IT思维

产品的重要原则是关注用户的需求，对于机器学习而言也是一样。

如今来自史密斯学会和哥斯达黎加理工学院的研究人员们正致力于更加充分地深入利用这些数据，将大数据分析、计算机数据和GPU计算技术结合起来，希望更深入地理解植物信息学。

“目前，检测一个地方有什么物种的最好方法是坐下来，卷起裤子，看看有什么蚊子咬你。” Sinka说，“但这显然是有一些不足的。”

自去年成功预测第89届奥斯卡8项大奖后，机器学习和数据分析平台BigML再次公布今年的大奖预测结果。

在开始你的研究之前，了解目标领域中最重要的研究方向是很重要的任务。本文中，德国海德堡大学的计算语言学在读博士 Sebastian Ruder 为我们介绍了 NLP 领域里最具潜力的几个研究方向。

今天，总理的“两会”政府工作报告中再次提及人工智能。

在今年的六月份，德国的科学家宇航员 Alexander Gerst 会登上国际空间站，并随即开展一系列的科研工作。但与以往不同的是，即将到来的这次飞行还会有一位特殊的侣伴——会飞、会说话的智能机器人 Cimon。

机器学习模型通常依赖于大量训练数据，所以在很多领域中难以施展拳脚。

在本文中我分享了一些幻灯片和笔记。

图像分类技术在过去几年中取得了显著的进步，这在一定程度上体现在Imagenet 分类挑战上，机器的误差率每年都在大幅下降。

，他毫不客气地评价道，“2018 年了，Perceptron 仍然是老生常谈，还是之前的基础算法”。

的确，如今学习人工智能最大的困难不是找不到资料，更多同学的痛苦是：网上资源太多了，以至于没法知道从哪儿开始搜索，也没法知道搜到什么程度。

 Hanson Robotics 是阿联酋机器人公民 Sophia 背后的公司。

深度学习的一个基本方法。

谷歌刚刚为全球的机器学习者们带来了一份大礼。

相信每个姑娘都希望找到一个适合自己的口红颜色，希望找到一个合适的发型和颜色，为自己增光添彩的美丽妆容。

28日下午，监管层对券商作出指导：若有生物科技、云计算、人工智能、高端制造在内的四个行业“独角兽”，应立即向发行部报告，符合相关规定者可以实行“即报即审”。

AI决策过程的黑匣子问题一直是AI领域最大的担忧之一，但近期黑匣子决策问题似乎被破解。

未来的就业形势还能依靠科技巨头和首席执行官们来决定，而人工智能的未来，依旧充满了太多的不确定性。

与人类专家相比，现在人工智能在病人身上检测心脏病功能已经开始拥有相当高的准确性了。

人工智能（AI）是我们当今科技世界最重要的新发现。

人工智能目前在与专业医生的能力对比上还罕有胜迹。但深度神经网络方法最近已经可以在灰指甲这一真菌疾病的诊断上击败 42 名皮肤科专家了——这种疾病每年困扰着 3500 万美国人。

几个世纪以来，伏尼契手稿（Voynich manuscript）一直是本人类无法理解的书，但现在我们终于可以读懂它了——这要归功于我们在手稿写成的500年后发明的机器智能。

谷歌大脑Jeff Dean等人最新提出一种分层模型，这是一种灵活的端到端方法，用于优化CPU、GPU等的自动化设备配置。该方法在多个主要神经网络模型上测试，最高实现了60.6％的性能提升。

新加坡有位高中生Karan Jaisingh已经学习人工智能和机器学习一年了。不久前，他在GitHub发出了一篇长文，专门教广大高中生（以及高中老师、高中生家长、准高中生、准高中生家长……）入门人工智能。