教师是唯一无法被人工智能取代的职业
2019-09-10 11:13:50随着人工智能的发展,越来越多的工作将被AI所取代。如果你问我什么工作不会为AI所取代,我会说---- 教师。 老师可能是这个世界上最艰难的工作之一,不论是在身体方面,而是在情感和精神方面。 然而,机器人却没有那么多老师该有的素质。 但是人工智能肯定能够帮助老师,使教育孩子的过程越来越容易,并使得教学过程更加生动有趣。 下面来解释一下我为什么这么认为以及理由是什
日本自动驾驶新规:无人车路测时速不超20公里,须加手动装置
郭一璞 发自 凹非寺量子位 报道 | 公众号 QbitAI日本警察厅周四作出一项决定,在公路上进行自动驾驶实验时,原则上最高时速要低于20公里。此外还附加了一个条件,即车上有乘客时,不要进行急刹车。同时,还新加入了针对没有安装方向盘和刹车踏板、发生紧急情况时需要乘车人员使用控制器手动操作的“特别装置汽车”的规定。— 完 —https://www.toutiao.com/i673
「NLP-词向量」从模型结构到损失函数详解word2vec
上周我们讲到,在进行NNLM训练时,能够得到副产品,词向量。本文介绍一种专门用于词向量制备的方法:word2vec,利用它能够高效的训练出词向量。作者 | 小Dream哥编辑 | 小Dream哥1 word2vec是什么?在阐述word2vec的原理之前,笔者先大致介绍一下,word2vec是什么,能够用来干什么,让读者有一个大致的认识。word2vec是2013年Efficient estima
「每周CV论文推荐」 初学GAN必须要读的文章
欢迎来到《每周CV论文推荐》。在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的。GAN作为当前最有前途,也最烧钱的方向之一,值得每一个从事CV领域的同学跟进,今天给大家介绍入行GAN需要读的文章。作者&编辑 | 言有三1 GAN首先当然是要读GAN之父Goodfellow的文章[2]了,引用量已经超过了10000+,不过因为GA
AI新药登上Nature子刊:46天合成新药候选分子,比传统方法快15倍
2019-09-09 12:34:51铜灵 发自 凹非寺量子位 出品 | 公众号 QbitAI用AI进行药物开发,可以省下2至3年的研发时间。最新一期的Nature子刊上,就刊登了这样一项新研究。这项来自Insilico Medicine和药明康德等机构的AI算法,21天内就能够设计出潜在分子架构,并在46天内完成初步生物学验证。也就是说,单从研发过程来看,AI 46天设计系统,距离真正可用的药物
教授下海,学生遭殃:不可阻挡的AI工业化已让学界创新能力下降
机器之心报道参与:杜伟、张倩、泽南近年来,受到薪资、待遇、硬件条件等方面的吸引,越来越多的 AI 学者选择投身业界,加入各个科技巨头或创业公司。但罗切斯特大学的一份研究表明,这一趋势已经对大学的创新产生了负面影响,即越多的 AI 教授投身业界,学生毕业后创建的 AI 公司越少,创业初期得到的融资也越少。人力资本对于 AI 驱动的创新至关重要。2004 至 2018 年期间,AI 研发所需人力资本的
根据声音测情绪,Empath的AI可以做到了
从语调来衡量一个人的情绪,是初创公司Affectiva,Beyond Verbal,Cogito和Realeyes的一项重要业务,更不用说亚马逊这样的科技巨头的一个敏锐研究领域了。潜在的好处很多:比如,知道某人沮丧或悲伤的确切时刻,就可以告知一个聪明的助手的反应或客户服务代表的行动方针。它可能通过检测痴呆症,充血性心力衰竭和创伤后应激障碍等疾病的迹象来帮助进行健康监测。情绪检测领域的一个相对较新的
GIF动图一步一步看懂LSTM和GRU
https://www.toutiao.com/a6733753593007964684/ 接上文:动画图解循环神经网络在这篇文章中,我们将从LSTM和GRU背后的直觉开始。然后我(Michael)将解释使LSTM和GRU表现良好的内部机制。如果你想了解这两个网络背后的机制,那么这篇文章就是为你准备的。短期记忆RNN受到短期记忆的影响。如果序列很长,他们将很难将信息从较早的时间步传送到后面的时间步
动画图解循环神经网络
递归神经网络的图解指南:直观理解如果你想学习机器学习,理解递归神经网络这一强大技术非常重要。如果你使用智能手机或经常上网,你很有可能已经使用过应用了RNN的应用程序。递归神经网络用于语音识别,语言翻译,股票预测; 甚至用于图像识别来描述图片中的内容。网上已经有许多关于递归神经网络的指南,本文通过分享插图以及解释我是如何理解它的。我将避免所有数学公式,而是专注于RNN背后的直觉。在这篇文章的最后,希
这个网站用 AI 来创造无限数量的「假脸」
2019-09-06 15:50:53一位名为「Phillip Wang」的开发者,打造了一个名为「ThisPersonDoesNotExist[1](这个人不存在)」的网站,顾名思议,就是可以无限量地产生其实并不存在的人的肖像照。这个工具利用了 NVIDIA 设计的生成式对抗网络(generative adversarial network)和大量的人脸资料,来训练一个模型,产生「合理」的人脸来
机器学习-特征提取
现实生活当中我们往往会根据物体具有的一些特点来区分它们,比如判别不同鸢尾花品种的时候,依据的是鸢尾花的花瓣大小。像这种对事物具有某些方面的特点进行刻画的数据或者属性,我们称为特征。在鸢尾花分类中,怎么得到可以被人工智能系统所使用的特征呢?经过尝试,人们发现花瓣的长度和宽度作为鸢尾花的特征,可以让分类器有效地分类。提取特征时,直接用尺子量即可,选用这样的特征也符合人们根据花瓣大小来区分种类的生活经验
教育部科技司司长:教育部已开始论证人脸识别进校园
郭一璞 发自 凹非寺量子位 报道 | 公众号 QbitAI据澎湃新闻报道,教育部科学技术司司长雷朝滋指出,人脸识别进校园,既有数据安全也有个人隐私问题,“教育部已经在开始关注这个事情,组织专家论证研究。”“包含学生的个人信息都要非常谨慎,能不采集就不采。能少采集就少采集,尤其涉及到个人生物信息的。— 完 —https://www.toutiao.com/a67330906199
获“艾美奖”的计算机视觉专家Andrew博士:不断为自己创造谜题
编者按:你可能不知道 Andrew Fitzgibbon 博士是谁,但你在过去20年里看到的很多电视剧或电影,都使用了他获得“艾美奖”的摄像机跟踪器 Boujou。他是 3D 计算机视觉方面的专家,同时负责领导微软剑桥研究院新设立的“全数据人工智能”(All Data AI)团队。本期播客中 Andrew 将为我们介绍 ADA 团队构建全数据人工智能的理念,讲述他如何为 Boujou 试遍所有的算
细思极恐,AI“花式诈骗”的N种方式
当科技手段用于诈骗,众多普通人可能都无法辨别。科技从来都有两面性,回归技术本身,也许是防范的最好手段。最近关于AI的负面新闻着实有点多。不是“合成老板声音骗走173万”,就是“过度采集信息侵犯学生隐私”……作为一个长期关注AI进展的科技媒体,我们一边替AI着急,同时又觉得心里的另一只靴子落了地——“该来的总会来”。在很长一段时间内,大家更愿意将目光聚焦在AI的技术进步上。比如“AI语音合成”,相关
「NLP-词向量」一文详述词向量的由来及本质
2019-09-03 11:46:46词嵌入是所有自然语言处理任务所必须要经历的步骤,非常的重要。词向量在网络上已经有了大量的文章,但是,出于我们专栏的完整性系统性的考虑,笔者还是决定加上这样一个专题。计划用3-4次,彻底说清楚在自然语言处理中,词向量的由来,本质和训练。公众号专栏主要讲基本原理,知识星球讲实际的操作。本篇主要讲述词向量的由来及本质。作者 | 小Dream哥编辑 | 言有三1 词的
创新工场「数据下毒」论文入选NeurIPS 2019,AI安全问题需要引起关注
导语:附问答及创新工场2019年科研进展雷锋网 AI 科技评论按:9 月 4 日,被誉为机器学习和神经网络领域的顶级会议之一的 NeurIPS 2019 揭晓收录论文名单,创新工场人工智能工程院的论文《Learning to Confuse: Generating Training Time Adversarial Data with Auto-Encoder》(深度困惑:一种利用自编码器生成恶意
「人工智能」人工智能时代的道路选择 | 焦点评论
2019-09-05 15:34:15对话嘉宾朱松纯(Song-Chun Zhu)教授马尔奖、赫尔姆霍茨奖获得者、UCLA教授、IEEE Fellow、暗物智能科技创始人沈向洋(Harry Shum)博士微软全球执行副总裁、美国国家工程院外籍院士、英国皇家工程院外籍院士、ACM Fellow、IEEE Fellow主持人:华刚(Gang Hua)博士便利蜂人工智能研究院院长兼首席科学家,IEEE
NLP创造力技巧
2019-08-21 12:05:52来源:网络*多方观点对问题持有越多观点,越能得到产生问题原因的信息。由于分散性问题牵涉不止一个领域,因此仅从一个观点来找解答,可能会有无法达到所欲改变的危险。问题解决的“多方观点”法可以依你认为对—特定问题所需的观点来调整,我们使用在本网站所提到的问题类型来作解释。二十人以上的大团体每个方块代表一个包含三至六个人的房间,每个房间都标上对相同问题的不同观点。各组
无人驾驶已经上路,未来将驶向何方?
由于人工智能的技术发展,很多领域开始了革命式创新,无人驾驶就是其中一个。本篇文章中作者介绍了无人驾驶的概念以及发展过程,并且通过分析无人驾驶的具体设计,预测了其未来发展趋势。2019年在美国景城、旧金山、凤凰城、匹兹堡、亚利桑无人驾驶已经是人们生活的日常;2017年7月5号百度AI开发者大会,百度创始人、董事长兼首席执行官李彦宏乘坐公司研发的无人驾驶汽车行驶在北京五环;2019年滴滴网约自动驾驶车
中国首批量产无人车获准北京上路,百度✖️红旗创造历史
雷刚 发自 凹非寺量子位 报道 | 公众号 QbitAI中国首批L4级自动驾驶量产车“上牌照”了!8月30日,由百度和一汽联手打造的中国首批量产L4级自动驾驶乘用车——红旗EV,斩获5张北京市自动驾驶道路测试牌照。此前红旗EV已经在湖南长沙长达135公里的城市开放测试道路上开展测试。至此,红旗EV正式开启了北京、长沙两地的自动驾驶“征战之旅”。这也意味着中国首批量产L4无人车南北开跑。红旗电动无人