圍繞人工智能(AI)和機器學(xué)習(xí)(ML)的炒作已經(jīng)達到令人難以置信的程度,有些評論人士稱AI為第四次工業(yè)革命,其他人則稱其為新電力。 我是這種理論的信徒之一。大量資金正被投入到A
Vincent Vanhoucke是Google的首席科學(xué)家,斯坦福大學(xué)電子工程學(xué)博士,目前在Google Brain主導(dǎo)機器人相關(guān)的項目。Vanhoucke主要的研究領(lǐng)域是語音識別、計算機視覺
據(jù)國外媒體報道,加拿大多倫多大學(xué)科學(xué)家近日根據(jù)谷歌公司和Netflix公司的算法開發(fā)出一款機器學(xué)習(xí)軟件。研究人員認(rèn)為,這款機器學(xué)習(xí)軟件可用于發(fā)現(xiàn)外太空的外星生命。據(jù)了解,這款強大的軟件比傳統(tǒng)的預(yù)
上周五微軟宣布收購美國一家人工智能初創(chuàng)公司Maluuba,具體收購金額未公布。 據(jù)悉Maluuba總部位于蒙特利爾,公司主要技術(shù)是自然語言理解,擅長問答及決策系統(tǒng)的深度學(xué)習(xí)與強
深度學(xué)習(xí)三大牛之一的Yann Lecun教授給出了一個關(guān)于機器學(xué)習(xí)中的有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和增強學(xué)習(xí)的一個有趣的比喻,他說:如果把智能(Intelligence)比作一個蛋糕,那么無監(jiān)督學(xué)習(xí)就
2015-2016的機器學(xué)習(xí)平臺開源大潮中,美國是當(dāng)之無愧的引領(lǐng)者:無論是谷歌、亞馬遜、微軟、IBM等互聯(lián)網(wǎng)巨頭,還是美國各大科研院所,為開源世界貢獻了品類繁多的機器學(xué)習(xí)工具。這其中不乏華人的身
從事IT領(lǐng)域工作二十年以來,我發(fā)現(xiàn)人工智能技術(shù)逐步從概念轉(zhuǎn)向?qū)嶋H——機器學(xué)習(xí)技術(shù)位于前沿,并且變得更易于使用,即使對于沒有專業(yè)知識的團隊也是如此。 隨著
當(dāng)前人工智能之機器學(xué)習(xí)算法主要有7大類:1)監(jiān)督學(xué)習(xí)(Supervised Learning),2)無監(jiān)督學(xué)習(xí)(Unsupervised Learning),3)半監(jiān)督學(xué)習(xí)(Semi-super
決策樹(DT)在人工智能中所處的位置:人工智能-->機器學(xué)習(xí)-->監(jiān)督學(xué)習(xí)-->決策樹。決策樹主要用來解決分類和回歸問題,但是決策樹(DT)會產(chǎn)生過擬合現(xiàn)象,導(dǎo)致泛化能力變?nèi)酢_^擬合是建立決策樹
人工神經(jīng)網(wǎng)絡(luò)ANN是20世紀(jì)80 年代以來人工智能領(lǐng)域興起的研究熱點。人工神經(jīng)網(wǎng)絡(luò)ANN簡稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)實際上是深度神經(jīng)網(wǎng)絡(luò)DNN,即深度學(xué)習(xí)從人工神經(jīng)網(wǎng)絡(luò)ANN模型發(fā)展起來
在生活或工作中,人們經(jīng)常面臨各種各樣的選擇,很迷茫和困惑,正確的決策非常重要。同樣,人工智能研究中也會遇到?jīng)Q策問題,今天就跟大家聊聊人工智能之決策樹。 決策樹(DecisionTree)
我們清楚地認(rèn)識到人工智能(AI)是一門科學(xué),機器學(xué)習(xí)(ML)是目前最主流的人工智能實現(xiàn)方法,而深度學(xué)習(xí)(DL)則是機器學(xué)習(xí)(ML)的一個分支,也是當(dāng)下最流行的機器學(xué)習(xí)(ML)的一種。
我們經(jīng)??吹竭@幾個熱詞:人工智能(ArTIficialIntelligence)、機器學(xué)習(xí)(MachineLearning)和深度學(xué)習(xí)(DeepLearning),但是它們之間究竟有什么區(qū)別和聯(lián)
有人說現(xiàn)在是人工智能的春天,有人說是夏天,還有人悲觀一點,說是秋天,秋天的意思就是冬天馬上就來了。 作為人工智能的學(xué)者,我們該怎么看待這件事情,我們能做些什么?不管大家怎么預(yù)測,至少今天
機器學(xué)習(xí)(ML)在許多目標(biāo)明確的領(lǐng)域有優(yōu)秀的表現(xiàn)。具有明確正誤答案區(qū)分的任務(wù)將有助于訓(xùn)練,而且能讓算法實現(xiàn)預(yù)設(shè)的目標(biāo),比如準(zhǔn)確地從圖像中識別物體,或者合理的將語言進行翻譯。然而,也有許多領(lǐng)域
據(jù)連線雜志網(wǎng)站報道,在澳大利亞的西海岸,生物學(xué)家阿曼達·霍奇森(Amanda Hodgson)控制無人機飛向印度洋上的高空。這位儒艮專家使用無人機幫助他們觀察瀕臨滅絕的研究對象。不
今天,機器學(xué)習(xí)諸多理論的主要奠基人、美國三院院士Michael I. Jordan受聘為清華大學(xué)訪問教授,同時發(fā)表主題報告。Jordan認(rèn)為,大數(shù)據(jù)的增長對傳統(tǒng)的數(shù)據(jù)科學(xué)理論提出了改變的需求,特
隨著人工智能的發(fā)展,人類將會把越來越多的決策權(quán)交給機器。但是,從目前的一些事例看,基于機器學(xué)習(xí)的決策并非那么公正完美,相反,那些決策也滲透著偏見。近期的一份研究報告中,Google的一名研究科學(xué)
評價一家公司好與壞,通常會用到“一般公認(rèn)會計原則”(GAAP) 而這種類型的原則常常只能評判有形資產(chǎn)。人、思想可不像賬目清單和銀行賬戶,一目了然,隨意評估。機器學(xué)
芬蘭的研究人員利用機器學(xué)習(xí)開發(fā)出一種技術(shù),可以在你閱讀時讀取你的腦信號來捕捉你的興趣點。 未來涌現(xiàn)的數(shù)據(jù)越來越多,人們又將如何智能地篩分導(dǎo)航信息呢?所以面對堆積如山的MBs(數(shù)據(jù)流量),