IT思维

机器学习是目前计算机领域最火的技术之一，从电商到自动驾驶，都有机器学习的应用。

由于机器学习系统容易受到历史数据引入的偏见而导致歧视性行为，人们认为有必要在某些应用场景中用公平性准则约束系统的行为，并期待其能保护弱势群体和带来长期收益。

Big Think网站整理了19个受欢迎的AI课程资源列表，从MOOC的免费在线课程到著名大学的学位课程，不管你对AI的兴趣程度如何，这份清单都将对你有帮助。

换句话说，无论你的公司是否位于欧盟，只要你的客户或用户中有欧盟国家公民，并且处理他们的数据，GDPR 就会对你的业务产生非常重要的影响。

扭转这种局面需要时间。因此谷歌在军事上找到了出路。

关于深度学习性能，还有很多不明之处。例如，你怎么进行测量？你应该测量什么？在不久之前的 GTC 2018，英伟达 CEO 黄仁勋介绍了 PLASTER 框架，从可编程性到学习率 7 大挑战来评测深度学习性能。

这篇文章可以作为一个设计指南，为特定分类任务的 CNN 设计提供指导。作者围绕准确率、速度、内存消耗三个指标的权衡，从网络类型、架构设计、数据处理和迁移学习等方面介绍了 CNN 设计过程中使用的方法。

撰写这篇文章，主要是详细介绍我们在十年前提出互联网大脑模型的原因；十年来在计算机和智能领域产生了哪些进展；在未来，互联网大脑模型对互联网、人工智能、混合智能、智慧城市和智慧社会建设有怎样的推动。

哈希算法一直是索引中最为经典的方法，它们能高效地储存与检索数据。

运行深度神经网络对计算能力、能耗及磁盘空间要求甚高，智能手机的计算资源十分有限，需要多种优化才能高效运行深度学习应用。

Chen等人报道了另一种排名很靠前的方法。其基本思想是利用人工制作的特征将激光雷达点云投影到基于体素的RGB地图上，如密度、最大高度和一个具有代表性的点强度。

本研究提出的模型由两个卷积网络（ConvNet）构成——外观流和动态流，二者分别经过预训练，用于目标识别和光流预测。

通过采用互联网功能的安全摄像头，可能会给您的家庭网络和宽带连接带来持续不断的视频流。

在生物学和医学领域，显微镜技术可以帮助研究人员观察到肉眼看不到的细胞和分子的细节。透射光学显微镜将生物样本的一侧照射并成像，这种显微镜相对简单，活体培养物可以很好地耐受，但是生成的图像可能难以准确评估。

带有韵律的合成语音：谷歌展示基于Tacotron的新型TTS方法。

“当人工智能启示录最终降临在我们身上时，它就会像《西部世界》一样。”

人类对图像的感知远远超出了物体、形状、纹理和轮廓这些因素。

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。

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。

据国外媒体报道，创业者在硅谷的成功并不仅仅止步于具体业务，他们还想要创造一个个理想中的智慧城市。这种乌托邦式的愿景能实现吗？

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。

近日，来自美国东北大学和美国信息科学研究所的研究者联合发布论文《MoNet: Moments Embedding Network》。

全中国的科技媒体都应该感谢马斯克，在节日过后新闻来源青黄不接的时候，他放出了一个个可供追寻的大热点。退出OpenAI、被冒名诈骗以太币，最引人瞩目的，还是要在六年以后让WiFi信号覆盖全球。

与汽车开始量产大卖的特斯拉，以及刚刚把特斯拉送上天的 SpaceX 相比，马斯克手下“无聊公司”（The Boring Company）的存在感一直不大。

创建其中任何一家公司都是一项重大成就。而同一个人创建这么两个公司并同时运营着，确实是非凡的成就。