IT思维

AI 应用落地，核心是工程问题，不是算法问题，更不是“哲学”问题。

在机器人领域，强化学习和控制反馈用于帮助机器人实现特定的目标。

大数据文摘出品 编译：张秋玥、M、浩哥儿、睡不着的iris、钱天培 近年来，机器在自然语言领域屡屡战胜人类的报 […]

本文将用一个葡萄酒是不是好喝的例子，让你迅速了解整个机器学习的技术过程。

与几年前的 IT 相比，有效且易于导航的自助服务分析变得更加难以实现。

公众号/机器之能 撰文 | 四月 暗流涌动的迹象并不足以激荡出声响，只有当窗户纸被捅破时才会引发追问和思考。 […]

伴随人工智能大潮来临，似乎一切拥有屏幕的设备都在走向智能化，比如AI电视、智能手机等等。

做好防灾减灾工作是气象人员面临的巨大挑战。

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。

对移动式工作的机器人来说，如何判断周边环境的安全，以保证畅通无阻是非常重要的。还没动两步就“咣咣”碰壁，这样的机器人就太尴尬了。

人类历史中，有个让人浮想联翩的词，叫做炼金术。

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。

2018年，行业落地是AI产业最主要的关键词。AI技术如同电与煤这样的基础能源一样，开始源源不断地对产业输送能量，通过效率的提升改变产业形态。

许多重要的神经网络架构都是在上世纪八十年代中期和九十年代早期完成的。

91%的受访企业预计，AI将在2023年实现新的业务增长。

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。

公众号/脑极体 说到日常出行，人们可能会想到地铁，想到共享单车，想到如今研究正火的无人驾驶汽车。诚然这些出行方 […]

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。

对无人机而言，如何实现在没有人进行驾驶操作的情况下能够安全飞行，自然是首要问题。

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 […]