IT思维

何时能达到真正的人工智能时代？这可能是未来学家、AI 专家和对科技有着强烈兴趣的人们都很关注的一个问题。

对众多迈过五万产量门槛都还需要几年时间的自动驾驶公司来说，先做减法，区域化、场景化，可能是一个必须的过程。

当前，AI的竞争已然升级到国家竞争。

纽约为中心的东部湾区已经成为了美国第三大ARVR发展据点

迁移学习不是机器学习的一个模型或技术，它是机器学习中的一种“设计方法论”，还有一些其他的设方法论，比如说主动学习。

《欧盟一般数据保护条例》（General Data Protection Regulation，GDPR）是 20 年来数据隐私条例的最重要变化，它将取代《欧盟个人资料保护指令》95/46/EC，并将协调全欧洲的数据隐私法律，为所有欧盟民众保护和授权数据隐私，并将重塑整个地区的数据隐私保护形式。

这款全自动无人配送车，是由前谷歌自动驾驶项目的两位核心成员朱佳俊和Dave Ferguson带领Nuro团队历时17个月开发的第一款机器人技术落地产品。

最近半年以来，人工智能的发展重心逐渐从云端向终端转移，相伴而生的是全新一代的计算芯片产业全面崛起。

这一消息再度引起人们关于“ AI 抢走人类工作”的担忧。AI 系统不仅可以识别图像或音频，还可以快速阅读文本并回答相关问题，准确度已经达到人类水准。

因此，作为石油天然气能源行业生产巨头，GE旗下的贝克休斯选择与英伟达强强联手，引入老黄家桌面级超算DGX工作站、超级计算机DGX-1、Jetson TX2计算平台、GPU云，直接实现石油业的终端传感器设备的AI智能化。

目前全球共有190多万深度学习与数据挖掘的人才，其中85万都在美国，中国只有5万人，华裔人才有14万。

量子计算这一潜在的革命性技术，已经成为物理学家和计算机科学家长达35年的梦想。在不久的未来，这一领域将迎来重大进展。

在中国，「人工智能」和「移动互联网」一样，受到了大众的普遍欢迎。然而在美国，以 Twitter 和 Facebook 为首的社交网络正在因其算法「纵容俄罗斯散布虚假新闻并操纵选举」而受到大规模的讨伐。

2018 年最值得关注的科技前瞻发展

商业化的步伐：AI的两条路之争

不可否认现在很多人把人工智能通常与能够跨越多个不同领域执行任务的通用人工智能相混淆，甚至与超越人类智能的超人工智能相混淆。这对任何现在称为“AI”的系统都提出了不切实际的期望。

模仿学习（Imitation Learning）背后的原理是是通过隐含地给学习器关于这个世界的先验信息，就能执行、学习人类行为。

当人们回望 2017 年的时候，看到的可能全是人工智能。

中国科学院院士张钹对国内外人工智能产业发展现状，提出我国仅靠跟随性的应用深度学习发展人工智能，是无法引领这项技术实现革命性突破的。

本文收集于TED中数据科学家和人工智能工程师最受欢迎的十场演讲，帮助人们全面而又多样地了解AI和机器学习的全貌。

创建一个新的数字化语音通常需要两个要素：声源和过滤器。

近年来，深度学习有了突破性发展，NLP 领域里的情感分析任务逐渐引入了这种方法，并形成了很多业内最佳结果。本文中，来自领英与伊利诺伊大学芝加哥分校的研究人员对基于深度学习的情感分析研究进行了详细论述。

比如把两个滑雪的人辨识为一只狗，把一个棒球看成是一杯意式咖啡，又例如把一只乌龟误认为是一把步枪。

但因为 Google 目前的 TensorFlow 是目前最多开发者、初创公司、企业使用的架构，因此 Google Cloud AutoML 一推出就引发了热烈的讨论。

本周，Facebook发生了一件大事。LeCun卸任FAIR负责人，担任Facebook首席AI科学家。领导层变更暗示了Facebook在人工智能方向上的转变。