IT思维

GAN的飞速发展为视觉领域带来了巨大的变化，从图像编辑到场景合成、从换脸到表情操作，各种神奇的技术已经走入我们的生活。

深度学习在应用上与广大传统行业融合，让AI获得了前所未有的大爆发。

目前这篇论文已经被计算机视觉顶会ICCV 2019收录。

词序和句法结构对于句子的语义具有巨大的影响，词序上的些许扰动将会造成南辕北辙的含义。

成年人的世界不谈对错，只看利弊。

为了解决这一问题，IBM AI的研究人员基于模块化的架构结合有效的信号处理实现了高质量并具有灵活适应性的实时语音合成系统。

赋能业务，快速应对挑战，正是数据湖所能提供的。

报告数据显示，全球机器人市场规模持续扩大，工业、特种机器人市场增速稳定，服务机器人增速突出。

“看”这个动作一直被认为是生物所独有的。

数据作为机器学习的基础，从 GB、TB 到 PB 已经增长了无数倍，现在大一点的业务场景，没有 TB 级数据都提供不了高效的体验。

随着更多创新设备的连网，物联网可以为企业提供节省成本的流程和有价值的信息。

神经科学的新发现不断启发着高效神经网络的出现和进步。

随着全球国民经济与社会的持续发展，从20世纪后半叶开始国际范围内货客运吞吐量正在不断增长。

在人人都想跟AI发生点关系的时代，保持企业持久的竞争力始于对人工智能领域的清醒认识：世界上最具影响力的大公司在AI投资、技术运用和成果落地方面有着怎样的布局？

很多人特别喜欢在追剧的时候，猜下一集要发生什么事情。由于电视剧的发展都是通过视频和故事来联动的，所以这很容易。

AI 前线导读：今年年初，OpenAI 推出了当时号称“最强 NLP 模型”的 GPT-2，该模型可以生成连贯的文本段落，刷新了 7 大数据集基准，并且能在未经预训练的情况下，完成阅读理解、问答、机器翻译等多项不同的语言建模任务。

显著性检测的主要任务是检测出图像中具有最独特视觉特征的目标区域，它在视觉内容编辑、目标检测、渲染、分割等领域有着重要的应用。

物联网正在不断产生不可思议的数据量。分析师预计，2019年将有266.6亿台物联网设备投入使用。此外，IDC预计，到2025年，物联网设备将产生超过90 zettabytes的数据。

2011 年，软件开始吞噬世界，到了 2019 年，软件行业开始面临被 AI 吞噬的风险。

近日，Reddit 论坛的 AI 板块上，有一位年轻人发帖提问：如何才能实现我成为 AI 工程师的理想？

本文对 北美计算语言学联合会 2019 年出版的《自然语言处理中迁移学习教程》（NAACL 2019 tutorial on Transfer Learning in NLP）进行了拓展。

在他看来，大多数优秀的程序员都会一些（或愿意学习）数学，既然如此他们就也能做到这一点。

在各个评估维度中，美国在人才、研究、发展、硬件四个维度遥遥领先，中国在应用和数据方面表现突出。

图像修复技术对于众多修图软件来说十分重要，在深度学习的帮助下图像修复算法的功能越来越强大，甚至对于大幅度污损的照片也能轻松修复。

举例来说，将行为预测神经网络犯的错当训练数据就非常有意义，而这个纠错的过程是个进步的捷径，比投喂各种随机数据有效多了。