识别和理解的领域。这个领域从了解苹果的外观,到苹果的功能用途,以及与之相关的理念。它是被用作自动驾驶汽车、谷歌图像搜索以及Facebook上自动贴标签的主要技术。

 

深度学习:一个神经网络被分层来理解数据中的复杂模式和关系的领域。当一个神经网络的输出成为另一个神经网络的输入时,有效地将它们叠加起来,由此产生的神经网络就是“深度”了。

 

普通智力:有时被称为“强人工智能”,一般智能将能够在不同的任务中学习和应用不同的想法。

 

生成式对抗网络:这是一个包含两个神经网络的系统,一个是用来生成输出的,另一个是用来检验这个输出的质量是否是想要的输出的神经网络。例如,当试图生成一个苹果的图片时,生成器将生成一个图像,而另一个(称为鉴别器)如果不能识别图像中的一个苹果,会使生成器再次尝试生成。

 

机器学习:机器学习(ML)常常与术语人工智能结合在一起,是使用算法从数据中学习的惯例。

 

模型:模型是一种机器学习算法,它可以建立自己对某一主题的理解,或者它自己的世界模型。

 

自然语言处理:用于理解语言中思想的意图和关系的软件。

 

神经网络:通过连接起来的数学方程式的网络,模拟大脑处理信息的方式以建立起来的算法。提供给神经网络的数据被分解成更小的块并根据网络的复杂性分析其基础模式成千上万次。当一个神经网络的输出被输入到另一个神经网络的输入时,这两个神经网络就会链接到一起成为分层,成为一个深层的神经网络。通常,深度神经网络的层会分析越来越高的抽象层的数据,这意味着,在得到最简单和最准确的数据表示之前,它们会将有用数据从没有必要的数据中提取出来。

 

卷积神经网络:一个主要用来识别和理解图像、视频和音频数据的神经网络,因为它能够处理密集的数据,比如数百万像素的图像或数千个音频文件样本。

 

递归神经网络:一种用于自然语言处理的神经网络,它可以周期性地、连续地分析数据,这意味着它可以处理像单词或句子这样的数据,同时在句子中保持它们的顺序和上下文。

 

长短期记忆网络:一种周期性的神经网络的变体,它的是用来根据数据来保留结构化的信息。例如,RNN可以识别句子中的所有名词和形容词,检查它们是否被正确使用,但LSTM可以记住一本书的情节。

 

强化学习:一种能够从经验中学习的深度学习算法。是可以控制环境的某些方面的算法,比如视频游戏的角色,然后通过反复试验和错误来学习。由于它们是高度可重复的,作为三维世界的模型,并且已经在电脑上玩了,许多强化学习的突破都来自于玩视频游戏的算法。在DeepMind的AlphaGo中,RL是机器学习的主要类型之一,它在围棋中击败了世界冠军Lee Sedol。在现实世界中,在网络安全等领域已经证明了这一点,软件学会了欺骗反病毒软件,使其认为恶意文件是安全的。

 

超级智能:比人脑还要更强大的人工智能。很难定义它因为我们仍然无法客观地衡量人类的大脑能做什么。

 

监督式学习:在被训练的过程中,给其提供的数据是已经组织好的、已经被贴好标签的机器学习。如果你正在建立一种监督式的学习算法来识别猫,你就可以在1000张猫的图片上训练这个算法。

 

训练:通过提供数据来让算法学习的过程。

 

无监督学习:机器学习算法的一种,没有给出任何关于它应该如何对数据进行分类的信息,并且必须找到它们之间的关系的算法。像Facebook LeCun这样的人工智能研究人员将无人监督的学习视为人工智能研究的圣杯,因为它与人类自然学习的方式非常相似。“在无人监督的学习中,大脑比我们的模型好得多”,LeCun告诉IEEE光谱,“这就意味着我们的人工学习系统缺少了一些非常基本的生物学习原理”。


 


智创未来 发现智能新经济

aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9IbGlicTVBN1o2dE1xRElMMEJ1UFQzaDNReG84aFRxZWVMY2pPRDNmbE8yd1V2ZkFuaDFqcEl3WGljWHg1U0lVZDN2M0lFSGYzZUxpYUZQZ3lwU0tuZVpmdy8wP3d4X2ZtdD1qcGVn

第四4届中国IOT大会,高通、微软、华为、MathWorks、和而泰等大BOSS都来了,赶快报名吧。

“人工智能论坛”会议亮点

● 150位业内人士与会,共同探讨业界热点与设计难点

● 知名专家介绍如何寻找AI应用新场景

● 知名大公司分享AI最前沿研究和应用成果

● 业内专家揭秘人工智能在中国新趋势

● 与业内大咖面对面 ,遇见你的“中国合伙人"

 

扫描下方二维码

立即报名中国IoT大会人工智能分论坛

人工智能.png

 

热门推荐

收藏 人收藏
分享:

评论

相关推荐

Congruity360利用AI提高风险评估过程的速度和精度

风险评估对于大多数行业都是一项至关重要的工作,而在企业合并或收购中尤为关键。如今,AI的应用也延伸到....

的头像 英伟达NVIDIA企业解决方案 发表于 05-23 11:46 86次阅读
Congruity360利用AI提高风险评估过程的速度和精度

窥一窥深度学习这一黑盒子

为了处理好视觉信息,我们引入结构化学习,学习输出结构化的信息在我们打开深度学习黑盒子的过程中是很重要....

的头像 深度学习大讲堂 发表于 05-23 11:30 35次阅读
窥一窥深度学习这一黑盒子

利用AI是任何想要保持领先的企业或个人的关键步骤

人工智能领域在过去几年中获得了巨大的进步。由于技术和算法等方面大幅度的提升,人工智能应用的新浪潮正在....

的头像 AI人工智能D1net 发表于 05-23 11:22 139次阅读
利用AI是任何想要保持领先的企业或个人的关键步骤

有关IO模式的问题,数据存储与深度学习

比较深入学习算法的IO模式,可以发现它与传统工程师、HPC和企业应用程序的做法几乎完全相反。深度学习....

的头像 AI人工智能D1net 发表于 05-23 11:19 30次阅读
有关IO模式的问题,数据存储与深度学习

贝叶斯网络之父Judea Pearl认为现在人工智能的发展进入的新的瓶颈期

当然,但是在科学方程式中你看不到这种高尚的愿望。代数是对称的:如果X告诉我们有关Y的信息,那么Y就会....

的头像 人工智能学家 发表于 05-23 11:16 111次阅读
贝叶斯网络之父Judea Pearl认为现在人工智能的发展进入的新的瓶颈期

大数据发展的态势与特征,全国大数据产业发展特点

2017 年我国 IaaS 与 PaaS 服务收入比为约为 12:1 ,国内 laaS 市场仍然是视....

的头像 人工智能学家 发表于 05-23 11:10 227次阅读
大数据发展的态势与特征,全国大数据产业发展特点

号称“不作恶”的谷歌还是“破戒”了!引发了员工的集体暴走

一位离职员工表示:“谷歌并不是一个需要四处拼命接单子的小公司,我们为了自己的声誉也应该与军方合同保持....

的头像 机器学习算法与人工智能 发表于 05-23 10:49 134次阅读
号称“不作恶”的谷歌还是“破戒”了!引发了员工的集体暴走

智能机器人产业困局,优必选的竞争壁垒

周剑把营收猛增的原因归结为技术和市场的积累,“我们会把目前机器人的伺服舵机(机器中的核心执行部件)技....

的头像 机器人大讲堂 发表于 05-23 10:38 79次阅读
智能机器人产业困局,优必选的竞争壁垒

机器学习和边缘计算是“硅谷物联网企业”展示的重点

当然,硅谷不是一个只会炒概念的地方。和去年相比,今年的大会上,案例分享明显多了起来。在主论坛和工业物....

的头像 联动原素 发表于 05-23 10:33 54次阅读
机器学习和边缘计算是“硅谷物联网企业”展示的重点

工业4.0和机器学习兴起 助推工业物联网全面发展

要让制造商充分发掘工业4.0的潜力,他们必须将其连接设备的数据与人工智能、处理和分析结合起来。传统工....

发表于 05-23 10:03 14次阅读
工业4.0和机器学习兴起  助推工业物联网全面发展

计算机视觉将改变我们“看”世界的方式

如果你经常看人工智能相关的文章,相信对“计算机视觉”一词并不陌生。作为人工智能的一项关键能力,计算机....

的头像 Qualcomm中国 发表于 05-23 09:55 68次阅读
计算机视觉将改变我们“看”世界的方式

一起走近智能制造

智能制造,随着工业4.0、中国制造2025、工业价值链等国家战略而名声大振。是中国制造2025的主攻....

发表于 05-23 09:51 15次阅读
一起走近智能制造

除了AI,骁龙660还有哪些亮点

随着人工智能技术的加入,手机正愈加“智能”,处理器是实现终端侧人工智能的基础。得益于对 Qualco....

的头像 Qualcomm中国 发表于 05-23 09:49 72次阅读
除了AI,骁龙660还有哪些亮点

探讨如何将机器学习应用到物联网中

本项目探讨如何将机器学习(Machine learning)应用到物联网(IoT,Internet ....

的头像 设计idea 发表于 05-23 09:24 158次阅读
探讨如何将机器学习应用到物联网中

审计员们正在采用AI来应对财务造假问题

财务舞弊会蚕食公司的营业收入。但最近,审计员们正在采用一种新型防御工具AI来解决这个问题。

的头像 英伟达NVIDIA企业解决方案 发表于 05-23 09:21 132次阅读
审计员们正在采用AI来应对财务造假问题

莱迪思半导体超低功耗FPGA解决方案助力机器学习面向大众市场

全新的毫瓦级功耗FPGA解决方案为机器学习推理在大众市场物联网应用中实现快速部署创造机遇。

的头像 人间烟火123 发表于 05-22 17:04 320次阅读
莱迪思半导体超低功耗FPGA解决方案助力机器学习面向大众市场

掌握第四次工业革命机会的十大原则

18世纪中叶第一次工业革命以蒸汽机作为动力机被广泛使用为标志,开创了以机器代替手工劳动的时代。19世....

发表于 05-22 16:02 50次阅读
掌握第四次工业革命机会的十大原则

仿视网膜芯片打响了新一代人工智能创新突破的第一枪

作为新一代人工智能的“眼睛”,该芯片像生物视网膜一样采用神经脉冲表达视觉信息,速度比生物高百倍,打响....

的头像 MEMS 发表于 05-22 15:58 299次阅读
仿视网膜芯片打响了新一代人工智能创新突破的第一枪

Achronix告诉你,新一代人工智能硬件需要具备哪些特质

如今AI的触角已经伸向了市场各个领域,AI离不开硬件,新一代人工智能硬件相较于之前的硬件有什么不一样....

发表于 05-22 15:17 106次阅读
Achronix告诉你,新一代人工智能硬件需要具备哪些特质

曼顿科技:推出融入人工智能和物联网的第四代智能空开产品

曼顿科技是中国能源行业智能空开产品标准编制单位,公司研制的智能空开属全球首创,获得二十二项专利和软件....

的头像 Duke 发表于 05-22 15:08 805次阅读
曼顿科技:推出融入人工智能和物联网的第四代智能空开产品

人工智能已具备无提示辨认物体的技能

让机器像新生儿的大脑一样进行自我学习和思考,这听上去不可思议的场景正在谷歌代号为Google X的秘....

发表于 05-22 14:53 76次阅读
人工智能已具备无提示辨认物体的技能

中国人工智能创业领军20人里_你认识几个

本次统计是基于2016年度在人工智能领域中创业的创业领军20人,接下来就跟随小编一起来了解一下他们到....

的头像 陈翠 发表于 05-22 14:50 446次阅读
中国人工智能创业领军20人里_你认识几个

百度着力于机器学习以及数据挖掘 已成立兴趣小组

互联网的飞速发展使其成为全球信息传播和共享的重要资源,互联网上的数据也呈几何级数增长,然而要从互联网....

发表于 05-22 14:50 89次阅读
百度着力于机器学习以及数据挖掘 已成立兴趣小组

Python语言在人工智能中的功能及优势

Python语言是一种面向对象、直译式计算机程序设计语言,Python语法简捷、清晰和易读。Pyth....

发表于 05-22 14:29 92次阅读
Python语言在人工智能中的功能及优势

了解NVIDIA GPU与人工智能如何推动自主机器实现飞跃

当地时间5月21日19:30和5月22日18:30将召开两场NVIDIA JETSON交流会。届时,....

的头像 英伟达NVIDIA企业解决方案 发表于 05-22 11:36 306次阅读
了解NVIDIA GPU与人工智能如何推动自主机器实现飞跃

中国AI实力只有美国的一半?

近期,牛津大学也发布了一份题为《解密中国AI梦》(Deciphering China's AI Dr....

的头像 芯智讯 发表于 05-22 11:30 366次阅读
中国AI实力只有美国的一半?

26家独角兽企业和以往的融资情况整理

2018年上半年,众多资本涌入物联网、人工智能行业,独角兽企业的融资一波接着一波。1月18日,AI人....

的头像 物联网资本论 发表于 05-22 11:13 699次阅读
26家独角兽企业和以往的融资情况整理

当人工智能来敲门,邂逅AI的最佳主场和姿态

举几个例子就很能说明事情,当光之图腾、游戏街无人竞速等一大票新奇物种出没,当最为流行的无人车产品,如....

的头像 机器人大讲堂 发表于 05-22 10:20 248次阅读
当人工智能来敲门,邂逅AI的最佳主场和姿态

详细介绍京东金融城市计算取得的前沿科技成果

联通在线下有很多营业厅,但是随着线下业务向线上转移,其线下营业厅资源没有得到充分利用。联通如果想把用....

的头像 机器人大讲堂 发表于 05-22 10:17 398次阅读
详细介绍京东金融城市计算取得的前沿科技成果

马云:在人工智能时代,教育必须要改革

对于中国来说,在大家都没有人才的情况下,只有初步尝试者和学者式思考。所以当时贵州说要发展大数据,“我....

的头像 机器人大讲堂 发表于 05-22 10:10 504次阅读
马云:在人工智能时代,教育必须要改革

人工智能目前的地位就如同“黑盒”而人就是“白盒”

对于今天的人工智能可以理解为,是大数据、云计算和信息传输速度共同作用的结果。在底层架构的设计上,由于....

的头像 机器人博览 发表于 05-22 09:59 277次阅读
人工智能目前的地位就如同“黑盒”而人就是“白盒”

人工智能离我们很远?人工智能对就业有何影响?

对于 Duplex 展示出的打电话技能,前斯坦福大学校长、谷歌母公司 Alphabet 董事长 Jo....

的头像 机器人博览 发表于 05-22 09:55 271次阅读
人工智能离我们很远?人工智能对就业有何影响?

机器学习、深度学习、卷积神经网络...人工智能时代的曙光

发表于 05-22 09:54 527次阅读
机器学习、深度学习、卷积神经网络...人工智能时代的曙光

机器学习、深度学习、卷积神经网络...人工智能时代的曙光

发表于 05-22 09:54 527次阅读
机器学习、深度学习、卷积神经网络...人工智能时代的曙光

机器学习、深度学习、卷积神经网络...人工智能时代的曙光

发表于 05-22 09:54 527次阅读
机器学习、深度学习、卷积神经网络...人工智能时代的曙光

人工智能正快速进入教育领域

人工智能是对人的意识、思维的信息过程的模拟。基于人工智能的虚拟现实技术应用,可以让学生沉浸在历史和虚....

的头像 机器人博览 发表于 05-22 09:52 353次阅读
人工智能正快速进入教育领域

人工智能行业总体处于爆发增长阶段

人工智能,英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一....

的头像 深圳市机器人协会 发表于 05-22 09:45 357次阅读
人工智能行业总体处于爆发增长阶段

人工智能DeepText已经上线

在不久前的开发大会上, Facebook 宣布将会在移动聊天工具 Messenger 中推出聊天 机....

发表于 05-22 08:53 35次阅读
人工智能DeepText已经上线

百度进入AI时代 百度地图在其中做了什么

目前百度的高精地图分为两部分,一部分是研发方向,一个是采集的实际的供给方向,也就是围绕Apollo ....

的头像 39度创意研究所 发表于 05-22 02:51 263次阅读
百度进入AI时代 百度地图在其中做了什么

产业战略:人工智能领域行动

支持AI创新以提升生产力:通过下一代服务产业战略挑战投资2000万英镑促进AI在服务部门的应用;向极....

的头像 人工智能快报 发表于 05-21 17:44 956次阅读
产业战略:人工智能领域行动

VR模拟让机器人开发成为“普惠工程”

NVIDIA 为来自包括加拿大、智利、日本、墨西哥和土耳其在内的六个国家和地区的 104 支 FIR....

的头像 英伟达NVIDIA企业解决方案 发表于 05-21 17:39 611次阅读
VR模拟让机器人开发成为“普惠工程”

NVIDIA Volta GPU中内置的Tensor Core GPU架构是NVIDIA深度学习平台的巨大进步

Tensor Core所运行的张量应位于存储器的channel-interleaved型数据布局(数....

的头像 英伟达NVIDIA企业解决方案 发表于 05-21 17:35 363次阅读
NVIDIA Volta GPU中内置的Tensor Core GPU架构是NVIDIA深度学习平台的巨大进步

人工智能是BAT新赛道?看BAT前沿布局

都说在风口好赚热钱,BAT却用自身的战略路线阐述了“理性评估自身实力、审时度势入场”的道理。

的头像 全球技术地图 发表于 05-21 17:08 772次阅读
人工智能是BAT新赛道?看BAT前沿布局

现在的人工智能更像是一个无法归纳和理解的黑盒

不过,尽管AI本身仍处于黑盒阶段,但搭载AI终端的智能边缘计算正在扑面而至,这一点,从今年微软Bui....

的头像 人工智能学家 发表于 05-21 16:36 399次阅读
现在的人工智能更像是一个无法归纳和理解的黑盒

通过定义质量的度量基准来评估AI技术用于异常检测和安全分析的功效

机器学习或其他AI技术所获得的结果在很大程度上取决于用于训练的数据。如果训练数据的质量较差,那么最先....

的头像 人工智能头条 发表于 05-21 16:32 376次阅读
通过定义质量的度量基准来评估AI技术用于异常检测和安全分析的功效

“传感城市”进化论全新篇章

城市升级成为一个能够感知环境信息和人类行为数据的“智慧体”,人工智能成为城市治理和城市可持续发展的强....

的头像 MEMS 发表于 05-21 16:30 237次阅读
“传感城市”进化论全新篇章

深度神经网络加速和压缩方面所取得的进展报告

我们对过去一年和2018年目前发表在国际顶会上的有关网络加速和压缩的论文做了统计。由上图可以看出在C....

的头像 深度学习大讲堂 发表于 05-21 16:26 349次阅读
深度神经网络加速和压缩方面所取得的进展报告

如果想加入自动驾驶行业,该注意哪些问题?

这些公司虽然都做自动驾驶,但是专注领域完全不同。如果你对汽车硬件一窍不通,去Waymo这类以软件为中....

的头像 自动驾驶说 发表于 05-21 16:05 273次阅读
如果想加入自动驾驶行业,该注意哪些问题?

物联网在城市运行中的作用

物联网使我们的生活处处充满惊喜,尤其在优化城市交通方面将释放更强大的力量。

的头像 Thundersoft中科创达 发表于 05-21 15:58 341次阅读
物联网在城市运行中的作用

人工智能赋予医生更强大的力量

人工智能 (AI) 是我们这个时代的重要技术,而早期检测是一项重大的医学挑战。AI方面的突破性进展让....

的头像 英伟达NVIDIA企业解决方案 发表于 05-21 15:54 341次阅读
人工智能赋予医生更强大的力量

如何用更少的数据自动将文本分类,同时精确度还比原来的方法高

计算机视觉领域迁移学习和预训练ImageNet模型的成功已经转移到了NLP领域。许多企业家、科学家和....

的头像 论智 发表于 05-21 15:53 102次阅读
如何用更少的数据自动将文本分类,同时精确度还比原来的方法高

【F3使用场景】F3经典使用场景

发表于 05-17 20:33 281次阅读
【F3使用场景】F3经典使用场景

中金易云:为出版社找到下一本《解忧杂货店》

发表于 05-11 09:58 164次阅读
中金易云:为出版社找到下一本《解忧杂货店》

智能手机跑大规模神经网络的主要策略

发表于 05-07 16:02 211次阅读
智能手机跑大规模神经网络的主要策略

机器学习能诊断病情,还能预测患者出院后的情况?

发表于 05-07 15:29 192次阅读
机器学习能诊断病情,还能预测患者出院后的情况?

2018中国国际数字经济博览会

发表于 05-05 16:58 231次阅读
2018中国国际数字经济博览会

"AI+"进入科学界:人工智能将主导原子世界的科学发现进程

发表于 04-27 15:58 680次阅读
"AI+"进入科学界:人工智能将主导原子世界的科学发现进程

人工智能的就业方向详解

发表于 04-24 15:25 356次阅读
人工智能的就业方向详解