IT思维

在过去的一年里我们经历了AI能力急速提升、看到了无人车的逐渐落地、见证了5G时代的开启、感受到了技术在商业进程中的力量、触摸到了科技在日常生活中的问题。

Topbots 总结了他们眼中 2018 年里 10 篇最为重要的 AI 研究论文，带领大家领略过去的一年中机器学习领域的关键进展。

最近，日本产业综合技术研究院的研究人员提出了一种新的方法，通过结合骨骼结构的回归器和基于3D位姿表达的交叉热力图回归，实现了端到端的3D人体位姿预测，不仅能从单张RGB图中预测出关节位置，同时还能准确得到连接在关节上的骨骼角度。

从使用的范围来讲，知识图谱分为通用知识图谱和领域知识图谱。

机器学习领域有哪些实用的开放数据集？Gengo 网站整理出了 50 个高质量机器学习开放数据集，覆盖范围非常广，并按照具体领域（如金融、图像、自然语言处理、自动驾驶）进行分类，推荐给大家。

变形虫（也称为阿米巴）是一种主要由凝胶状原生质组成的单细胞生物。

现在，创建深度学习模型越发容易，对数据科学家和开发者来说，在测试环境中打造复杂模型已不再是难事。

从北极圈融化的冰川到原始的阿蒂特兰湖藻类的大量繁殖，从默奇森瀑布周围的生态系统变化再到南极洲的企鹅追踪，我们渴望了解周围世界及其变化。

尽管一些公司，如大多数大型银行、Ford（福特汽车）和 GM（通用汽车）、Pfizer（辉瑞，总部位于纽约的跨国制药公司），以及几乎所有的科技公司，都在积极拥抱人工智能。

约 37% 的技术专家认为，未来 10 年，大多数人的生活不会因为人工智能 (AI) 及相关技术的进步而变得更好。

用于自动化劳动力的技术不一定会增加失业率。尽管人们普遍担心人工智能将会大量取代工人，但纵观历史，在某些时期，提高生产力的技术实际上反而促进了受影响行业的就业率。

人工智能是最令人兴奋和最具吸引力的领域之一。

机器学习和5G密不可分。在管理5G庞大的数据量和复杂性时，机器学习和执行独立智能决策的能力是十分必要的。

伯克利和谷歌大脑的研究人员近日发表了全新的强化学习算法:柔性致动/评价(soft actor-critic,SAC)。

近日伯克利RISELab推出了多主体强化学习包Ray RLlib 0.6.0。

近日，日本的深度学习公司PerferredNetworks 发布了其超参数优化框架的beta版本。

它通常作为一个数据管道，链接了各种业务前台和数据后台（比如数仓等）。

建议公司如何成功开启数字化、智能化与自动化的转型之旅。

植物与机器人合体，该是什么样子？

在很多人眼中，Jeff Dean 就是谷歌技术的代名词，也是谷歌如此强大的重要原因。

FAIR 的创办者兼首席 AI 科学家 Yann LeCun、FAIR 现任负责人 Jerome Pesenti 以及 Facebook 首席技术官 Mike Schroepfer 在官网联合发布博客，盘点了 FAIR 五年来所做的事情以及达成的成就。

AI的火爆，让今天在加拿大蒙特利尔开幕的第32届神经信息处理系统大会（NeurIPS 2018），就成为了各国研究组织和企业刷存在感的香饽饽。

计算成像系统架起了硬件和图像重建间的桥梁，让很多复杂的光学成像系统包括断层扫描、超分辨和相位成像等，都在计算成像的助力下得以通过对商业显微镜和计算重建的简单改造而实现。

近日，谷歌大脑团队提出一种结构化方法从单目视频中进行无监督学习，获得了较高质量的场景深度和自运动预测。

Hinton 团队在 2017 年发表在 NIPS 上的论文曾经介绍，通过添加一个能够从顶层胶囊的姿态参数和身份重构输入图像的网络，可以提高胶囊网络的判别能力（Dynamic routing between capsules）。