-
编辑 删除
中国工程院院士倪光南：开源芯片有可能成为世界主流
2019-10-22 11:26:24提示信息10月21日下午，第六届世界互联网大会的分论坛——开源芯片论坛在浙江乌镇召开。中国工程院院士、中国开放指令生态(RISC-V)联盟(CRVA)理事长倪光南发表题为《迎接开源芯片新潮流》的演讲。倪光南说，未来，开源芯片很可能发展成为世界主流CPU之一。CPU芯片在世界范围内通用两大类：一种是X86架构，一种是ARM架构。这两种架构的CPU分别长期占据桌面
-
编辑 删除
中国工程院院士潘云鹤：人工智能2.0应与工业深度融合
在今天（10月21日）举办的第六届世界互联网大会人工智能分论坛上，中国工程院院士潘云鹤发表主题演讲。潘云鹤认为人工智能2.0应能与工业深度融合。潘云鹤说，我国提出了人工智能2.0的方向和新一代人工智能的应用领域。人工智能2.0和工业如何深入融合？潘云鹤认为，人工智能和工业结合，光靠智能制造是不行的。潘云鹤表示，还需要工厂运行的智能化，企业经营的智能化，产品创新的智能化以及供应链的智能化等。谈到工厂
-
编辑 删除
一文读懂基于DL的无人驾驶视觉感知系统的应用场景
构建深度神经网络，我有20条「不成熟」的小建议选自PCC，作者：Matt H、Daniel R，机器之心编译。本文介绍了构建深度神经网络的一些基本技巧，从通用技巧、神经网络调试和案例研究三方面展开。在我们的机器学习实验室中，我们已经在许多高性能的机器上进行了成千上万个小时的训练，积累了丰富的经验。在这个过程中，并不只有电脑学习到了很多的知识，事实上我们研究人员也犯了很多错误，并且修复了很多漏洞。在
-
编辑 删除
AI学者热议：如果深度学习有“寒冬”，哪些技术方向可孕育新芽？
今年的图灵奖选择了“深度学习三巨头”——Yoshua Bengio、Yann LeCun、Geoffrey Hinton，但这一事件并未减弱人们对深度学习“寒冬已至”的担忧。随着越来越多的深度学习应用走向日常生活，该技术的局限性也开始受到大量关注，例如对大数据的强依赖、缺少泛化能力、不可解释性等，这些因素都阻碍着基于深度学习实现真正的人工智能。此前人工智能领域经历过的“寒冬”现象，最主要的特质在于
-
编辑 删除
「杂谈」关于房地产投资的几个金句
关于房地产投资的几个金句1, 楼市已经进入高位横盘时代，未来卖房难度要远远大于买房。郊区200平的叠加一年你都卖不掉，而市中心40平的老破小2个月就能变现。2, 投资，是为接盘侠买房，接盘侠喜欢的房子才是真正的好房子！3, 房价分化的结果就是：三四线房产靠政策涨，一二线靠需求涨。三四线靠政策创造需求，一二线靠政策压制需求。三四线房价上涨是被动的，一二线是主动的。三四线房产是消费品，吃掉用掉住掉就不
-
编辑 删除
AI预测心力衰竭，准确率竟100%！网友：门外汉滥用机器学习
栗子 晓查 发自 凹非寺量子位 报道 | 公众号 QbitAI只要输入一次心跳的波谱。就能判断一个人有没有发生心力衰竭 (CHF) ，准确率100%。这是英国华威大学领衔的团队，用机器学习方法做出的新成果。还登上了影响因子2.943的Biomedical Signal Processing and Control期刊。准确率眼看就要突破天际，高得反常识，招来了铺天盖地的质疑：主要的疑点有两个：疑似
-
编辑 删除
当AI开始拥有“潜意识”，我们还有隐私吗？
AI会影响人们的隐私吗？文章对这个问题从算法和方面进行了分析与讨论，供大家参考。好久没有跟大家聊聊算法方面的新研究了。理由当然不是学术领域没有新闻，毕竟顶会们收到的论文也是盆满钵满。但总体而言，说深度学习的理论研究一直在瓶颈期徘徊，想必也少有人会反对。深度学习在应用上与广大传统行业融合，让AI获得了前所未有的大爆发。但正如斯坦福大学教授李飞飞所说，（深度学习）无论在智力、人力或机器设备方面，都还有
-
编辑 删除
八千字长文深度解读，迁移学习在强化学习中的应用及最新进展
机器之心发布作者：Luo Sainan编辑：H4O迁移学习通过将源任务学习到的经验应用到目标任务，从而让目标任务的训练更灵活高效，也更贴近现实情况——往往要解决的目标问题可能很难直接学习，因为训练数据不足或者无法直接与环境交互难以获得训练数据。因此将迁移学习应用到强化学习中，势必能帮助强化学习更好地落地到实际问题。本文将从迁移学习、强化学习中的迁移学习、强化学习中的迁移技术最新进展三个部分向大家分
-
编辑 删除
AI换脸：潘多拉魔盒已开，技术一旦作恶该如何反制
2019-10-20 12:36:21俗话说“眼见为实，耳听为虚”，而当科技发展至今，人们亲眼所见也不一定就是“真相”。前一段时间异常火爆的换脸 app ZAO，用户只需上传自己的面部照片，就能在 AI 的帮助下替换掉影视剧中演员的脸，让明星们变成用户的“替身”。虽然 ZAO 没有披露应用的技术细节，但其与开源的 Deepfakes“换脸”技术有着极强的相似性。而 Deepfakes 技术最早起源
-
编辑 删除
AI发展这一年：不断衍生的技术丑闻与抵制声潮
作者 | AI Now学院译者 | Raku编辑 | Jane【导读】10月2日，纽约大学AI Now学院在纽约大学斯克博剧院（Skirball Theatre）组织召开了第四届年度AI Now研讨会。研讨会邀请了业内组织者、学者和律师带来演讲，并共同登台探讨相关工作，这次研讨会围绕五大热议话题，重点探讨了AI负面影响以及不断扩大的抵制声潮。五大热议问题：面部与情感识别从“AI的偏见”向公正的转变
-
编辑 删除
张俊林：BERT和Transformer到底学到了什么 | AI ProCon 2019
演讲嘉宾 | 张俊林（新浪微博机器学习团队AI Lab负责人）编辑 | Jane出品 | AI科技大本营（ID：rgznai100）【导读】BERT提出的这一年，也是NLP领域迅速发展的一年。学界不断提出新的预训练模型，刷新各项任务指标，业界也不断尝试在工程问题中引用BERT、XLNet等预训练模型，那BERT为什么能有这么好的效果，深入其原理本身，又究竟好在哪里？在AI ProCon 2019大
-
编辑 删除
数据挖掘巨擘俞士纶：真实数据源不止一个，学习不仅要有深度还要有广度
2019年10月17日-19日，CNCC 2019在苏州金鸡湖国际会议中心举办，雷锋网作为战略合作媒体，对大会进行全程报道。 在18日上午的特邀报告中，数据挖掘领域巨擘美国伊利诺大学芝加哥分校俞士纶教授做了“Broad Learning：A New Perspective on Mining Big Data”（广度学习：大数据挖掘的新视角）的分享。当前大家普遍对深度学习了解较多，而事实
-
编辑 删除
深度学习如何大规模产业化？百度CTO王海峰最新演讲深度解读 | CNCC 2019
10月17日-19日，2019年中国计算机大会（CNCC2019）在苏州举办，本届大会以“智能+引领社会发展”为主题，1000家机构的代表、8000余人参展参会。百度首席技术官王海峰在会上发表题为《深度学习平台支撑产业智能化》的演讲，分享了百度关于深度学习技术推动人工智能发展及产业化应用的思考，并深度解读百度飞桨深度学习平台的优势，以及与百度智能云结合助力产业智能化的成果。以下为演讲实
-
编辑 删除
人工智能应用趋势之变——从制造到智造 | CNCC 2019
10月17日，在CNCC 2019大会中，由 CCF 主办，软件新技术与产业化协同创新中心、南京智能制造软件新技术研究院、江苏唐恩科技有限公司联合承办的《人工智能应用趋势之变——从制造到智造》技术论坛在苏州金鸡湖国际会议中心成功举办。据雷锋网了解，会议邀请到了南京大学人工智能学院教授、南京智能制造软件新技术研究院首席科学家申富饶，南京大学计算机应用研究所副所长王崇骏，东南大学机械工程学院副院长殷国
-
编辑 删除
深度揭秘华为AI战略！软硬件两手抓，AI王国雏形已现
2019-10-12 20:41:262019 年 7 月，华为总裁任正非在主题为《钢铁是怎么炼成的》的讲话中提到，“5G 就是一个小儿科，过于被重视了。5G 提供高带宽、低时延，支撑的是人工智能，人工智能才是大产业。”华为作为传统的 ICT 商，进军 AI 领域绝非头脑发热或盲目跟风，而是出于对自身业务整合的深入考量。AI 作为当今科技界技术风口，不仅拥有广阔的潜在市场空间，同时可以
-
编辑 删除
谷歌BERT遭遇对手，微软UniLM AI突破大量文本处理瓶颈
导语：它已经掌握了28996个词汇，但它还要学习更多。智东西10月17日消息，去年10月谷歌发布的BERT模型已经在阅读理解测试中全面超越人类，今天微软的UniLM模型将这一领域的研究推向了新的高度。据外媒报道，微软近日推出的UniLM AI训练模型通过改变传统AI系统学习方式，成功实现单向预测，突破了自然语言处理中大量文本修改的瓶颈。一、改变双向预测方式语言模型预训练（Language mode
-
编辑 删除
国产AI崛起背后！百度飞桨与中国AI产业逆袭之路
2019-10-19 20:52:04技术变革从来都不是轰轰烈烈，当你猛然惊觉，世界已经被深度学习这个人工智能近年发展最迅猛的技术搅得天翻地覆。10月17日，由百度主办的2019年中关村论坛·AI时代的深度学习技术与应用创新论坛在北京举行。百度、清华大学、马里兰大学、英特尔、联想等国内外知名院所和企业的专家学者齐聚，共同探讨深度学习技术前沿和未来产业发展趋势。在本次论坛期间，百度首度发布了《百度大
-
编辑 删除
「GAN优化」GAN训练的小技巧
2019-10-17 13:45:25上一期中，我们说明了GAN训练中的几个问题，例如由于把判别器训练得太好而引起的梯度消失的问题、通过采样估算距离而造成偏差的问题、minmax问题不清晰以及模式崩溃、优化选择在参数空间而非函数空间的问题等，今天这篇小文将从博弈论的角度出发来审视一下GAN训练时的问题，说明训练GAN其实是在寻找纳什均衡，然后说明达到纳什均衡或者说损失函数收敛是很难的，
-
编辑 删除
「完结」12篇GAN的优化文章大盘点，浓浓的数学味儿
2019-10-17 13:50:40专栏《GAN的优化》（第一季）正式完结啦！在这一季里，我们从生成模型出发，讲述了GAN的基本理论，包括工作原理，更具有普适性的f散度度量和Wasserstein距离，以及IPM框架并顺带给出了一个处理WGAN的莱布尼茨限制的优雅解决方法；接着介绍了GAN训练困难的原因以及几个训练技巧；然后从动力学视角出发探索GAN的训练，将GAN与动力学方程联系在
-
编辑 删除
「完结」16篇图像分类干货文章总结，从理论到实践全流程大盘点
2019-10-11 12:38:37专栏《图像分类》正式完结啦！我们从数据集展开讲解，由最基本的多类别图像分类一步步深入到细粒度图像分类、多标签图像分类，再到更加有难度的无监督图像分类，随后我们又对图像分类中面临的各种问题展开描述，较为全面的汇总了图像分类领域的相关内容。至此，我们再对整个图像分类专栏的内容进行一个大总结！作者 | 郭冰洋 言有三编辑 | 言有三1 数据集和经典网络的交响曲深度学
