Blog Archives

07月17日

清华大学:中国人工智能发展报告2018

报告全文下载:中国人工智能发展报告2018 第四次工业革命正在来临,尤其是以人工智能为技术已经从科幻逐步走入现实。世界各国已经认识到人工智能是未来国家之间竞争的关键赛场。 对于中国而言,人工智能的发展更是一个历史性的战略机遇,对于缓解未来人口老龄化压力、应对可持续发展挑战、以及促进经济结构转型升级至关重要。 那么目前,人工智能在中国的发展条件如何,中国距...

03月08日

最新政府大数据应用案例

在我国,政府部门掌握着全社会量最大、最核心的数据。以往地方政府提振经济一般是招房地产、工厂等,随着土地及人口红利殆尽,大数据成为与水电煤等一样重要的生产资料,成为继土地之后政府最重要的资产。了解政府大数据应用的案例和数据价值释放的方法,将有利于激活沉睡的数据,释放政府数据价值。为此我们需要梳理下: 政府有哪些数据资产 政府拥有或控制,能够给政府组织带...

03月08日

陈天奇等提出TVM:深度学习自动优化代码生成器

TVM 是由华盛顿大学在读博士陈天奇等人提出的深度学习自动代码生成方法,去年 8 月机器之心曾对其进行过简要介绍。该技术能自动为大多数计算硬件生成可部署优化代码,其性能可与当前最优的供应商提供的优化计算库相比,且可以适应新型专用加速器后端。近日,这项研究的论文《TVM: End-to-End Optimization Stack for Deep Learning》终于完成,内容包含新方法的介绍与讨论,以及 TVM ...

02月26日

Hinton:人类就是机器,绝妙的机器

三十多年以来,Geoffrey Hinton一直徘徊在人工智能研究的边缘地带。他像一个局外人一样坚守着一个简单的观点:计算机可以像人类一样思考,依靠直觉而不是规则。 这个念头在Hinton的青少年时代已经萌芽。当时有个朋友向他描述了全息图的工作原理,物体表面无数的反射光线被记录下来,被存入一个巨大的数据库里。来自科学世家的Hinton,立刻想到大脑也是这样工作的—— 海量的细胞由...

02月05日

高盛区块链报告:从理论到实践

来源:程序师 投资组合经理之摘要 现在硅谷和华尔街都为了区块链着迷,逐渐忘记了作为其技术源头的比特币。但对其潜在应用的讨论仍十分抽象和深奥。焦点在于使用分布式账本建立去中心化市场,并削弱现有中间商的控制权。 但区块链的潜力比这种单薄的说法来得更加细致也更加深远。从理论到实践,我们探索一系列特定的真实世界的应用场景,涵盖各类市场和产业,包括休旅业、...

02月05日

如何制造具有自我意识的机器人?

编者按:都以为人是AI的终极演进目标。于是我们从分析人开始谋划蓝图。我们分析意识是什么。分析建造的步骤是什么。殊不知,当我们推演其后果时,发现其实具有自我意识的AI并不是我们想要的,而超越我们的AI其实已经到来。畅销书《羊毛战记》的作者Hugh Howey通过这篇长文对AI的未来进行了他的展望。必须说,这是一个非常新颖的视角,因为它不仅展望了AI的未来,更重要的是洞察出人的...

11月19日

大规模机器学习框架的四重境界

1. 背景 自从google发表著名的GFS、MR、BigTable三篇paper以后,互联网正式迎来了大数据时代。大数据的显著特点是大,哪里都大的大。本篇主要针对volume大的数据时,使用机器学习来进行数据处理过程中遇到的架构方面的问题做一个系统的梳理。有了GFS我们有能力积累海量的数据样本,比如在线广告的曝光和点击数据,天然具有正负样本的特性,累积一两个月往往就能轻松获得百亿、千...

11月17日

谷歌的新CNN特征可视化方法,构造出一个华丽繁复的新世界

深度神经网络解释性不好的问题一直是所有研究人员和商业应用方案上方悬着的一团乌云,现代CNN网络固然有强大的特征抽取能力,但没有完善的理论可以描述这个抽取过程的本质,人类也很难理解网络学到的表征。 当然了,研究人员们从来都不会放弃尝试。IMCL 2017的较佳论文奖就颁给了 Pang Wei Koh 和 Percy Liang的「Understanding Black-box Predictions via Influence Functions」,...

11月05日

Kaggle 发布首份数据科学从业报告 | 中国数据科学家平均年薪不及美国同行1/3

Kaggle 是互联网上最著名的数据科学竞赛平台之一,今年 3 月 8 日,这家机构被谷歌收购,6 月 6 日又宣布用户数量超过了 100 万人。互联网创业方兴未艾,人工智能的浪潮又接踵而来,而贯穿其中的数据科学则在这更迭交替中显得愈发重要。 最近,这一社区首次进行了机器学习/数据科学现状调查。在超过 16,000 名从业者的详尽答卷中,我们可以一窥目前业内的发展趋势。有趣的是,Kaggl...

11月03日

大数据实现人工智能“换道超车”

从百度“阿波罗计划”百亿掘金无人驾驶,到“阿尔法狗”战胜世界围棋第一人柯洁,再到谷歌实时翻译耳机横空出世……人工智能(AI)无疑是当下最热门的科技话题及投资热土。 作为互联网应用创新大国,近年来,中国在人工智能领域的发展尤为迅猛。在无人驾驶、金融服务、语音识别等领域的创新应用层出不穷,在国际上培育起了特色鲜明的优势。不过业内人士提醒,这一新兴产业的发展存在过度扎...

09月06日

深度学习的本质是什么?

自从去年 AlphaGo 完虐李世乭,深度学习火了。但似乎没人说得清它的原理,只是把它当作一个黑箱来使。有人说,深度学习就是一个非线性分类器?有人说,深度学习是对人脑的模拟……但我觉得都没有捅透那层窗户纸。 当读完 Jeff Hawkins 的《论智能》,「就是它了!」。而我惊奇地发现,原书竟是 2004 年出版的!我怕自己读了本假书,或是某个美国民科的著作,特意到豆瓣、知乎上查了下...

08月21日

哈佛大学发布人工智能与国家安全报告

概要:未来的AI技术有可能与核武器、飞机、计算机和生物技术一样,成为给国家安全带来深刻变化的颠覆性技术。AI的每一种技术都为美国国家安全机构的战略、组织、优先事项和资源分配带来重大变革,其未来影响力至少可与核武器比肩。 AI 应美国情报高级研究计划局(IARPA)的要求,哈佛大学肯尼迪政治学院贝尔弗科学与国际事务中心7月发布《人工智能与国家安全》报告,分析人...

08月17日

从GPU、TPU到FPGA:一文读懂神经网络硬件平台

一个简单的性别识别器网络中的 90 年代风格的隐藏节点图像 我的硕士项目是一种类似级联相关(cascade correlation)的神经网络 Multi-rate Optimising Order Statistic Equaliser(MOOSE:多速率优化顺序统计均衡器),可用于日内的 Bund(国库债券产品)交易。MOOSE 曾经是为获取高速的 LEO 卫星信号(McCaw 的 Teledesic)而设计的一点成果,后来在从 LIFFE 迁移到 DTB 时将目...

08月17日

深度学习指南:在iOS平台上使用TensorFlow

作者:Matthijs Hollemans 在利用深度学习网络进行预测性分析之前,我们首先需要对其加以训练。目前市面上存在着大量能够用于神经网络训练的工具,但TensorFlow无疑是其中极为重要的首选方案之一。 大家可以利用TensorFlow训练自己的机器学习模型,并利用这些模型完成预测性分析。训练通常由一台极为强大的设备或者云端资源完成,但您可能想象不到的是,TensorFlow亦可以在iOS之...

07月19日

数据团队白皮书:如何打造顶级数据团队?哪些数据岗位最缺人才?

回顾2011-2016年的Gartner曲线,我们可以发现大数据最初是作为一个独立的技术被人广泛关注的,2013年发展到最高峰,2014年开始下降。令人惊奇的是,2015年、2016年大数据这个技术消失了,究其原因,不是大数据技术不被需要了,而是因为大数据融入到了各行各业的新兴技术当中,比如语音识别、图像识别、自然语言处理、情感分析等。从中,我们能够看到第一个趋势:大数据已融入各行...

06月16日

变革中的大数据可视化

今天,大数据已无所不在,并且正被越来越广泛的被应用到历史、政治、科学、经济、商业甚至渗透到我们生活的方方面面中,获取的渠道也越来越便利。通过甲骨文华育兴业我们能了解到大数据可视化的必要性,虽然这些工具正在变得越来越自动化,然而,随着大数据时代的来临,信息每天都在以爆炸式的速度增长,其复杂性也越来越高;其次,随着越来越多科学可视化的需求产生,地图、3D物理结...

06月16日

深度学习是经验主义新高峰,不是理性主义终结

【新智元导读】丘吉的这篇2011年的长文《钟摆摆得太远》(A Pendulum Swung Too Far) 是一篇从 AI 高度回顾NLP 全部历史的反思力作,主要回顾了三位大师明斯基、乔姆斯基、皮尔斯的经典思想。同时穿插着帕佩特(Papert) 、汝拉夫斯基(Jurafsky) 、马丁(Martin) 、曼宁(Manning) 、魏岑鲍姆(Weizenbaum)、罗(Roe)、威尔彭(Wilpon)、斯蒂德曼(Steedman)、哈钦斯(Hutchins)、毕夏普(Bishop)...

03月22日

秦涛:深度学习挑战及其解决方案

大家好,我是微软亚洲研究院的秦涛,今天我将分享我们组对深度学习这个领域的一些思考,以及我们最近的一些研究工作。欢迎大家一起交流讨论。 先介绍一下我所在的机器学习组。微软亚洲研究院机器学习组研究的重点是机器学习,包含机器学习的各个主要方向,从底层的深度学习分布式机器学习平台(AI的Infrastructure)到中层的深度学习、强化学习、符号学习算法以及再上面的机器学习理...