电子发烧友网 > 人工智能 > 正文

机器学习正在改变我们的工作与生活

2018年05月30日 00:15 次阅读

机器学习是关于计算机基于数据构建模型并运用模型来模拟人类智能活动的一门学科。随着计算机与网络的飞速发展,机器学习在我们的生活与工作中起着越来越大的作用,正在改变着我们的生活和工作。日常生活中的机器学习我们在日常生活经常使用数码相机。你也许不知道,数码相机上的人脸检测技术是基于机器学习技术的!我认识三位了不起的科学家与工程师,他们是Robert Schapire,Paul Viola,劳世竑。他们三位都与这有关。R o b e r t与Y oav Freund一起发明了非常有效的机器学习算法A d a B o o s t。P a u l将A d a B o o s t算法成功地应用到人脸检测。劳世竑和他领导的Omr o n团队将A d a B o o s t人脸检测算法做到了芯片上。据说现在世界上有百分之六七十的数码相机上的人脸检测都是用Omr o n的芯片。

在我们的工作与生活中,这种例子曾出不穷。互联网搜索、在线广告、机器翻译、手写识别、垃圾邮件过滤等等都是以机器学习为核心技术的。不久以前,机器学习国际大会(InternaTIonal Conference onMachine Learning,ICML 2011)在美国华盛顿州的B e l l e v u e市举行。约有7百多位科研人员、教授、学生参加,创造了历史最高纪录。大会的三个主题演讲分别介绍了机器学习在微软的Kinnect游戏机用户感应系统、谷歌的G o g g l e s图片搜索系统、I B M的Watson自动问答系统中的应用。这些事实让人预感到机器学习被更广泛应用的一个新时代的到来。机器学习与人工智能智能化是计算机发展的必然趋势。人类从事的各种智能性活动,如数学、美术、语言、音乐、运动、学习、游戏、设计、研究、教学等等,让计算机做起来,现在还都是很困难的。这是几十年来人工智能研究得到的结论。

人工智能研究中,人们曾尝试过三条路。我将它们称之为外观(extrospecTIon)、内省(introspecTIon)和模拟(simulaTIon)。所谓外观,指的是观察人的大脑工作情况,探求其原理,解明其机制, 从而在计算机上“ 实现” 人类大脑的功能。比如, 计算神经学(computationalneuroscience)的研究就是基于这个动机的。然而,人脑的复杂信息处理过程很难观测和模型化。就像我们仅仅观测某个计算机内的信号传输过程,很难判断它正在做什么样的计算一样。内省就是反思自己的智能行为,将自己意识到的推理、知识等记录到计算机上,从而“再现”人的智能,比如专家系统(expert system)的尝试就属于这一类。内省的最大问题是它很难泛化,也就是举一反三。无论是在什么样的图片中,甚至是在抽象画中,人们能够轻而易举地找出其中的人脸。

这种能力称为泛化能力。通过内省的方法很难使计算机拥有泛化能力。自己的智能原理,对人类来说很有可能是不可知的(agnostic)。

笼子里的老鼠可能认为触动把手是得到食物的“原因”,但它永远也不能了解到整个笼子的食物投放机制。模拟就是将人的智能化操作的输入与输出记录下来,用模型来模拟,使模型对输入输出给出同人类相似的表现,比如统计机器学习(statisticalmachine learning)。实践表明,统计机器学习是实现计算机智能化这一目标的最有效手段。统计学习最大的优点是它具有泛化能力;而缺点是它得到的永远是统计意义下的最优解(例如,人脸检测)。现在当人们提到机器学习时,通常是指统计机器学习或统计学习。

机器学习的优缺点下面看一个简单的例子。由这个例子可以说明统计学习的基本原理,以及由此带来的优缺点。假设我们观测到一个系统的输出是一系列的1和0,要预测它的下一个输出是什么。如果观测数据中1和0各占一半,那么我们只能以0.5的准确率做出预测。但是,如果我们同时观测到这个系统有输入,也是一系列的1和0,并且输入是1时输出是0的比例是0.9,输入是0时输出是1的比例也是0.9。这样我们就可以从已给数据中学到“模型”,根据系统的输入预测其输出,并且把预测准确率从0.5提高到0.9。以上就是统计学习,特别是监督学习的基本想法。事实上,这是世界上最简单的统计机器学习模型!条件概率分布P(Y|X),其中随机变量X与Y表示输入与输出,取值1与0。可以认为所有的监督学习模型都是这个简单模型的复杂版。我们用这个模型根据给定的输入特征,预测可能的输出。统计学习最大的优点是它具有泛化能力,对于任意给定的X,它都能预测相应的Y。Vapnik的统计学习理论还能对预测能力进行分析,给出泛化上界。但从这个例子中也可以看到统计学习的预测准确率是不能保证100%的。比如,人脸检测会出错,汉语分词会出错。

统计学习是“乡下人”的办法。有个笑话。一个乡下人进城,到餐馆吃饭,不知如何在餐馆用餐,就模仿旁边的人。别人做什么,他也就学着做什么。邻桌的一位故意戏弄他,将桌上的蜡烛卷在饼里,趁乡下人不注意时把蜡烛扔到地上,然后咬了一口卷着的饼。乡下人也跟着学,大咬了一口自己的饼。统计学习只是根据观测的输入与输出,“模仿”人的机器学习是关于计算机基于数据构建模型并运用模型来模拟人类智能活动的一门学科。随着计算机与网络的飞速发展,机器学习在我们的生活与工作中起着越来越大的作用,正在改变着我们的生活和工作。日常生活中的机器学习我们在日常生活经常使用数码相机。你也许不知道,数码相机上的人脸检测技术是基于机器学习技术的!我认识三位了不起的科学家与工程师,他们是Robert Schapire,Paul Viola,劳世竑。他们三位都与这有关。R o b e r t与Y oav Freund一起发明了非常有效的机器学习算法A d a B o o s t。P a u l将A d a B o o s t算法成功地应用到人脸检测。劳世竑和他领导的Omr o n团队将A d a B o o s t人脸检测算法做到了芯片上。据说现在世界上有百分之六七十的数码相机上的人脸检测都是用Omr o n的芯片。

在我们的工作与生活中,这种例子曾出不穷。互联网搜索、在线广告、机器翻译、手写识别、垃圾邮件过滤等等都是以机器学习为核心技术的。不久以前,机器学习国际大会(International Conference onMachine Learning,ICML 2011)在美国华盛顿州的B e l l e v u e市举行。约有7百多位科研人员、教授、学生参加,创造了历史最高纪录。大会的三个主题演讲分别介绍了机器学习在微软的Kinnect游戏机用户感应系统、谷歌的G o g g l e s图片搜索系统、I B M的Watson自动问答系统中的应用。这些事实让人预感到机器学习被更广泛应用的一个新时代的到来。机器学习与人工智能智能化是计算机发展的必然趋势。人类从事的各种智能性活动,如数学、美术、语言、音乐、运动、学习、游戏、设计、研究、教学等等,让计算机做起来,现在还都是很困难的。这是几十年来人工智能研究得到的结论。

人工智能研究中,人们曾尝试过三条路。我将它们称之为外观(extrospection)、内省(introspection)和模拟(simulation)。所谓外观,指的是观察人的大脑工作情况,探求其原理,解明其机制, 从而在计算机上“ 实现” 人类大脑的功能。比如, 计算神经学(computationalneuroscience)的研究就是基于这个动机的。然而,人脑的复杂信息处理过程很难观测和模型化。就像我们仅仅观测某个计算机内的信号传输过程,很难判断它正在做什么样的计算一样。内省就是反思自己的智能行为,将自己意识到的推理、知识等记录到计算机上,从而“再现”人的智能,比如专家系统(expert system)的尝试就属于这一类。内省的最大问题是它很难泛化,也就是举一反三。无论是在什么样的图片中,甚至是在抽象画中,人们能够轻而易举地找出其中的人脸。

这种能力称为泛化能力。通过内省的方法很难使计算机拥有泛化能力。自己的智能原理,对人类来说很有可能是不可知的(agnostic)。

笼子里的老鼠可能认为触动把手是得到食物的“原因”,但它永远也不能了解到整个笼子的食物投放机制。模拟就是将人的智能化操作的输入与输出记录下来,用模型来模拟,使模型对输入输出给出同人类相似的表现,比如统计机器学习(statisticalmachine learning)。实践表明,统计机器学习是实现计算机智能化这一目标的最有效手段。统计学习最大的优点是它具有泛化能力;而缺点是它得到的永远是统计意义下的最优解(例如,人脸检测)。现在当人们提到机器学习时,通常是指统计机器学习或统计学习。

机器学习的优缺点下面看一个简单的例子。由这个例子可以说明统计学习的基本原理,以及由此带来的优缺点。假设我们观测到一个系统的输出是一系列的1和0,要预测它的下一个输出是什么。如果观测数据中1和0各占一半,那么我们只能以0.5的准确率做出预测。但是,如果我们同时观测到这个系统有输入,也是一系列的1和0,并且输入是1时输出是0的比例是0.9,输入是0时输出是1的比例也是0.9。这样我们就可以从已给数据中学到“模型”,根据系统的输入预测其输出,并且把预测准确率从0.5提高到0.9。以上就是统计学习,特别是监督学习的基本想法。事实上,这是世界上最简单的统计机器学习模型!条件概率分布P(Y|X),其中随机变量X与Y表示输入与输出,取值1与0。可以认为所有的监督学习模型都是这个简单模型的复杂版。我们用这个模型根据给定的输入特征,预测可能的输出。统计学习最大的优点是它具有泛化能力,对于任意给定的X,它都能预测相应的Y。Vapnik的统计学习理论还能对预测能力进行分析,给出泛化上界。但从这个例子中也可以看到统计学习的预测准确率是不能保证100%的。比如,人脸检测会出错,汉语分词会出错。

统计学习是“乡下人”的办法。有个笑话。一个乡下人进城,到餐馆吃饭,不知如何在餐馆用餐,就模仿旁边的人。别人做什么,他也就学着做什么。邻桌的一位故意戏弄他,将桌上的蜡烛卷在饼里,趁乡下人不注意时把蜡烛扔到地上,然后咬了一口卷着的饼。乡下人也跟着学,大咬了一口自己的饼。统计学习只是根据观测的输入与输出,“模仿”人的智能行为。有时能够显得非常智能化。但它本质上只是基于数据的,是统计平均意义下的“模仿”。如果观测不到关键的特征,它就会去“咬卷着蜡烛的饼”。

机器学习与互联网搜索我与同事们在从事互联网搜索相关的研究。据调查,60%的互联网用户每天至少使用一次搜索引擎,90%的互联网用户每周至少使用一次搜索引擎。搜索引擎大大提高了人们工作、学习以及生活的质量。而互联网搜索的基本技术中,机器学习占据着重要的位置。在我看来,互联网搜索有两大挑战和一大优势。挑战包括规模挑战与人工智能挑战;优势主要是规模优势。规模挑战:比如,搜索引擎能看到trillion量级的URL,每天有几亿、几十亿的用户查询,需要成千上万台的机器抓取、处理、索引网页,为用户提供服务。这需要系统、软件、硬件等多方面的技术研发与创新。人工智能挑战:搜索最终是人工智能问题。搜索系统需要帮助用户尽快、尽准、尽全地找到信息。这从本质上需要对用户需求(如查询语句),以及互联网上的文本、图像、视频等多种数据进行“理解”。

       现在的搜索引擎通过关键词匹配以及其他“信号”,能够在很大程度上帮助用户找到信息。但是,还是远远不够的。规模优势:互联网上有大量的内容数据,搜索引擎记录了大量的用户行为数据。这些数据能够帮助我们找到看似很难找到的信息。比如,“纽约市的人口是多少”,“约市的人口是多少”,“春风又绿江南岸作者是谁”。注意这些数据都是遵循幂函数分布的。它们能帮助Head(高频)需求,对 tail(低频)需求往往是困难的。所以,对tail来说人工智能的挑战就更显著。现在的互联网搜索在一定程度上能够满足用户信息访问的一些基本需求。

这归结于许多尖端技术包括机器学习技术的成功开发与应用,比如排序学习算法、网页重要度算法等等。这些机器学习算法在一定程度上能够利用规模优势去应对人工智能挑战。但是、当今的互联网搜索距离“有问必答,且准、快、全、好”这一理想还是有一定距离的。这就需要开发出更多更好的机器学习技术解决人工智能的挑战,特别是在tail中的挑战。展望未来,机器学习技术的研究与开发会帮助我们让明天更美好!智能行为。有时能够显得非常智能化。但它本质上只是基于数据的,是统计平均意义下的“模仿”。如果观测不到关键的特征,它就会去“咬卷着蜡烛的饼”。

机器学习与互联网搜索我与同事们在从事互联网搜索相关的研究。据调查,60%的互联网用户每天至少使用一次搜索引擎,90%的互联网用户每周至少使用一次搜索引擎。搜索引擎大大提高了人们工作、学习以及生活的质量。而互联网搜索的基本技术中,机器学习占据着重要的位置。在我看来,互联网搜索有两大挑战和一大优势。挑战包括规模挑战与人工智能挑战;优势主要是规模优势。规模挑战:比如,搜索引擎能看到trillion量级的URL,每天有几亿、几十亿的用户查询,需要成千上万台的机器抓取、处理、索引网页,为用户提供服务。这需要系统、软件、硬件等多方面的技术研发与创新。

人工智能挑战:搜索最终是人工智能问题。搜索系统需要帮助用户尽快、尽准、尽全地找到信息。这从本质上需要对用户需求(如查询语句),以及互联网上的文本、图像、视频等多种数据进行“理解”。现在的搜索引擎通过关键词匹配以及其他“信号”,能够在很大程度上帮助用户找到信息。但是,还是远远不够的。规模优势:互联网上有大量的内容数据,搜索引擎记录了大量的用户行为数据。这些数据能够帮助我们找到看似很难找到的信息。比如,“纽约市的人口是多少”,“约市的人口是多少”,“春风又绿江南岸作者是谁”。注意这些数据都是遵循幂函数分布的。它们能帮助Head(高频)需求,对 tail(低频)需求往往是困难的。所以,对tail来说人工智能的挑战就更显著。现在的互联网搜索在一定程度上能够满足用户信息访问的一些基本需求。

这归结于许多尖端技术包括机器学习技术的成功开发与应用,比如排序学习算法、网页重要度算法等等。这些机器学习算法在一定程度上能够利用规模优势去应对人工智能挑战。但是、当今的互联网搜索距离“有问必答,且准、快、全、好”这一理想还是有一定距离的。这就需要开发出更多更好的机器学习技术解决人工智能的挑战,特别是在tail中的挑战。展望未来,机器学习技术的研究与开发会帮助我们让明天更美好!

技术专区

关注电子发烧友微信

有趣有料的资讯及技术干货

下载发烧友APP

打造属于您的人脉电子圈

关注发烧友课堂

锁定最新课程活动及技术直播
收藏 人收藏
分享:

评论

相关推荐

AI战略决定每家企业的未来胜负

目前,有150亿台机器连接了互联网;到2020年,这一数值将超过500亿台。麦肯锡预测,到2025年...

发表于 2018-05-30 11:21 134次阅读
AI战略决定每家企业的未来胜负

TensorFlow中专门解决机器学习问题的评估...

在引入 TensorFlow 和 NumPy 两个模块后,我们需要使用 TensorFlow 的 l...

发表于 2018-05-30 10:16 67次阅读
TensorFlow中专门解决机器学习问题的评估...

AI的道德挑战—人工智能

金融科技几乎是数字创新的代名词,但它可能面临着最严峻的挑战,因为这些组织希望拥有开放式银行业务、算法...

发表于 2018-05-30 09:13 130次阅读
AI的道德挑战—人工智能

“脑机接口”技术或让“读心术”成为现实

“脑机接口”技术通过对脑电波信号的监测,分析推断人的想法和目的,进而产生对应的调节和控制信号,实现与...

发表于 2018-05-30 08:59 101次阅读
“脑机接口”技术或让“读心术”成为现实

微软重夺霸主地位的希望:大数据+机器学习

机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识...

发表于 2018-05-30 06:51 23次阅读
微软重夺霸主地位的希望:大数据+机器学习

微软机器学习核心技术典范:Translator ...

机器学习正在成为微软高管最新的口头禅,在本周,微软首席运营官Kevin Turner- 再次提到机器...

发表于 2018-05-30 00:00 76次阅读
微软机器学习核心技术典范:Translator ...

机器学习从入门到进阶的基本流程

其他课程,可以有选择的在直播平台上买一到两门课,从头到尾跟着老师学习,直接听上面的李飞飞课程可能很难...

发表于 2018-05-29 19:36 250次阅读
机器学习从入门到进阶的基本流程

分析19个行业的400+用例,盘点人工智能万亿美...

人工智能指人造的机器智能,由1956年达特茅斯会议上正式提出。机器学习是实现人工智能的主流手段,是基...

发表于 2018-05-29 18:36 690次阅读
分析19个行业的400+用例,盘点人工智能万亿美...

高维空间逼近最近邻评测

最近邻方法是机器学习中一个非常流行的方法,它的原理很容易理解:邻近的数据点是相似的数据点,更可能属于...

发表于 2018-05-29 08:33 175次阅读
高维空间逼近最近邻评测

带你了解AI研究人员年薪百万背后的真相

近期,纽约时报记者卡德梅茨爆料了一条令人「震惊」的消息——AI 研究人员年薪百万(哪怕是在 Open...

发表于 2018-05-28 17:46 594次阅读
带你了解AI研究人员年薪百万背后的真相

人工神经网络的工作原理解析

如果认知系统基于模型,那么您需要首先了解机器学习模型是什么。与通过数据训练来学习隐藏模式的物理模型(...

发表于 2018-05-28 16:39 210次阅读
人工神经网络的工作原理解析

随着无人商店各项应用窜起,近期相关芯片订单需求快...

无人智能商店应用技术,主要涵盖3D侦测芯片、人脸辨识芯片、电子卷标IC、无线/有线网络芯片、类比IC...

发表于 2018-05-28 15:19 789次阅读
随着无人商店各项应用窜起,近期相关芯片订单需求快...

图数据中蕴藏着秘密 神经网络中的结构化学习

社交媒体中的互动和关系网络图中,蕴含着深意。像WordNet这样的同义图表能够通过计算机视觉,帮助我...

发表于 2018-05-28 14:16 366次阅读
图数据中蕴藏着秘密 神经网络中的结构化学习

使用机器学习进行产品设计时,保持以人为中心原则的...

目前,产品开发中的一大挑战是确定哪些体验需要机器学习,哪些体验可通过机器学习得到实质性增强,哪些体验...

发表于 2018-05-28 11:15 300次阅读
使用机器学习进行产品设计时,保持以人为中心原则的...

大神教你怎么用Python抓取婚恋网用户数据,用...

机器学习中,决策树是一个预测模型,它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个...

发表于 2018-05-28 10:53 332次阅读
大神教你怎么用Python抓取婚恋网用户数据,用...

检测套现欺诈?用分布式深度森林算法就够了

深度森林的最新应用~

发表于 2018-05-28 08:58 246次阅读
检测套现欺诈?用分布式深度森林算法就够了

机器学习算法之基于黑盒语音识别的目标对抗样本

本文提出了一种将遗传算法和梯度估计结合的黑盒攻击方法,使之可以产生比单独算法更好的对抗样本.引入了一...

发表于 2018-05-28 06:27 143次阅读
机器学习算法之基于黑盒语音识别的目标对抗样本

机器学习大概的介绍让即便完全不了解机器学习的人也...

传统上如果我们想让计算机工作,我们给它一串指令,然后它遵照这个指令一步步执行下去。有因有果,非常明确...

发表于 2018-05-27 11:43 597次阅读
机器学习大概的介绍让即便完全不了解机器学习的人也...

Python无监督学习的几种聚类算法包括K-Me...

无监督学习是机器学习技术中的一类,用于发现数据中的模式。本文介绍用Python进行无监督学习的几种聚...

发表于 2018-05-27 09:59 766次阅读
Python无监督学习的几种聚类算法包括K-Me...

人工智能对卫星遥感行业有什么真正的影响

如果每一家卫星公司都按照自己的节奏来发展完全属于自己的卫星星座计划,是不是会导致资源的浪费?把现有卫...

发表于 2018-05-26 09:58 593次阅读
人工智能对卫星遥感行业有什么真正的影响

机器学习中五种常用的聚类算法

与K均值相比最大的优点是我们无需指定指定聚类数目,聚类中心处于最高密度处也是符合直觉认知的结果。但其...

发表于 2018-05-25 17:10 862次阅读
机器学习中五种常用的聚类算法

机器学习实用指南之机器学习概览

大多机器学习任务是关于预测的。这意味着给定一定数量的训练样本,系统需要能推广到之前没见到过的样本。对...

发表于 2018-05-25 15:34 264次阅读
机器学习实用指南之机器学习概览

一种广义的线性回归分析模型:逻辑回归

回到sigmoid函数,我们发现,当g(z)≥0.5时, z≥0;对于hθ(x)=g(θTX)≥0....

发表于 2018-05-25 15:29 514次阅读
一种广义的线性回归分析模型:逻辑回归

英特尔新一代AI芯片NNP-L1000明年面世

英特尔首届AI开发者大会发布了一系列机器学习软件工具,并宣布包括其首款商用神经网络处理器产品将于20...

发表于 2018-05-25 14:23 462次阅读
英特尔新一代AI芯片NNP-L1000明年面世

AMD的人工智能策略与与产品优势

2018年5月16日至18日,第二届世界智能大会(WIC2018)在天津梅江会展中心成功举行。本届大...

发表于 2018-05-25 08:24 159次阅读
AMD的人工智能策略与与产品优势

机器学习智能灯泡 颠覆传统照明

智能灯泡已经是非常常见的自动化家居产品,它们的好处是当你不想走到开关前时,可以通过手机开关灯。 当然...

发表于 2018-05-25 08:19 230次阅读
机器学习智能灯泡 颠覆传统照明

机器学习与场景应用将迎来下一轮爆发

数据储存容量和技术能力的提升为机器学习爆发提供了基础保障,而机器学习又是人工智能的核心技术和涵盖面最...

发表于 2018-05-24 15:01 432次阅读
机器学习与场景应用将迎来下一轮爆发

什么是机器学习?为什么使用机器学习?

进而,如果发送垃圾邮件的人发现所有包含“4U”的邮件都被屏蔽了,可能会转而使用“For U”。使用传...

发表于 2018-05-24 14:52 330次阅读
什么是机器学习?为什么使用机器学习?

EDA工具进入2.0时代,EDA需要变得更加AI...

今年早些时候,台积电宣布在ARM A72和A73内核上成功地初步部署了机器学习,帮助预测最佳的单元时...

发表于 2018-05-24 06:52 91次阅读
EDA工具进入2.0时代,EDA需要变得更加AI...

人工智能能否帮我们找到外星人?

据科学美国人杂志报道,在寻找外星智慧生命(SETI)的过程中,我们经常寻找与我们拥有类似智慧、技术和...

发表于 2018-05-24 03:41 62次阅读
人工智能能否帮我们找到外星人?

与协作型机器人共筑新型态的关灯工厂

工业机器人一般情况下会根据机器人的作业内容,在不同产业需求下进行客制化生产,而操作方法与设计等基本参...

发表于 2018-05-24 02:39 268次阅读
与协作型机器人共筑新型态的关灯工厂

机器学习43条军规:关于机器学习(ML)工程的最...

简单的启发式算法有利于推出产品。但复杂的启发式算法难以维护。当您获得足够的数据并基本确定自己要尝试实...

发表于 2018-05-23 14:23 477次阅读
机器学习43条军规:关于机器学习(ML)工程的最...

Congruity360利用AI提高风险评估过程...

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...

发表于 2018-05-23 11:46 452次阅读
Congruity360利用AI提高风险评估过程...

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...

发表于 2018-05-23 11:10 1598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

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...

发表于 2018-05-23 10:33 429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...

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 2018-05-23 10:03 73次阅读
工业4.0和机器学习兴起  助推工业物联网全面发...

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 ...

发表于 2018-05-23 09:24 1135次阅读
探讨如何将机器学习应用到物联网中

莱迪思半导体超低功耗FPGA解决方案助力机器学习...

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。

发表于 2018-05-22 17:04 821次阅读
莱迪思半导体超低功耗FPGA解决方案助力机器学习...

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 2018-05-22 14:53 166次阅读
人工智能已具备无提示辨认物体的技能

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 2018-05-22 14:50 268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

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 2018-05-22 09:54 956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

通过定义质量的度量基准来评估AI技术用于异常检测...

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...

发表于 2018-05-21 16:32 544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...

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...

发表于 2018-05-21 16:05 524次阅读
如果想加入自动驾驶行业,该注意哪些问题?

欧司朗收购加拿大初创公司Motorlea 拓展植...

温室或者室内农场为了提高生产效率、减少人工成本,就需要进行智能化的管理。欧司朗的风险投资事业部Flu...

发表于 2018-05-21 09:34 411次阅读
欧司朗收购加拿大初创公司Motorlea 拓展植...

新时代的炼金术——机器学习

如果不深入了解构建和训练新算法所需的基本工具,研究人员就会像中世纪的炼金术士一样用道听途说的方法来研...

发表于 2018-05-20 09:38 480次阅读
新时代的炼金术——机器学习

如何开始接触机器学习_机器学习入门方法盘点

机器学习入门方法 一说到机器学习,我被问得最多的问题是:给那些开始学习机器学习的人的最好的建议是什么...

发表于 2018-05-20 07:10 330次阅读
如何开始接触机器学习_机器学习入门方法盘点

英特尔FPGA为人工智能(AI)提供推理性能

新特性:在近日举行的 Microsoft Build 大会上,Microsoft推出了 基于 Pro...

发表于 2018-05-20 00:10 147次阅读
英特尔FPGA为人工智能(AI)提供推理性能

细说机器学习的方法

机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论...

发表于 2018-05-18 23:44 241次阅读
细说机器学习的方法

中国科大在国际上首次实现量子机器学习算法

中国科学技术大学潘建伟教授及其同事陆朝阳、刘乃乐等组成的研究团队在国际上首次实现量子机器学习算法。日...

发表于 2018-05-18 23:04 236次阅读
中国科大在国际上首次实现量子机器学习算法

IBM机器学习让可再生能源物尽其用

IBM的SMT系统使用天气型态在数周前收集海量数据点并预测有多少太阳能和风能可被利用。

发表于 2018-05-18 22:52 493次阅读
IBM机器学习让可再生能源物尽其用

机器学习和机器发现区别在哪?

机器学习现在可谓是炙手可热。只要应用机器学习,就可以有效丰富数据和知识,促进有价值的任务自动化,包括...

发表于 2018-05-18 22:32 222次阅读
机器学习和机器发现区别在哪?

自拍应用也需要机器学习?微软将二者融合

虽然WP平台的发展不尽如人意,但这没有阻挡微软为其它平台,如iOS开发应用的热情。最近,微软为iOS...

发表于 2018-05-18 22:26 233次阅读
自拍应用也需要机器学习?微软将二者融合

微软机器学习的发展从测谎仪开始

37 岁的Marsman是个“重量级技术布道者”(principal developer evang...

发表于 2018-05-18 22:19 224次阅读
微软机器学习的发展从测谎仪开始

谷歌将机器学习云平台推向大众

谷歌母公司Alphabet董事长Eric Schmidt今日宣布,谷歌将面向开发者开放云端机器学习平...

发表于 2018-05-18 21:59 156次阅读
谷歌将机器学习云平台推向大众

机器人如何进行深度学习?还有哪些跨不过的坎?

不仅仅是“微软小冰”和围棋高手“阿尔法狗”,从互联网搜索到语言翻译,乃至识别患有自闭症风险的基因……...

发表于 2018-05-18 21:49 200次阅读
机器人如何进行深度学习?还有哪些跨不过的坎?

吴恩达:机器学习和人工智能的未来

近期,吴恩达做客播客节目 Greymatter 探讨了自动化、智能化将会在各个领域如何发展,以及机器...

发表于 2018-05-18 17:23 1150次阅读
吴恩达:机器学习和人工智能的未来

可以检测潜在心脏病的人工智能技术

人工智能在医疗领域扮演着越来越重要的角色,它的发展从诊断糖尿病和医学扫描,到未来甚至可能完全取代医生...

发表于 2018-05-18 17:09 449次阅读
可以检测潜在心脏病的人工智能技术

概率计算能促进人工智能和机器学习吗?

在概率计算中,处理单元所消耗的能量降低,从而增加了某些操作可能出错的可能性。

发表于 2018-05-18 16:33 952次阅读
概率计算能促进人工智能和机器学习吗?

AI,正在快速改变医疗大健康行业

AI的加入,让人看到了可喜的改变。根据TechEmergence的研究报告,AI可以将新药研发的成功...

发表于 2018-05-18 14:19 345次阅读
AI,正在快速改变医疗大健康行业

什么是机器学习?机器学习能解决什么问题?(案例分...

随着大数据时代的到来,机器学习成为解决问题的一种重要且关键的工具。不管是工业界还是学术界,机器学习都...

发表于 2018-05-18 13:13 251次阅读
什么是机器学习?机器学习能解决什么问题?(案例分...

机器学习算法用于检测盗刷信用卡,让我们的钱包和卡...

盗刷信用卡风险已经成为困扰全球银行信用卡部门的难题之一。仅以美国为例,美联储的支付调查报道显示,20...

发表于 2018-05-18 09:39 284次阅读
机器学习算法用于检测盗刷信用卡,让我们的钱包和卡...

更强大的“谷歌大脑”,谷歌扩充机器神经网络规模

“机器学习”的概念自上世纪50年代出来以来就备受科技界的关注,而近年来“深度学习”逐渐成为机器学习研...

发表于 2018-05-18 08:57 168次阅读
更强大的“谷歌大脑”,谷歌扩充机器神经网络规模

机器学习中更多的数据比更好的算法好?没有合理的方...

在机器学习中,更多的数据总是比更好的算法好吗?对于Quora上的这个问题,Netflix公司工程总监...

发表于 2018-05-18 08:56 211次阅读
机器学习中更多的数据比更好的算法好?没有合理的方...

关于机器学习的前世今生和怎么用机器学习的方法去解...

初看的话,会觉得机器学习和人工智能,数据挖掘讲的东西很像,实际他们之间的关系可以概括为: 机器学习...

发表于 2018-05-18 08:37 203次阅读
关于机器学习的前世今生和怎么用机器学习的方法去解...

浅谈数据存储保护主要发展趋势

Commvault公司首席执行官Bob Hammer认为市场正在发生根本性转变。 IT的传统角色是搭...

发表于 2018-05-18 03:30 552次阅读
浅谈数据存储保护主要发展趋势

当网络运营遇上机器学习,未来会是怎样?

爱立信将广泛的无线网络能力与最新的机器学习进展相结合,为客户在自动化道路上提供了关键的差异化因素。爱...

发表于 2018-05-17 16:24 675次阅读
当网络运营遇上机器学习,未来会是怎样?

专访Unity AI与机器学习副总裁Danny ...

一直以来,Unity都在致力于降低机器学习的门槛,并将该技术应用到游戏开发中,以使开发流程变得更加简...

发表于 2018-05-17 11:57 302次阅读
专访Unity AI与机器学习副总裁Danny ...

如何用巧妙的方式借助TensorFlow帮助他们...

还有一个好消息,是关于世界各地园艺专业人士的:Shaza Mehdi 和 Nile Ravenell...

发表于 2018-05-17 11:32 290次阅读
如何用巧妙的方式借助TensorFlow帮助他们...

苹果再次启动招募 因收购Turi后成立新机器学习...

在本月时初被曝光以2亿美元收购了机器学习和人工智能初创公司Turi之后,苹果正在将其改造成专门的机器...

发表于 2018-05-17 10:37 182次阅读
苹果再次启动招募 因收购Turi后成立新机器学习...

GitHub上最受欢迎的28款开源的机器学习项目...

现在机器学习逐渐成为行业热门,经过二十几年的发展,机器学习目前也有了十分广泛的应用,如:数据挖掘、计...

发表于 2018-05-17 08:32 227次阅读
GitHub上最受欢迎的28款开源的机器学习项目...

Google Kubernetes机器学习工具包...

在Kubernetes日渐成为各大基础架构环境都要支持的公用工具时,其应用也逐渐在各个领域发酵,而该...

发表于 2018-05-17 08:17 152次阅读
Google Kubernetes机器学习工具包...

机器学习之支持向量机SVM

掌握机器学习算法并不是什么神话。对于大多数机器学习初学者来说,回归算法是很多人接触到的第一类算法,它...

发表于 2018-05-16 17:01 563次阅读
机器学习之支持向量机SVM

利用以下八个开源AI技术,你的机器学习项目可提升...

人工智能(AI)技术正迅速改变我们生活中几乎每一个领域。从我们如何交流到,用于交通的手段,我们似乎越...

发表于 2018-05-16 14:14 217次阅读
利用以下八个开源AI技术,你的机器学习项目可提升...

Tailor Brands利用机器学习实现自动化...

这种自动化的设计非常吸引眼球,也是Tailor Brands官网上着重强调的一大功能。在付费使用高品...

发表于 2018-05-16 13:56 138次阅读
Tailor Brands利用机器学习实现自动化...

避免这些常见的误解,了解机器学习可以实现和不能实...

机器学习被证明是非常有用的,人们很容易假设它可以解决所有问题并适用于所有情况。和其它工具一样,机器学...

发表于 2018-05-16 11:41 317次阅读
避免这些常见的误解,了解机器学习可以实现和不能实...

13种神经网络激活函数

ReLU(Rectified Linear Unit,修正线性单元)训练速度比tanh快6倍。当输入...

发表于 2018-05-16 11:18 461次阅读
13种神经网络激活函数

谷歌首次迎来大规模辞职潮

这个项目曝光后,谷歌发言人在一份声明中说,它向国防部提供用于机器学习应用的TensorFlow AP...

发表于 2018-05-16 09:00 937次阅读
谷歌首次迎来大规模辞职潮

《机器学习训练秘籍》:书中选出了7条非常有用的建...

这是一个不断迭代的过程。循环得越快,进展也就越快。这就是为什么提前确定开发/测试集很重要,因为这样做...

发表于 2018-05-15 18:45 571次阅读
《机器学习训练秘籍》:书中选出了7条非常有用的建...

谷歌近日发明了一款能自动捕捉精彩时刻的相机

标签集建立好之后,我们就需要设计一个紧凑高效的模型,可以预测任意提供的照片。由于计算机视觉技术背后都...

发表于 2018-05-15 18:20 510次阅读
谷歌近日发明了一款能自动捕捉精彩时刻的相机

将从目标和问题的角度去讨论每种误差度量的有效性

对于前面的例子,我们将看到案例1和案例2得到的RMSE结果与R²是类似的。在这种情况下,校正R²要比...

发表于 2018-05-15 15:57 461次阅读
将从目标和问题的角度去讨论每种误差度量的有效性

谷歌说机器学习还能产生“偏见”?你有偏见吗?

机器学习还能产生“偏见”?机器学习也会对数据产生偏见,从而导致错误的预测。我们该如何解决这一问题? ...

发表于 2018-05-14 18:20 279次阅读
谷歌说机器学习还能产生“偏见”?你有偏见吗?

KL散度在各领域不同的使用情况

近日,CMU的助理教授Simon DeDeo就在推特上表示:“用到KL散度的领域十分广泛,包括心理学...

发表于 2018-05-14 17:40 375次阅读
KL散度在各领域不同的使用情况

自学机器学习的误区和陷阱

Sklearn(scikit-learn: machine learning in Python-h...

发表于 2018-05-14 15:54 480次阅读
自学机器学习的误区和陷阱

AI的价值究竟何在?谁拥有最棒的AI芯片和硬件?

AI和机器学习即将成为社会生活中不可割裂的一环。既然说AI淘金狂潮来袭,那么我们不禁会问,谁最后能真...

发表于 2018-05-14 14:58 777次阅读
AI的价值究竟何在?谁拥有最棒的AI芯片和硬件?

机器学习算法与Python学习简单的编码规范

整体使用英文书写方式来使用空格,即仅在逗号、分号后面添加1个空格,其他任何符号如圆括号、方括号、花括...

发表于 2018-05-14 14:45 501次阅读
机器学习算法与Python学习简单的编码规范

机器学习:你应该知道多少

器学习是一种非常有前景的技术,它的能力是飞跃性的提升,在不久的将来会实实在在、潜移默化地影响我们每个...

发表于 2018-05-14 10:30 276次阅读
机器学习:你应该知道多少

这家来自印度的机器学习公司为什么会被苹果收购

苹果再次收购机器学习公司,最新的这家来自印度,据美国媒体报道,苹果在大肆收购机器学习公司。继去年底收...

发表于 2018-05-14 10:27 157次阅读
这家来自印度的机器学习公司为什么会被苹果收购

Google I/O大会:机器人学习系统成主角

那么机器人学习系统是什么东西呢?首先这个得提到阿法狗(Alpha Go),AlphaGo的主要工作原...

发表于 2018-05-14 08:20 316次阅读
Google I/O大会:机器人学习系统成主角

机器学习工具,能让抑郁症诊断变得更容易也客观

抑郁症越来越变成一个常见词,很多普通人心情不好时就称自己得了抑郁症。不过即便对医生来说,诊断也不是件...

发表于 2018-05-13 10:44 266次阅读
机器学习工具,能让抑郁症诊断变得更容易也客观

最新的计算机科学实力排名来了!

自然语言处理的顶会有ACL、EMNLP、NAACL;计算机视觉领域的顶会含CVPR、ECCV、ICC...

发表于 2018-05-13 10:34 685次阅读
最新的计算机科学实力排名来了!

谷歌并不隐瞒其AI雄心,宣布实现AI大胆计划的下...

新部门将研究如何改进机器学习基础设施和使科技投入实用中。研究人员也将与语言学家密切合作推动自然语言理...

发表于 2018-05-13 10:17 384次阅读
谷歌并不隐瞒其AI雄心,宣布实现AI大胆计划的下...

关于机器学习模块KNN算法错误91的问题?

发表于 2018-04-02 15:08 253次阅读
关于机器学习模块KNN算法错误91的问题?

请问labview可以调用在matlab里训练出的机器学习模型吗?可以的话应该怎么做?

发表于 2018-03-21 23:20 290次阅读
请问labview可以调用在matlab里训练出的机器学习模型吗?可以的话应该怎么做?

阿里云MaxCompute,用计算力让数据发声

发表于 2018-01-22 17:45 555次阅读
阿里云MaxCompute,用计算力让数据发声

机器学习基础|深入理解拉格朗日乘子法

发表于 2017-12-13 20:25 686次阅读
机器学习基础|深入理解拉格朗日乘子法

在机器学习的应用上,软件工程师和FPGA真的有着难以逾越的鸿沟吗?

发表于 2017-12-11 15:54 1442次阅读
在机器学习的应用上,软件工程师和FPGA真的有着难以逾越的鸿沟吗?

高级机器学习算法工程师--【北京】

发表于 2017-12-07 14:34 1297次阅读
高级机器学习算法工程师--【北京】

现在很火的机器学习,人工智能,深度学习,神经网络,怎么肥四?

发表于 2017-10-26 15:12 513次阅读
现在很火的机器学习,人工智能,深度学习,神经网络,怎么肥四?

最近机器学习貌似比较火,分享一本机器学习的书,基于MATLAB,大家共勉!

发表于 2017-07-25 18:29 4950次阅读
最近机器学习貌似比较火,分享一本机器学习的书,基于MATLAB,大家共勉!