ITPub博客

你相信吗?AI人工智慧最近已经进化到，只要花6秒的时间，听到你的声音除可以分辨出你的性别、年纪与种族外，甚至可以描绘出你的长相。这款由麻省理工学院(MIT)所打造出来的AI，研究人员用一个由数百万个影片剪辑而成的数据集，对一个名为Speech2Face的神经网络模型进行自我训练，而这款网络的运作大概分成两部分，一个是语音编码器，主要负责对输入的语音来进行分析，并预测出相关的脸部特征;另一个则是脸部

据外媒报道，纽约州立法机构刚刚通过了一项法令，禁止在学校中使用人脸识别和其他生物特征识别技术，直至 2022 年。该法案将由州长 Andrew Cuomo 签署。此前，旧金山、马萨诸塞州萨默维尔市等多地也已正式通过了在公共场所禁用人脸识别软件的法案。洛克波特市学区位于纽约州西部，是美国首个明确规定校园内人脸识别技术使用的学区。今年 1 月，该学区开始正式运行人脸识别系统，大约为学区内的 5000

导读异常检测的一些入门问题。问问题是学习的好方法之一。但有时你不知道从哪里开始，或者该问什么 —— 尤其是在你还比较熟悉的异常检测之类的话题上。在这种情况下，最好倾听别人的问题，让他们的思路来指导你的学习。以下是我们在“[Ask Me Anything: Anomaly Detection](https://www.tibco.com/events/ask-me- anything-webinar

新西兰政府已经发布了一套标准，旨在作为政府机构如何使用算法的指南。根据统计部长James Shaw的说法，新西兰“ Aotearoa算法宪章”被誉为“世界第一”，将提高数据透明度和问责制，尤其是在使用算法处理和解释大量数据时。他说：“使用算法来分析数据和告知决策并非没有风险。”“因此，重要的是让人们有信心以公平，道德和透明的方式使用这些算法。这就是本宪章的目的。”迄今为止，该宪章已由21个机构签署

如今，很多企业需要快速处理大量数据。与此同时，市场竞争格局正在迅速发展变化，因此企业能够快速做出决定至关重要。就像商业管理畅销书《快鱼吃慢鱼》的作者Jason Jennings和Laurence Haughton所说的那样：“如今的市场竞争不是大鱼吃小鱼，而是快鱼吃慢鱼。”企业的业务成功在于采用更好的信息快速做出决策，机器学习在其中起着重要作用。无论企业是试图向客户提出建议改进其制造流程，还是预测

机器学习其实就这么回事儿！这是你的机器学习系统？——嗯对呀！把数据倒进这堆线性代数，然后在另一端迎接答案。那答案是错的怎么办？——搅一搅，拌一拌，答案就会越来越对了...https://blog.csdn.net/weixin_42137700/article/details/107633633

人工智能发展历史

机器人三原则第一条：机器人不得伤害人类，或看到人类受到伤害而袖手旁观.第二条：机器人必须服从人类的命令，除非这条命令与第一条相矛盾。 第三条：机器人必须保护自己，除非这种保护与以上两条相矛盾。 The Three Laws of Robotics:1.A robot may not injure a human being, or, through inaction. 2.A robot

AI的生态图景：模型、训练数据、硬件和人员目前AI的生态图景四个方面：模型、训练数据、硬件和人员。新的模型（如生成对抗网络）正被广泛应用，并取得了巨大的成功；更大的数据集可以用来训练模型；硬件的改进加快了训练的速度；而且，这个领域的每一次成功都会吸引更多的人进入这个行业。(Ed Newton-Rex Jukedeck)进步是持续的，但是对社会产生直接的影响需要时间和金钱来进行研究。数据的可用性、计

著名AI风投、学术机构和公司

NER是一个已经解决了的问题吗？或许，一切才刚刚开始。例如，面对下面笔者在工作中遇到的12个关于NER的系列问题，你有什么好的trick呢？不着急，让我们通过本篇文章，逐一解答～Q1、如何快速有效地提升NER性能（非模型迭代）？Q2、如何在模型层面提升NER性能？Q3、如何构建引入词汇信息（词向量）的NER？Q4、如何解决NER实体span过长的问题？Q5、如何客观看待BERT在NER中的作用？Q

# 从传统的神经元网络转变到深度学习网络 #笔者比较赞成将“深度学习”称为“深层学习”。因为该词的英文原文“deeplearning”技术的真正含义，就是将传统的人工神经元网络进行技术升级，即增加其隐藏单元层的数量。这样做的好处，是能够增大整个系统的信息处理机制的细腻度，使得更多的对象特征能够在更多的中间层中得到安顿。比如，在人脸识别的深度学习系统中，更多的中间层次能够更为细腻地处理初级像素、色块

# GPT-n的演变 #GPT通过将有监督的学习与无监督的预培训配对(或将无监督步骤的参数用作有监督步骤的起点)，实现了语言任务的最新水平。 与后续产品相比，GPT很小。 它仅在几千本书和一台8 GPU机器上进行了培训。GPT-2极大地扩展了内容，包含10倍的参数，并提供了10倍以上的训练数据。 尽管如此，该数据集还是相对有限的，并且专门针对"来自Reddit的出站链接进行了至少3业力&

众所周知，自2013年以来，我国便一直是全球比较大的工业机器人需求和应用市场。多年来，我国工业机器人不管是销量还是市场规模，都始终保持着两位数的大幅增长，发展如同坐火箭。但在火热的态势下，我国本土企业发展却不容乐观。由于起步晚、发展慢、技术差，国内市场基本被以“四大家族”为代表的国外企业所占据，国产品牌只能夹缝求生，处境艰难。不过进入2020年，伴随着又一次行业洗牌的完成，这样的局面似乎正在被改变

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。左图，右图，你能看出区别吗？其实，算法已经悄悄给右边的照片加上了微小的修改。但就是这样肉眼根本看不出来的扰动，就能100%骗过来自微软、亚马逊、旷视——全球最先进的人脸识别模型！所以意义何在？这代表着你再也不用担心po在网上的照片被某些软件扒得干干净净，打包、分类，几毛钱一整份卖掉喂AI了。这就是来自芝加哥大学的最新研究：

# 机器学习应用面临的一些问题#机器学习应用面临的一些问题如下所示：监测：怎么知道你的数据分布已经改变以及需要重新训练模型？数据标注：如何快速地标注新数据，或者为新模型重新标注现有数据？CI/CD 测试：由于你不能花几天的时间等着模型训练和收敛，所以如何运行测试以确保每次改变后模型像期望地那样运行？部署：如何封装和部署新模型或者替换现有模型？模型压缩：如何压缩 ML 模型使其拟合消费类设备？推理优

# 自动驾驶：两种技术路线背后的产业思维 #每当技术变革时代，是新兴势力得以发育的温床。在这次自动驾驶研发大潮中，除传统车企外，以百度、谷歌为代表的科技力量以及蔚来、小鹏等造车新势力也纷纷加入“战局”，并多采用“一步到位”的技术发展路线，跳过L1、L2级，直接研发针对L3级以上的自动驾驶汽车，技术迭代节奏明显高于传统车企。相对而言，传统车企多选择较为保守型的“并进式发展路线”——一边渐进提高汽车驾

# AI的本质就是数学？ #2020-07-27 13:57:40https://www.toutiao.com/a1673348472196103

# 实现AI的三种途径 # 从传统上讲，我们实现AI一般有三条路径：1）神经科学：自底向上，模仿生物；2）认知科学：自顶向下，构建认知框架；3）计算科学：模拟神经活动（例如DNN）。最为理想的研究状态是：首先由神经科学发现大脑的一些信息加工的机制；然后用认知科学的方法对这种机制进行建模；在此模型之上，计算科学抽象出算法，从而获得一套解决问题的方案。简单来说，即将认知神经科学与人工智能结合

“AI是高资源消耗、强计算类的、体现规模效应的技术，与云计算结合应用是水到渠成的事情。”Gartner高级研究总监季新苏在接受记者采访时说道。无论是AWS、微软Azure、Google、IBM这些“国际云”，还是腾讯、百度、阿里等“国有云”，将AI开发能力移植上云，目的都是为企业或个人用户提供一个高效且划算的AI开发环境。AI可以说是一支潜力股，科研人员和投资者投入了大量人力和资金希望让AI的齿轮