ITPub博客

日前，谷歌在 Nature 合作期刊《npj Quantum Information》上发表了一篇论文，提出结合深度强化学习的方法来实现通用量子控制，从而能够极大地提高量子计算机的计算能力。谷歌也在官方博客上发表文章介绍了这项工作。论文下载地址：https://www.nature.com/articles/s41534-019-0141-3.pdf实现近期量子计算机的主要挑战之一与其最基本的组成

第二届AI HW峰会于9月17日至18日在硅谷中心举行，近50位演讲者向500多位与会者（几乎是去年首届参会人数的两倍）发表了演讲。虽然我不可能在一个简短的博客中涵盖所有展示的公司，但我想分享几点看法。John Hennessy的观点计算机架构传奇人物John Hennessy，Alphabet董事长兼斯坦福大学前校长。他介绍了半导体的历史趋势，其中摩尔定律和Dennard Scaling的过时消

引言：纵观历史，对企业界而言改变游戏规则的始终是技术。制造商取代手艺人，工厂从制造商手里接过接力棒，自动化和遥测技术取代大部分重复性的人力劳动。从个人计算机到互联网和移动商务，在过去的30年间，全世界见证了数字经济的崛起，数字经济正迅速取代商品经济。很显然，下一个最大的变化来自AI。应用型AI（applied AI）有望彻底改变一切：健康、金融、房地产、运输及旅游、制造、营销及销售、农业、能源、商

 2019-10-11 22:47:53初识本篇将为你介绍来自 google 的 EfficientNet，论文提出了一种多维度混合的模型放缩方法。论文链接(文末有代码)：https://arxiv.org/pdf/1905.11946.pdf作者希望找到一个可以同时兼顾速度与精度的模型放缩方法，为此，作者重新审视了前人提出的模型放缩的几个维度：网络深度、网络宽度、图像分辨率，前人的文章

 2019-10-12 12:44:08Detectron 是 FAIR 用于实现最先进的目标检测算法（包括 Mask R-CNN）的软件系统。该系统是在Apache 2.0许可下提供的Python库，并建立在由Facebook支持的深度学习框架“Caffe2”上。自2018年发布以来，Detectron对象检测平台已经成为Facebook人工智能研究(FAIR)广泛采用的开源项目之一。

EasyDL是百度大脑的定制化模型训练和服务平台，用户通过EasyDL可以低成本地训练自己的深度学习模型，从而获得效果优异的定制化AI服务。自上线以来，EasyDL的用户规模和使用场景迅速增长，也收到了深度学习业内人士的赞赏和青睐。在众多模型使用场景中，小目标物体的检测比较常见，一般的目标检测算法往往效果不理想；因此，EasyDL团队针对小目标物体的检测进行了专项优化，并取得了令人瞩目的效果提升。

2019-10-11 10:24:42随着深度学习的快速发展，计算机视觉与语音识别、自然语言处理共同构成了人工智能的三个关键应用技术。计算机视觉赋予机器感知和认知世界的功能。基于行业发展需求，国家知识产权局专利分析普及推广项目人工智能关键技术课题组从计算机视觉技术专利整体现状，智能安防、自动驾驶和医疗影像三大应用领域专利布局，对计算机视觉技术进行了深度剖析。专利整体现状受益于深度学习算法的优化、计

声纹是用电声学仪器显示的携带言语信息的声波频谱，是由波长、频率以及强度等百余种特征维度组成的生物特征，具有稳定性、可测量性、唯一性等特点，因此，保证声纹采集、存储、调用全过程的安全至关重要。在实际分析中，声纹可通过波形图和语谱图进行展现，不同人的声音在语谱图中 共振峰的分布情况不同。无论讲话者是故意模仿他人声音和语气，还是耳语轻声讲话，即使模仿得惟妙惟肖，其声纹却始终相同。值得一提的是，2014年

AI 科技评论按：今天我们要介绍对无限大的神经网络的探索。这个故事来自 CMU 杜少雷和胡威撰写的博客《Ultra-Wide Deep Nets and Neural Tangent Kernel (NTK)》，雷锋网 AI 科技评论编译。让我们从头讲起。被推翻的「复杂度甜点」机器学习界有一条流传已久的规矩：你需要在模型的训练误差和泛化能力之间谨慎地做出取舍。衡量泛化能力，有一个很便捷的指标是看看

大多数示例使用手写数字的MNIST数据集[1]。该数据集包含60,000个用于训练的示例和10,000个用于测试的示例。这些数字已经过尺寸标准化并位于图像中心，图像是固定大小(28x28像素)，其值为0到1。为简单起见，每个图像都被平展并转换为784(28 * 28)个特征的一维numpy数组。概览用法在我们的示例中，我们使用TensorFlow https://github.com/tensor

全文共1808字，预计学习时长3分钟中国在AI上的巨额投资正加速改变着整个世界。正如气候变化正加速一样，AI也是如此。最近，埃隆·马斯克与阿里巴巴原创始人进行了一场非正式辩论，非常精彩。埃隆说的还是那些老话。但他针对AI的警示还是很重要，哪怕有些哗众取宠。中国也在不断美化那些被称作AI领军者的企业。前十名全国AI领军企业包括小米、京东、奇虎360、旷视科技、亿图及其他企业。说真的，这种策略很有意思

AI造福人类，也造富了一些创业者。最近公布的2019胡润百富榜就是窥探老板们身价的好机会。马云、马化腾、李彦宏这些巨头公司的创始人们依然在列，刘庆峰、汤晓鸥这些AI创业公司的创始人们也登上了榜单，另外，还有今年新上榜的AI新贵们。阿里上榜13人，腾讯上榜6人今年胡润百富榜的上榜门槛是20亿人民币，总共有1727人（家族）上榜。马云家族“卫冕”成功，以2750亿财富第三次成为中国首富；陆兆禧、彭蕾也

2019-10-10 22:00:56在之前的文章中介绍了目标检测经典模型（R-CNN、Fast R-CNN、Faster R-CNN），目标检测一般是为了实现以下效果：在R-CNN、Fast R-CNN、Faster R-CNN中，实现了对目标的识别和定位，如下图所示：为了更加精确地识别目标，实现在像素级场景中识别不同目标，利用“图像分割”技术定位每个目标的精确像素，如下图所示（精确分割出人、汽

 2019-10-09 18:04:41来源：Economist今年阅兵的两个大杀器——DF-17和DF-41被广泛关注，然而文摘菌却从三个无人作战方队中，看到了一丝不寻常。无人作战与人工智能的发展密不可分。据《经济学人》报道，美国国防部在2月份的第一份AI战略文档中宣布：“人工智能即将改变未来战场”，2018年夏季，五角大楼成立了联合人工智能中心（JAIC），今年3月，国家人工智能安全

2019-10-10 22:02:42卷积神经网络（CNN）近年来取得了长足的发展，是深度学习中的一颗耀眼明珠。CNN不仅能用来对图像进行分类，还在图像分割（目标检测）任务中有着广泛的应用。CNN已经成为了图像分类的黄金标准，一直在不断的发展和改进。刘昕博士总结了CNN的演化历史，如下图所示：CNN的起点是神经认知机模型，此时已经出现了卷积结构，经典的LeNet诞生于1998年。然而之后CNN的锋

导语：中国计算机大会CNCC 2019（10.17-19）即将在苏州开幕~编者按：中国计算机大会CNCC 2019（10.17-19）即将在苏州开幕。本次会议据估计将有8000+人次参会，会议包括十六位国内外计算机领域知名专家、企业家的大会报告、三场大会主题论坛，七十余场前沿技术论坛，二十场特色活动，以及一百个科技成果展。19日下午，为探索计算机视觉与智慧城市发展，申省梅等著名学者将共同从学术和产

导语：为实现大规模量子计算铺路~日前，谷歌在 Nature 合作期刊《npj Quantum Information》上发表了一篇论文，提出结合深度强化学习的方法来实现通用量子控制，从而能够极大地提高量子计算机的计算能力。谷歌也在官方博客上发表文章介绍了这项工作。论文下载地址：https://www.nature.com/articles/s41534-019-0141-3.pdf实现近期量子计算

导语：迄今为止，已有 74 人当选 CAAI Fellow~2019 年 10 月 8 日，中国智能科学技术领域唯一的国家级学会——中国人工智能学会（CAAI）正式公布 2019 年中国人工智能学会会士（CAAI Fellow）增选名单，微软沈向洋博士、清华大学孙富春教授、京东何晓东博士、北京大学黄铁军教授、中科院自动化所宗成庆研究员等 11 位来自学术界和工业界的科学家位列公示名单。2018 年

2019-10-10 22:17:352014年，牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司的研究员一起研发出了新的深度卷积神经网络：VGGNet，并取得了ILSVRC2014比赛分类项目的第二名（第一名是GoogLeNet，也是同年提出的）和定位项目的第一名。VGGNet探索了卷积神经网络的深度与其性能之间的关系，成功地构筑了16~19

2019-10-10 18:42:30相信很多朋友都在网上看到过这样一张图：Oh，不！是这个：这个：还有这个：究竟是什么，让原本只有一岁之差的两个人被 AI 误会为「形同父子」？是 AI 的「良知泯灭」，还是人类的「自食其果」？接下来，就让我们一起来唠唠 AI 人脸年龄识别的原理是什么！AI 识别技术是什么？要说识别与检测，首先必须谈到 AI 识别技术。自从人工智能概念开始火热起来，AI 识别应用