IT思维

目前，D-Wave的电脑正在模拟天气模式和海啸，优化酒店广告展示，解决复杂的网络问题。

人工智能先驱、贝叶斯网络之父、美国计算机科学家 Judea Pearl 在最近的一篇论文中解释了基于数据统计的机器学习系统的一些局限性。

Facebook 依靠庞大的后端系统，每天为数十亿人提供服务。在这些后端系统中，许多都有大量的内部参数。

斯坦福大学计算视觉和几何实验室（Computational Vision and Geometry Lab）在 2016 年启动了 JackRabbot 社交机器人项目。

作为独立于监督和非监督机器学习之外的机器学习重要分支，强化学习在多学科多领域中发挥了重要的决策支持作用。

MIT 和清华大学的研究者提出目标几何、外观和姿态的分解表征架构，并将其整合到深度生成模型中，实现了对 2D 图像目标的 3D 操控。

据该项目工程师和科学家透露，由于中美贸易和其他国家收紧贸易制裁，这个项目正在遭受挑战。

而今天，机会很快就要来了。随着自动驾驶的发展，人们在汽车空间中的时间越来越多地释放出来。

近年来，深度学习在解决模式识别问题方面发挥了关键作用。

公众号/脑极体 今天哪家科技企业在做城市智能？答案是：每一家。 今天哪家科技企业在押注无人驾驶？答案是：有钱的 […]

如何优化 SQL 连接是数据库社区数十年来一直在研究的一个大问题。

从有一些有趣的用例看，我们似乎完全可以将 CNN 和 RNN/LSTM 结合使用。许多研究者目前正致力于此项研究。

大数据仍然是少数人的游戏——只占 1%。

连续两年成为该赛事上全球表现最佳的公司。

始机器学习之旅，需要什么层次的数学功底？

在过去六年中，机器学习领域的关注点都集中在神经网络的训练以及 GPU 加速器如何从根本上提高网络的准确性上，这要归功于 GPU 大内存带宽和并行计算能力。

对于 Google Cloud 乃至整个 Google 人工智能技术而言，有着深厚学术功底的计算机科学家李飞飞毫无疑问是一张亮眼的名片。

As machine learning infiltrates society, scientists are trying to help ward off injustice.随着机器学习对社会各领域的渗透，科学家正努力去防止一些不公平的现象产生。

20 世纪 50 年代中期，美国电力照明与动力公司某个月在《星期六晚报》上刊登的一版广告，可以把我们拉回无人驾驶概念被人们接受并受到狂热追捧的最早期阶段。

相信很多人都有这样一个经历，走在路上前面有个人看背影挺熟悉，于是赶忙跑过去拍人家肩膀。结果一回头，大写的尴尬。

我们会先抛出“更为常见”的问题，在每个标题下，也会优先给出“最容易实现”的解决方案。

谷歌无人车入华已经成为板上钉钉的事情了，毕竟“慧摩”就是 Waymo 的音译。

在斯坦福大学2018年医学健康机器学习大会上发表的一篇论文中，麻省理工学院Media实验室的研究人员详细介绍了一个模型，该模型可以使给药方案毒性更小，但仍然有效。

游戏一直是人工智能绝佳的试验场，用数字和严密的规则搭建出游乐场，恰好可以让人工智能展示自身在计算和决策上的专长。

技术革命总在不断重塑我们的世界。