ARM联合多家公司及高校共同研发基于机器学习的塑料柔性传感器,用于检测气味,旨在简化设计、将柔性传感器成本降至最低,最终用于食品、服装等消费品。
近年来,人工智能(AI)和机器学习创新一直在迅速发展,可预见的结果随着可访问性的提高而不断发展,在计算能力和存储解决方案中,数据的可访问性和发展趋势越来越明显。如果您了解背景知识,那么到目前为止,您可以发现无数机器学习创新的实例,这些实例已经出现在从消费产品和社交媒体到金融服务和制造业的广泛行业中。
【新智元导读】谷歌的论文《数据中心的 TPU 性能分析》(In-Datacenter Performance Analysis of a Tensor Processing Unit)从技术角度详述了 TPU 能给机器学习带来怎样的提升。Infoworld 的高级编辑 Serdar Yegulalp 撰文以深入浅出的方式简述了 TPU 对于机器学习的意义,以及对于谷歌的意义。作者认为,TPU 使得机器学习过程中的分工更加明确,但谷歌近期内不会将其整合到云服务中。结合新智元此前的报道,外界虽然认可 TPU 的
机器人的设计都基于现成的组件和常用的原型制作工具(3D打印或激光切割),模块化,易于组装,易于维护。
2015 年结束了,是时候看看 2016 年的技术趋势,尤其是关于深度学习方面。新智元在 2015 年底发过一篇文章《深度学习会让机器学习工程师失业吗?》,引起很大的反响。的确,过去一年的时间里,深度学习正在改变越来越多的人工智能领域。Google DeepMind 工程师 Jack Rae 预测说,过去被视为对于中型到大型数据集来说最佳的预测算法的那些模型(比如说提升决策树(Boosted Decision Trees)和随机森林)将会变得无人问津。 深度学习,或者更宽泛地说——使用联结主义架构的机器
物联网(IoT)被业界普遍认为是互联网之后的下一次技术革命,号称是可穿戴设备、智能家居、自动驾驶骑车、智能工厂、智慧城市等等新时代的曙光。 物联网意味着互联网和可接入设备的万物互联,它结合了业界的潜在
莫达非尼(modafinil)是一种常用的觉醒促进剂,用于治疗睡眠紊乱、嗜睡症等。如果你仔细阅读它的说明书,你会发现内容十分硬核无聊,也就是市面上常见的Provigil,和很多药物一样,都被包装在一个小纸盒里。
我过去一直认为数据本质上是自然和有序的——可以随时处理这种整齐打包好的信息。我想大多数没有体验过现实世界混乱的人都会赞同这个观点,但专业人士(或者任何使用过数据的人)都知道数据更加流动和无规则,很少有天生就是结构化并带有一个很好的标签的数据。实际上:“数据大多数时候都是未标记的、非结构化的和混乱的”。
2018年将是机器学习的重要转折年,德勤的一份新报告称,机器学习技术的转折点已经到来。到2018年底,企业可能会将ML技术的使用增加一倍。
整理|褚杏娟、核子可乐 近日,加州大学伯克利分校的 Sky Computing 实验室发布了开源框架 SkyPilot,这套框架能够在任何云环境上无缝、且经济高效地运行机器学习与数据科学批量作业,适用于多云和单云用户。SkyPilot 的目标是大大降低云使用门槛、控制运行成本,而且全程无需任何云基础设施专业知识。 SkyPilot GitHub 地址: https://github.com/skypilot-org/skypilot 据悉,Sky Computing 实验室成员研发了一年多的时间,Sky
【新智元导读】本文作者综合从科技作者,研究科学家到企业创始人的观点,提出 AI 的落地中提供给企业的关键优势是预测,而且利用 AI 的预测只会越来越准确,同时也越来越便宜,决策过程中 AI 的增加将促成人与机器之间的伙伴关系。 似乎人人都在谈论人工智能(AI)。AI及其许多形式——认知计算,机器学习,深度学习,分析——似乎将要从上到下地接管每个组织的运作。但它们有多少是以现实为依据的? IBM 前主管,同时也是知名科技作者 Irving Wladawsky-Berger 博士最近探讨了这个问题,指出 AI
2018年,随着各种规模的企业开始推进云计算项目,预计公有云采用量将会增加,IDC预测在三年内公有云支出将达到1970亿美元,因此对云计算相关技能的需求越来越高。 随着机器学习等技术不断冲击就业市场,
本文转载自第四范式知乎专栏,量子位已获得授权。 「范式大学系列课程」第 3 篇文章: 年薪百万的机器学习专家,为什么不产生价值? Part 1 一个朋友的企业,他们招聘了 2 名机器学习方向的数据科学
At Lyft we dynamically price our rides with a combination of various data sources, machine learning models, and streaming infrastructure for low latency, reliability and scalability. Dynamic pricing allows us to quickly adapt to real world changes and be fair to drivers (by say raising rates when there's a lot of demand) and fair to passengers (by let’s say offering to return 10 mins later for a cheaper rate).
特斯拉 CEO 埃隆·马斯克(Elon Musk)对自动驾驶激光雷达(3D图像技术)的看法是众所周知的。他不打算在特斯拉里使用这个技术。TSLA(https://www.forbes.com/companies/tesla/#6aa1b19848d4)这是一个有争议的观点,只有历史才能证明他们在这场赌局中做的好不好。
这项成果象征着业界正朝着让机器人了解视觉世界的未来更迈进了一步。今天,人类专家通常以一种相对较缓慢的两步骤过程训练厂房中的机器人重复几个动作,但这有时还需要人类编写客制软件。 Embodied Intelligence共同创办人兼执行长Peter Chen表示:「我们提供的工具并非编程每一步骤,而是证实机器人并不需要人类专家的协助……它也能从尝试与错误中学习。」 「我们的机器人软件并不限于固定的动作。当今的机器人一遍又一遍地重复执行相同的机械式任务。透过我们的软件,能够赋予机器人经由摄影机真正『看』到的
国外知名信息技术网站eweek.com发表文章,称人工智能将在对抗恶意软件方面发挥更大作用。 人工智能正在反恶意软件中发挥更大的作用。但它不是万无一失的,因为网络犯罪分子无疑将很快利用AI来加强其恶意软件的隐蔽性。 虽然人工智能正在对抗恶意软件和其他网络威胁方面发挥越来越大的作用,攻击者们也在寻找方法来解决这个问题,甚至会使用AI来增强自己的攻击策略。 在2017年7月27日至30日举行的第25届DefCon国际会议上,安全供应商Endgame的首席数据科学家Hyrum Anderson在演讲中说:“我们可
新创公司Embodied Intelligence日前发表神经网络编程软件,能让机器人随时间演进而提升其效能。预计在接下来的几个月,采用这一软件工具的工业机器人将能透过观察人类的方式学习如何完成任务。 这项成果象征着业界正朝着让机器人了解视觉世界的未来更迈进了一步。今天,人类专家通常以一种相对较缓慢的两步骤过程训练厂房中的机器人重复几个动作,但这有时还需要人类编写客制软件。 Embodied Intelligence共同创办人兼首席执行官Peter Chen表示:“我们提供的工具并非编程每一步骤,而是证实机
2018年,随着各种规模的企业开始推进云计算项目,预计公有云采用量将会增加,IDC预测在三年内公有云支出将达到1970亿美元,因此对云计算相关技能的需求越来越高。
AI 科技评论按:Google AI 近日终于发布了 AutoML 的测试版,有人说这项服务将彻底改变我们进行深度学习的方式。
原文出处: Lukas Biewald 译文出处:腊八粥 技 术淘汰了某些种类的工作,并创造了其它种类的工作——从石器时代就是如此。在过去,机器取代了需要体力劳动的人们,我们越来越多地看到传统上的白领工作被 机器扩充着:财务分析师、网络营销和财务报告人,类似的还有很多。当然,这些进步也催生了新的工作。比如,我们今天熟知的电子计算机,取代了人们执行真正 的计算,但是在这个过程中,产生了各种新工作。 人工智能(AI)好像也是用这种方式运转着,为人工智能研究人员创造了岗位,并逐步取代了所有其它种类的知识型工
一、CIO们!是时候投资机器学习了 康奈尔大学希望找到降低鲸鱼被船只撞击的几率,他们的团队正在开发一种算法,利用音频提醒船只注意鲸鱼的行踪。 达索系统(Dassault Systèmes)正在研发人类心脏三维模型,它能帮助外科医生在打开病人胸腔之前,测试心脏起搏器的性能。 WinningAlgorithms利用社交媒体的信息支持,在媒体播放同样信息前,提前五分钟告知环法自行车赛(Tour de France)的自行车赛手,帮助他们了解比赛状态。 当然,机器学习已经对人类科学、文化和生活产生
在众多人工智能的例子中,医疗领域的人工智能显然是领先者之一。它已经在很多方面重塑了医学,影响力在未来几年内只会增加。
作者 CDA 数据分析师 生活在这个快捷的时代,很多人都热衷于“快餐式”生活。 于是“碎片化”“干货”“速成”“公开课”等逐渐成为流行热词。 而碎片化学习的最大危害是让人们把“知道”当做“懂得”。 网上有个段子关于这群热衷干货喜欢走捷径的人: “如果你每天还在看耶鲁公开课,上3W咖啡听创业讲座,知乎果壳关注无数,36氪每日必读,对马云的创业史了如指掌,对张小龙的贪嗔痴如数家珍,喜欢罗振宇胜过乔布斯,逢人便谈互联网思维……那你应该还在每天挤地铁。” 学习本质是获取信息,知识系统全面 在没有一个整体框架
早上与某汽车公司的客户开会,讨论如何用机器学习优化他们的业务流程。他们常年需要在国际间进出口汽车零件,每天与各国海关打交道。进出口的流程需要在WTO的制定的框架下进行,并遵照协调关税制度( harmonized system)来决定一件商品在进入到进口国时该如何缴税。 我不是商科背景,也不大了解进出口的规则,于是客户耐心的给我解释了现有的流程。货物从A国进入B国,那么进口方需要决定在B国海关的缴税。当然,不同的货物可能有不同对应的类别,而不同类别间的税率差别很大。比如“圣诞蜡烛”可以被归为节庆用品,也可
AI科技评论按:对于那些一直想进行深度学习研究的同学来说,如何选择合适的配置一直是个比较纠结的问题,既要考虑到使用的场景,又要考虑到价格等各方面因素。 日前,medium上的一篇文章为我们详细描述了该如何为个人的深度学习机器选择配置,主要该进行哪些方面的考虑。 AI科技评论编译整理如下: 作为一名业余爱好者,在探索和解决深度学习问题时,亚马逊 EC2 实例的运行成本太高了。 在一开始,我采用的是 Reserved 实例收费模式,因为我对云生态系统不是很懂。 后来,在运行结构良好的实验时,Spot 实例也成了
对于那些一直想进行深度学习研究的同学来说,如何选择合适的配置一直是个比较纠结的问题,既要考虑到使用的场景,又要考虑到价格等各方面因素。日前,medium上的一篇文章(http://t.cn/RYLYxXP)为我们详细描述了该如何为个人的深度学习机器选择配置,主要该进行哪些方面的考虑。以下是AI研习社的翻译: 作为一名业余爱好者,在探索和解决深度学习问题时,亚马逊 EC2 实例的运行成本太高了。在一开始,我采用的是 Reserved 实例收费模式,因为我对云生态系统不是很懂。后来,在运行结构良好的实验时,Sp
国外知名信息技术网站eweek.com发表文章,称人工智能将在对抗恶意软件方面发挥更大作用。 人工智能正在对抗恶意软件中发挥更大的作用。但它不是万无一失的,因为网络犯罪分子无疑将很快利用人工智能来加强其恶意软件的隐蔽性。 虽然人工智能正在阻止恶意软件和其他网络威胁方面发挥着越来越大的作用,攻击者们也在寻找方法来解决这个问题,甚至会使用人工智能来增强自己的攻击策略。 在2017年7月27日至30日举行的第25次国际黑客大会(DefCon)上,美国安全供应商Endgame首席数据科学家在演讲中说:“我们可以打败
在可靠性、准确性和性能方面,人工智能和机器学习都严重依赖于大型设备。因为数据池越大,你就越能对模型进行训练。这就是为什么重要的数据平台能够高效地处理不同的数据流和系统,而不管数据的结构(或缺乏)、数据
AI 科技评论消息,今早,Jeff Dean、David Ha、François Chollet 等谷歌大脑研究员各自在推特上发布了一则消息,谷歌大脑要开到东京去了!
机器学习淘金热正在到来!Libby Kinsey 是 Nesta 资本的投资经理,关注技术创新已经有 12 年。她根据自己的观察,总结出这波淘金热的创业机会,其中包括硬件、算法、数据、行业、情感、安全等各领域分析。 Libby Kinsey:机器学习和人工智能技术正快速进入到数据驱动的业务中,变得无所不在。我选择了一些大公司还没有占领的领域。这些是没有标注主权的领土,如果我认为这是下一个杀手级应用,那么我就会准备去做! 铁镐和铁锹策略 在加利福尼亚州的淘金热中,卖铁锹的人先富起来了,而机器学习的铁镐和铁锹
编译 | AI科技大本营 参与 | 张子琦 编辑 | 明明 机器学习是人工智能的一个分支,已经成为当今最热门的趋势之一。据Gartner公司预测,到2020年,包括机器学习在内的人工智能(AI)技术几乎将在所有新的软件产品和服务中普及。那么什么是机器学习?它与人工智能有什么关系?技术专业人员应该知道哪些潜在的好处和挑战?对于想要转型AI的程序猿们,AI科技大本营对此类问题做了系统性整理。 什么是机器学习? 有史以来,第一个使用“机器学习”这个词的人可能是亚瑟·塞缪尔(Arthur Samuel),他
【新智元导读】在几位医疗行业知名人士的眼中,AI 在这一领域的发展比预想的更快。有远见的医院已开始部署 AI 技术,使用了诸如患者自动诊疗、智能信息推荐、智能账单等等比较容易实现的 AI 应用。正如他们在医学和基因组学领域看到的那样,“机器学习的改进速度远超摩尔定律所描述的芯片改进速度。” 眼下精明的医院已经开始在特定用例中部署 AI、认知计算和机器学习方面的应用了。医疗行业的知名人士预测,AI 在这一领域的发展将比此前预想的更快。 Health Catalyst 的执行副总裁 Dale Sanders
自从2012年数据科学被评为21世纪最性感的工作以来,来自不同领域的许多人开始转向数据科学或相关的机器学习角色。用新奇的人工智能算法解决复杂的问题,再加上一份不错的薪水,听起来很有吸引力。很多公司都加入了宣传的行列,现在提供在不到一年的时间里学习数据科学/AI/ML的新兵训练营。在加入这样的训练营或转向机器学习之前,请考虑以下10件事。
机器学习淘金热正在到来!Libby Kinsey 是 Nesta 资本的投资经理,关注技术创新已经有 12 年。她根据自己的观察,总结出这波淘金热的创业机会,其中包括硬件、算法、数据、行业、情感、安全等各领域分析。 Libby Kinsey:机器学习和人工智能技术正快速进入到数据驱动的业务中,变得无所不在。我选择了一些大公司还没有占领的领域。这些是没有标注主权的领土,如果我认为这是下一个杀手级应用,那么我就会准备去做! 铁镐和铁锹策略 在加利福尼亚州的淘金热中,卖铁锹的人先富起来了,而机器学习的铁镐
毋庸置疑,人类的寿命正在变长。而伴随而来的老龄化问题,也导致了老年人可能面临认知衰退的威胁,比如老年痴呆等疾病。 根据相关机构的统计显示,美国确认患有老年痴呆的患者目前有500万人,而在2050年将会达到1350万人。为了更好地抵御这样的老年危机,MIT与Lahey医院医学中心一同研发了一款工具,能够帮助更好地检测认知障碍,早发现早治疗,以间接减少患病的人数。 CSAIL的认知系统与人机交互专家Randall Davis及Lahey医院与医学中心的神经学专家Dana Penney一同牵头推动研究,在画钟测试
研究人员利用一种常见的脑部扫描编写了一种机器学习算法,在确诊出早期阿尔茨海默症(Alzheimer 's disease,又称老年痴呆症)前大约6年前就可以做出诊断,这可能会给医生提供一个干预治疗的机会。
对于各种热门的机器学习、深度学习课程,你一定了解过不少了。 但上课之后,如何把学出来的这些新方法用在你的工作项目?如何让你的移动应用也能具备机器学习、深度学习的能力? 具体做这事的话: 你是该自己训练模型,还是用现成的模型? 你是该用自己的电脑训练,还是在云端上训练? 你是需要深度学习部署在云端,还是移动端? 本文将对这些问题作出具体的解答。 作者 | Matthijs Hollemans 编译 | AI100 面对时下大热的机器学习和深度学习,是时候来加强你的移动应用了! 可你有什么好主意吗?
(文/Lukas Biewald)物体识别是当前机器学习最热门的方向。计算机早已能够识别如人脸、猫之类的物体,但识别更大范围里的任意物体对人工智能来说仍是难题。也许真正让人惊奇的是人脑在识别物体上表现得如此之好。我们能够毫不费力地将反射频率只有细微不同的光子转换为有关周围世界的十分丰富的信息。机器学习仍在与这些对人类来说十分简单的任务作着苦斗,但在过去几年里已经有了很大进步。 深度学习以及大型公共训练数据集 ImageNet 让物体识别有了令人瞩目的进步。TensorFlow是一个著名的深度学习系统,它能非
毋庸置疑,人类的寿命正在变长。而伴随而来的老龄化问题,也导致了老年人可能面临认知衰退的威胁,比如老年痴呆等疾病。 根据相关机构的统计显示,美国确认患有老年痴呆的患者目前有500万人,而在2050年将会达到1350万人。为了更好地抵御这样的老年危机,MIT、Lahey医院与医学中心一同研发了一款工具,能够帮助更好地检测认知障碍,早发现早治疗,这样一来也能间接减少患病的人数。 CSAIL的认知系统与人机交互专家Randall Davis及Lahey医院与医学中心的神经学专家Dana Penney一同牵头推动研究
导读:用于 ML 和数据科学的云计算已经比较困难,如果你想要通过成本优化削减成本,你的整体成本包括资源和人力,可能会不降反增。不想在机器闲置时停止?因为这样你可能需要反复的启停,并且重新配置环境或者准备数据。想要通过使用抢占实例降低成本?解决抢占实例的调度问题也可能会花上几周时间。如何很好的利用地区之间的巨大价格差异,或者不同云厂商之间更大的价格差异来降低成本?
如今,人们在公共云的安全和成本方面还有着一些误解和困惑,这为企业决策者带来了一些错误的想法。人们需要消除误解,并获得真相。
英伟达异常低迷的股价似乎并没有影响黄教主的心情。在刚刚结束的最新GTC 2018中国峰会上,英伟达创始人黄仁勋依然一身皮衣,激情四射地完成了长达两个小时的主题演讲。过程中,黄教主生怕现场中国听众听不懂英文没有办法互动,多次转换中文解释,“很便宜”、“太重了”、“你们听得懂吗”。
Facebook的AI团队最近对机器人技术非常着迷。过去一年Facebook没少在机器人上下苦功,从六足机器人,到Replica真实感训练数据集,到Habitat模拟引擎,最近又推出了PyRobot。从名称就可以看出,这是一个基于PyTorch的机器人框架。
当今的汽车防碰撞系统和实验中的无人驾驶汽车依靠雷达和传感器来检测路上的行人。但是加州大学圣地亚哥分校(UCSD)的工程师们开发了一个更加便宜、更有效的行人检测系统,该系统是基于视觉信号进行实时探测的。
人工智能不仅有光明的前景,而且走在了商业的前沿。人工智能显然是机器人、电子商务、分析和云计算管理的一个构成因素。即使是人才挑选、定制化市场营销和许多其他业务,现在也都依赖于人工智能的解决方案。
选自Medium 作者:Slav Ivanov 参与:李泽南、路雪、刘晓坤 本文作者 slav Ivanov 在今年早些时候曾介绍过如何用 1700 美元预算搭建深度学习机器(参见:教程 | 从硬件配置、软件安装到基准测试,1700 美元深度学习机器构建指南)。最近,英伟达在消费级 GPU 领域又推出了 GTX 1070 Ti,如果现在想要组装一台深度学习机器,我们用哪块 GPU 最好呢?本文将详细解答这一问题。 即将进入 2018 年,随着硬件的更新换代,越来越多的机器学习从业者又开始面临选择 GPU 的
借助最新设计的Cortex-M52芯片,Arm使边缘端最小物联网设备也能实现AI计算.
领取专属 10元无门槛券
手把手带您无忧上云