可解释性AI(XAI)是人工智能研究的一个分支,它的关注点在于如何提升人工智能之于人类的可信任度。
抗生素带给人类的福泽,无论给出多少溢美之词都不过分。抗生素在应用初期,被人们认为是几乎“包治百病”的灵丹妙药,成为20世纪人类最伟大的成就之一。
未来,构建 ML 产品将更加有趣,并且这些系统会工作得更好。随着 ML 自动化工具的不断改进,数据科学家和 ML 工程师将把更多的时间花在构建优秀的模型上,而花在与生产级 ML 系统相关的繁琐但必要的任务上的时间会更少。
传统的人工车辆定损模式不仅存在人工定损流程时效长,人工成本高,效率低等问题,还存在定损评估过程不透明,以及价格不透明不精准等问题。
在机器人和计算机视觉领域,光学 3D 距离传感器已经得到了广泛应用,比如 RGB-D 摄像头和 LIDAR 传感器,都在 3D 环境绘制和无人驾驶等任务中扮演了重要角色。
联合科研团队的首要原则是能够尽快地将成果用于疫情防治,第一批公布的数据主要集中在 DrugBank 库 8506 个已经上市或者正在进行临床试验的药物。
在这篇文章中,我们将简介其中的9篇满分(全8分)论文,它们最终都被接收为Talk 论文,届时论文作者会在大会上做长达十多分钟的演讲报告。
为了深入研究这一问题,来自谷歌的研究人员在NeurIPS上发表了一项对模型在数据集分布漂移情况下不确定性进行评测的工作,细致地分析了前沿的深度学习模型在数据分布漂移和处于分布外数据的作用下的不确定性。
最近,我们构建了一个将机器学习模型部署为 API 的开源平台—— Cortex,我们考虑了很久应该如何选择编程语言。最终的结果是代码库中有 87.5% 用的是 Go。经过一番比较,我们认为:Python 适用于机器学习,而 Go 适用于基础设施。
那么究竟如何衡量 AI 的智能水平?目前所宣传的「在 Dota 2 或围棋等单个游戏竞技项目中击败人类」是否宣示着超级智能 AI 即将出现呢?对超级智能 AI 的恐惧合理吗?
文字识别技术:是目前常用的一种AI能力。通过一个识别系统,把票据通过图像采集设备,然后通过文字识别技术把图像上的文字识别出来,再经过一个数据的结构化,最后输入到财务系统。这样能节约大量的人力物力,也能够提高效率及准确率。
还记得去年圣诞吗,黑镜出了一个特别篇——《黑镜:潘达斯奈基》,尽管黑镜系列被Netflix买下后已走下神坛,但也不能否认他们在技术上的创新。
Artificial Life(人工生命),常简称为 ALife。ALife 是什么?研究它的目的是什么?本文将带您共同回顾 ALife 简史,一起来看看 ALife 与人工智能的关系,共同展望 ALife 的未来。
随着世界人口的增加和饮食的多样化,鱼类的生产和消费逐年增加。现今世界渔业资源已经接近枯竭,不可能增加自然资源的捕捞量。