ITPub博客

https://www.toutiao.com/a6652872822005694987/ 1. 新一代人工智能的基础理论聚焦人工智能重大科学前沿问题， 以突破人工智能基础机理、模型和算法瓶颈为重点， 重点布局可能引发人工智能范式变革的新一代人工智能基础理论研究， 为人工智能持续发展与深度应用提供强大科学储备。1.1 新一代神经网络模型借鉴神经认知机理和机器学习数学方法等， 开展神经网络模型非线性

https://www.toutiao.com/a6623265115569390083/ 论文基本信息文章名称：Deep learning作者：Yann LeCun, Yoshua Bengio& Geoffrey Hinton作者简介图丨Yann LeCun、Geoffrey Hinton、Yoshua Bengio和吴恩达大神的个人状态Yann LeCun： Facebook公司AI

https://blog.csdn.net/weixin_42137700/article/details/86777053 在生产和经济高度全球化的今天，机器翻译（Machine Translation）是人类面对外语时最渴望拥有的工具，也是神经网络带来最大变革的人工智能问题之一。从最早的基于规则的机器翻译，到基于概率的机器翻译，再到现在的基于神经网络的机器翻译，机器学习和语言学的研究人员们一起

https://blog.csdn.net/weixin_42137700/article/details/86777031 斯坦福NLP团队，于1月29日发布了新版的自然语言处理Python库：StandfordNLP,不同于以前java系的CoreNLP, 这次的项目是一个全新Python库，内部基于PyTorch 1.0。小编刚刷完文档，个人觉得，这是目前最值得学习的自然语言处理算法库了！现

https://blog.csdn.net/weixin_42137700/article/details/86777003 算法思想有很多，业界公认的常用算法思想有8种，分别是枚举、递推、递归、分治、贪心、试探法、动态迭代和模拟。当然8种只是一个大概的划分，是一个“仁者见仁、智者见智”的问题。1.1　枚举算法思想知识点讲解：光盘:视频讲解第2章枚举算法思想.avi枚举算法思想的最大特点是，在面对

https://www.toutiao.com/a6652650197727838734/ 在未来几年，人工智能可能会成为众多行业的战略选择，但有一个重大的挑战：招人。如何避免招募 AI 人才的误区？这里有来自几家顶级公司的建议。招到 AI 人才后，可能还需要对他们进行培训，而且必须进行持续培训。否则，新的 AI 雇员将面临失败的巨大风险。文章里还介绍了几家顶尖公司处理培训问题的经验。在未来几年，

https://www.toutiao.com/a6652487541603697155/ 这几年大热的人工智能，现状如何？最近的调查涉及以下几个方面：人工智能的普及、一些可衡量的影响、企业应用人工智能所面临的与人相关的挑战以及“人工智能的生命线”——与数据相关的许多问题：数据在企业发展中扮演什么角色？企业如何保护数据隐私以及相关政策？此外，公众仍不确定人工智能对人类来说究竟是好是坏？而对这些问题

助力AI腾飞，深度学习走向何方？  http://www.xinhuanet.com/info/2019-02/01/c_137791687.htm  当前，人工智能发展借助深度学习技术突破得到了全面关注和助力推动，各国政府高度重视、资本热潮不断加码，各界对其成为发展热点也达成了共识。在这一背景下，我国深度学习发展现状如何？深度学习技术未来又将走向何方？&n

本文是PNAS的一篇特稿，描述了深度学习的多种局限，包括易受对抗攻击、应用不稳定、缺乏可解释性等。最终结论是，深度学习不是实现类人智能的途径，但确实是实现这一目标的基础或雏形，接下来的道路艰难，但一切皆有可能，这也是为何研究人员前仆后继研究AI。AI能将一根香蕉照片识别成一台烤面包机，尽管AI在训练阶段可能被展示了数千张香蕉、蛞蝓、蜗牛以及其他类似物体的照片，就像抽认卡一般，让AI反复练习，直到完

假设我们有一个卧室图像数据集和一个在这个数据集上训练的图像分类器CNN，它告诉我们给定的输入图像是否是卧室。假设图像大小为16 * 16。每个像素可以有256个可能的值。所以存在无限大量的可能输入（即25616*16或~10616可能的组合）。这使得我们的分类器模型成为一个高维概率分布函数，它给出了来自这个大输入空间的给定输入作为卧室的概率。那么，如果我们可以从卧室图像的数据分布中学习这种高维知识

在高层次的直觉中，马尔可夫决策过程（MDP）是一种对机器学习非常有用的数学模型，具体来说就是强化学习。该模型允许机器和agent确定特定环境中的理想行为，从而最大限度地提高模型在环境中实现特定状态甚至多个状态的能力。这个目标是由我们称为策略的东西决定的，策略应用于依赖于环境的agent的操作，MDP试图优化为实现这样的解决方案所采取的步骤。这种优化是通过奖励反馈系统完成的，在这个系统中，不同的行为

深度学习“见顶”不等于AI寒冬 http://m.gmw.cn/toutiao/2019-01/25/content_122035283.htm 尽管新的算法模型在推动AI向前发展，但并不意味着它们的前景可以预见，也不意味着深度学习“不可救药”。在当前的第三次人工智能（AI）浪潮之中，深度学习算法被认为是迄今为止“最为重大的AI革命”。此说法或许有所夸大，但深度学习对这一轮AI

入行 AI 的几个常见问题作为 AI 从业者，笔者经常被问及关于入行或转行 AI 的问题，其中颇有一些高频重复出现，今天总结出来几个，供大家参考。问题1：年龄偏大了，而且之前也不是计算机相关专业的，怎么才能转行做 AI？这个问题经常被问到。有不少朋友，工作了几年之后，想转向 AI 技术岗位。但感觉自己年纪比较大了，或者有生活压力，考全日制的研究生不太现实。偏偏大多数公司招 AI 工程师的

导读：皮尤研究中心近日发布了一篇报告，他们对 979 名开发人员、企业高管和政治领袖进行了一番调查，得出了有关人工智能如何影响人类发展的一些结论。 约 37% 的技术专家认为，未来 10 年，大多数人的生活不会因为人工智能 (AI) 及相关技术的进步而变得更好。这是根据皮尤中心 (Pew Center) 对 979 多名开发人员、企业高管和政策领袖进行的一项调查得出的结论。该调查结果于近

2019-01-20 15:56:41科技的发展成果是全社会共享的，责任也是共同承担的。AI沃浪讯带你了解有道德的新时代AI。AI强化人类能力，不是取代人类智慧微软大中华区总法律顾问提姆．克兰顿进入微软20年，负责开发新科技衍生的创新法律业务，曾带领微软在旧金山总部的数字犯罪防治中心建立机制，防堵网络犯罪。2019天下经济论坛十周年冬季场，克兰顿以他深厚的科技、法律实务经验，从政策和法律面出发畅谈

https://www.toutiao.com/a6648499978907943437/ 编辑 | 吴斯视频 | 二叉树团队视频加载中...AI：我是谁？以 AI 为驱动的第四次技术革命已经到来，人工智能作为一种通用目的技术，其触发的产业变革，将涉及所有行业、所有组织和个人。到 2025 年，全球个人智能助理普及率将达到 90%，智能服务机器人将步入 12% 的家庭，企业对 AI 的采用率将达

 2019-01-20 15:45:23刚刚过去的 2018 年， AI 医疗行业发生很大变化。机器学习（ML）技术逐渐成熟，AI 已经开始应用于可获取大数据的问题中，医疗、教育等服务性行业也将发生转变，AI 技术正在成为医疗领域的新发展、新趋势。1 月 19 日，在《麻省理工科技评论》、DeepTech 深科技联合主办的“全球新兴科技峰会” 上，英伟达副总裁 Kimberly Powe

https://www.toutiao.com/a6627350069320352269/ 究竟机器是如何识别面部呢？那么，在回答这个问题之前，我们必须定义一些重要的词。机器学习(Machine learning):一种通过从数据或经验中学习，对未知输入数据进行预测，从而使计算机无需显式编程就能学习的技术。机器学习模型为一组输入产生输出，然后将其与所需输出进行比较。机器学习用于输入和输出之间没有经

https://www.toutiao.com/a6646164492793152013/ 摘要： 深度学习可能不是过分夸大，也许它只是没有很好地被理解！2012年左右，多伦多大学的研究人员首次使用深度学习来赢下了ImageNet，它是一项非常受欢迎的计算机图像识别竞赛。对于那些参与AI行业的人来说，这是一个大问题，因为计算机视觉是使计算机能够理解图像背景的学科，也是人工智能中最具挑战性

https://www.toutiao.com/a6646282443458347534/ 主要内容：一、逻辑回归的原理二、极大似然估计三、逻辑回归的极大似然估计四、Python中的逻辑回归预告：本文将会带领大家一步步理解逻辑回归的原理，并且会用几行代码快速实现一个逻辑回归模型训练和预测的例子。之后，我计划专门用一篇文章来演示如何评估逻辑回归模型的表现以及如何调优，这部分内容会更加偏重于实战，感兴