• 人工智能AI)是通过机器(尤其是计算机系统)对人类智能过程进行的模拟。AI的特定应用包括专家系统,自然语言处理(NLP),语音识别和机器视觉。 AI编程专注于三种认知技能:学习,推理和自我纠正。 学习过程。...

    人工智能(AI)是通过机器(尤其是计算机系统)对人类智能过程进行的模拟。AI的特定应用包括专家系统,自然语言处理(NLP),语音识别和机器视觉。

    AI编程专注于三种认知技能:学习,推理和自我纠正。

    学习过程。AI编程的这一方面着重于获取数据并创建有关如何将数据转化为可操作信息的规则。这些规则称为算法,为计算设备提供了有关如何完成特定任务的逐步说明。
    推理过程。AI编程的这一方面着重于选择正确的算法以达到期望的结果。
    自校正过程。AI编程的这一方面旨在不断优化算法,并确保它们提供最准确的结果。

    人工智能的优缺点

    人工神经网络和深度学习人工智能技术正在迅速发展,这主要是因为AI能够比人类更快地处理大量数据并做出更准确的预测。

    尽管每天创建的海量数据会淹没人类研究人员,但使用机器学习的 AI应用程序可以获取这些数据并将其迅速转变为可操作的信息。撰写本文时,使用AI的主要缺点是处理AI编程所需的大量数据非常昂贵。

    强AI与弱AI


    AI可以分为弱或强。弱AI(也称为窄AI)是经过设计和培训以完成特定任务的AI系统。工业机器人和虚拟个人助理(例如Apple的Siri)使用弱化的AI。

    强大的AI(也称为人工通用人工智能(AGI))描述了可以复制人脑认知能力的程序。当出现不熟悉的任务时,强大的AI系统可以使用模糊逻辑将知识从一个领域应用于另一个领域,并自动找到解决方案。从理论上讲,一个强大的AI程序应该能够同时通过图灵测试和中文房间测试。

    增强智能与人工智能


    一些行业专家认为,“ 人工智能 ”一词与流行文化联系太紧密,这导致公众对AI如何改变整个工作场所和生活抱有不可思议的期望。一些研究人员和营销人员希望,具有更中性含义的标签增强智能能够帮助人们理解,大多数AI的实现都将是薄弱的,只会改善产品和服务。

    技术奇异性的概念-由人工超智能所统治的未来,远远超出了人脑对其理解或如何塑造我们的现实的能力-仍属于科幻小说的范畴。

    人工智能的道德使用


    尽管AI工具为企业提供了一系列新功能,但人工智能的使用也引发了道德问题,因为AI系统无论是好是坏都将巩固已经学到的东西。

    这可能是有问题的,因为支持许多最先进的AI工具的机器学习算法仅与训练中提供的数据一样聪明。由于人类会选择用于训练AI程序的数据,因此潜在的机器学习偏见是固有的,必须密切监视。

    任何希望将机器学习用作现实世界生产系统的一部分的人都需要将道德因素纳入其AI培训流程中,并努力避免偏见。使用深度学习和生成对抗网络(GAN)应用中固有无法解释的AI算法时,尤其如此。

    可解释性是在严格遵守法规要求的行业中使用AI的潜在绊脚石。例如,美国的金融机构根据规定运作,要求它们解释其信贷发行决定。但是,当通过AI程序做出拒绝信用的决定时,可能很难解释该决定是如何得出的,因为用于做出此类决定的AI工具通过消除数千个变量之间的微妙关联来运行。当无法解释决策过程时,该程序可以称为黑匣子AI。

    人工智能的组成部分


    随着围绕AI的大肆宣传,供应商一直在努力促进其产品和服务如何使用AI。通常,他们所谓的AI仅仅是AI的一个组成部分,例如机器学习。人工智能需要专门的硬件和软件基础来编写和训练机器学习算法。没有一种编程语言是AI的代名词,但是很流行,包括Python,R和Java。

    人工智能即服务(AIaaS)

    由于AI的硬件,软件和人员成本可能很昂贵,因此许多供应商在其标准产品中包含AI组件,或者提供对人工智能即服务(AIaaS)平台的访问。AIaaS允许个人和公司出于各种业务目的对AI进行试验,并在做出承诺之前对多个平台进行采样。

    流行的AI云产品包括:

    亚马逊AI
    IBM Watson助理
    Microsoft认知服务
    Google AI

    四种类型的人工智能

    密歇根州立大学整合生物学与计算机科学与工程学助理教授Arend Hintze在2016年的一篇文章中解释说,人工智能可以分为四种类型,从今天广泛使用的特定于任务的智能系统开始,然后发展到感知系统,尚不存在。类别如下:

    类型1:反应式机器。这些AI系统没有内存,并且是特定于任务的。一个例子是Deep Blue,它是1990年代击败Garry Kasparov 的IBM国际象棋程序。深蓝可以识别棋盘上的棋子并做出预测,但由于它没有记忆力,因此无法利用过去的经验来告知未来的经验。
    类型2:有限的内存。这些AI系统具有存储能力,因此它们可以利用过去的经验来为将来的决策提供依据。无人驾驶汽车的某些决策功能是通过这种方式设计的。
    第三类:心理理论。心理理论是心理学术语。当应用于AI时,这意味着该系统将具有社交智能来理解情绪。这种类型的AI将能够推断出人类意图并预测行为,这是AI系统成为人类团队不可或缺的成员所必需的技能。
    类型4: 自我意识。在此类别中,人工智能系统具有自我意识,这赋予了它们意识。具有自我意识的机器可以了解自己的当前状态。这种类型的AI尚不存在。

    认知计算与人工智能


    术语“ AI”和“ 认知计算”有时可以互换使用,但通常来说,“ AI”标签是指通过模拟我们如何感测,学习,处理和响应环境中的信息来代替人类智能的机器。

    标签认知计算用于指模仿和增强人类思维过程的产品和服务

    人工智能技术的例子

    人工智能被整合到各种不同类型的技术中。这是六个示例:

    自动化。与AI技术结合使用时,自动化工具可以扩展执行任务的数量和类型。一个示例是机器人流程自动化(RPA),这是一种软件,可以自动执行传统上由人类执行的重复的,基于规则的数据处理任务。与机器学习和新兴的AI工具结合使用时,RPA可以使企业工作的大部分自动化,从而使RPA的战术机器人能够传递AI的智能并响应流程变化。
    机器学习。这是使计算机无需编程即可运行的科学。简而言之,深度学习是机器学习的一个子集,可以将其视为预测分析的自动化。机器学习算法分为三种:
    监督学习。标记了数据集,以便可以检测模式并将其用于标记新数据集。
    无监督学习。数据集未标记,而是根据相似性或差异进行排序。
    强化学习。数据集未标记,但是在执行一个或多个动作后,会向AI系统提供反馈。
    机器视觉。这项技术使机器具有查看能力。机器视觉使用摄像头,模数转换和数字信号处理来捕获和分析视觉信息。它通常可以与人类的视力进行比较,但是机器视觉不受生物学的束缚,例如可以进行编程以穿透墙壁。它用于从签名识别到医学图像分析的一系列应用。计算机视觉,其重点是基于机器的图像处理,往往混为一谈与机器视觉。
    自然语言处理。这是计算机程序对人类语言的处理。NLP的较早且最著名的示例之一是垃圾邮件检测,它可以查看电子邮件的主题行和文本,并确定是否为垃圾邮件。当前的NLP方法基于机器学习。NLP任务包括文本翻译,情感分析和语音识别。
    机器人技术。工程领域专注于机器人的设计和制造。机器人通常用于执行人类难以执行或难以持续执行的任务。例如,机器人用于汽车生产的装配线中,或被NASA用于在太空中移动大型物体。研究人员还使用机器学习来构建可以在社交环境中进行交互的机器人。
    自动驾驶汽车。自动驾驶汽车结合了计算机视觉,图像识别和深度学习功能,可以建立自动驾驶技巧,既可以在给定的车道内停留并避免意外的障碍物(例如行人)。

    人工智能的历史


    赋予智力的无生命物体的概念自古以来就已经存在。在神话中,希腊神赫菲斯托斯(Hephaestus)被描述为用金子锻造出像机器人一样的仆人。古埃及的工程师建造了由祭司制作的神像。纵观百年来,思想家,从亚里士多德到13 个世纪的西班牙神学家拉蒙Llull到笛卡尔和托马斯·贝叶斯使用的工具和他们那个时代的逻辑来描述人类的思维过程为标志,奠定了AI概念的基础上,如一般的知识表示。

    晚19 日和20个上半年个世纪以来带来了基础性的工作,会引起现代计算机。1836年,剑桥大学的数学家Charles Babbage和Lovelace伯爵夫人的Augusta Ada Byron发明了可编程机器的第一个设计。在1940年代,普林斯顿大学的数学家约翰·冯·诺伊曼(John Von Neumann)构思了存储程序计算机的体系结构,即计算机程序和它处理的数据可以保存在计算机内存中的想法。Warren McCulloch和Walter Pitts奠定了神经网络的基础。

    随着现代计算机的出现,科学家可以测试他们关于机器智能的想法。1950年,英国数学家和第二次世界大战密码破解者艾伦·图灵(Alan Turing)发明了一种确定计算机是否具有智能的方法。图灵测试的重点是使计算机欺骗询问者相信其对问题的回答是人类做出的。存在。

    现代人工智能领域被广泛引用为始于1956年在达特茅斯学院举行的夏季会议上。该会议由美国国防高级研究计划局(DARPA)赞助,该领域有10位知名人士参加了会议,其中包括AI先驱Marvin Minsky,Oliver Selfridge和John McCarthy,他们被誉为“ 人工智能”。出席会议的还有计算机科学家Allen Newell和经济学家,政治学家和认知心理学家Herbert A. Simon,他们介绍了他们开创性的Logic Theorist,这是一种能够证明某些数学定理的计算机程序,被称为第一个AI程序。 。

    在达特茅斯学院会议之后,处于起步阶段的AI领域的领导人预测,相当于人脑的人造情报即将来临,吸引了政府和业界的大力支持。确实,近20年资金雄厚的基础研究在AI方面取得了重大进展:例如,在1950年代后期,Newell和Simon出版了通用问题求解器(GPS)算法,该算法虽然不能解决复杂的问题,但却为发展更复杂的认知架构;麦卡锡开发了Lisp,这是一种AI编程语言,至今仍在使用。1960年代中期,麻省理工学院的约瑟夫·魏岑鲍姆(Joseph Weizenbaum)教授开发了ELIZA,这是一种早期的自然语言处理程序,为当今的聊天机器人奠定了基础。

    但是,由于计算机处理和存储的局限性以及问题的复杂性,阻碍了人工智能的实现,但并非遥不可及。政府和企业放弃了对AI研究的支持,导致了从1974年到1980年的休耕期,被称为第一个“ AI冬季”。在1980年代,对深度学习技术的研究以及爱德华·费根鲍姆(Edward Feigenbaum)的专家系统在业界的采用引发了AI热情的新浪潮,随后政府资金和行业支持又一次崩溃。第二个AI冬季一直持续到1990年代中期。

    计算能力的提高和数据的激增引发了1990年代后期AI的复兴,这种复兴一直持续至今。对AI的最新关注已在自然语言处理,计算机视觉,机器人技术,机器学习,深度学习等方面取得了突破。此外,人工智能正变得越来越有形,为汽车提供动力,诊断疾病并巩固其在流行文化中的作用。1997年,IBM的Deep Blue击败了俄罗斯国际象棋大师傅Garry Kasparov,成为第一个击败世界象棋冠军的计算机程序。十四年后,IBM的沃森(Watson)在游戏节目《危险(Jeopardy!)》中击败了两位前冠军而吸引了公众。最近,谷歌DeepMind的AlphaGo击败了18届世界围棋大赛冠军李·塞多尔(Lee Sedol) Go社区震惊了,并标志着智能机器开发的一个重要里程碑。

    人工智能的应用

    人工智能已进入各种各样的市场。这是八个例子。

    医疗保健中的AI。最大的赌注是改善患者的预后并降低成本。公司正在应用机器学习来做出比人类更好更快的诊断。IBM Watson是最著名的医疗保健技术之一。它能够理解自然语言,并且可以回答所提出的问题。该系统挖掘患者数据和其他可用数据源以形成假设,然后以置信度评分方案呈现该假设。其他AI应用程序包括使用在线虚拟健康助手和聊天机器人来帮助患者和医疗保健客户查找医疗信息,安排约会,了解计费流程并完成其他管理流程。一系列AI技术也被用于预测,战斗和理解大流行,例如COVID-19。
    商业AI。机器学习算法已集成到分析和客户关系管理(CRM)平台中,以发现有关如何更好地为客户提供服务的信息。聊天机器人已合并到网站中,以为客户提供即时服务。工作职位的自动化也已成为学者和IT分析人员的话题。
    教育中的人工智能。AI可以自动进行评分,从而给教育者更多的时间。它可以评估学生并适应他们的需求,帮助他们按照自己的节奏工作。人工智能导师可以为学生提供额外的支持,以确保他们始终如一。它可能会改变学生的学习方式和学习方式,甚至可能取代一些老师。
    金融领域的人工智能。Intuit Mint或TurboTax等个人理财应用程序中的AI正在破坏金融机构。诸如此类的应用程序收集个人数据并提供财务建议。其他程序(例如IBM Watson)已应用于购房过程。如今,人工智能软件在华尔街上进行了大量交易。
    法律上的人工智能。法律上的发现过程-通过文档进行筛选-通常对人类来说是不堪重负的。使用AI帮助自动化法律行业的劳动密集型流程可以节省时间并改善客户服务。律师事务所正在使用机器学习来描述数据和预测结果,使用计算机视觉来对文档进行分类和提取信息,并使用自然语言处理来解释对信息的请求。
    制造业中的AI。制造业一直是将机器人纳入工作流程的最前沿。例如,是一次工业机器人编程以执行单一任务和人类工人分离出来,越来越多的功能cobots:更小,多任务与人类协作,并采取作业的仓库,工厂车间多个部分责任机器人和其他工作区。
    银行业的人工智能。银行成功地使用了聊天机器人,使客户了解服务和产品,并处理不需要人工干预的交易。AI虚拟助手正在用于改善和降低遵守银行法规的成本。银行组织也正在使用AI来改善其贷款决策,设置信贷限额并确定投资机会。
    运输中的AI。除了AI在操作自动驾驶汽车中的基本作用外,AI技术还用于交通运输中,以管理交通,预测航班延误并提高海运安全性和效率。

    安全中的AI:人工智能和机器学习已成为当今安全厂商用来区分其产品的流行语的顶部。这些术语也代表着真正可行的技术。网络安全产品中的人工智能和机器学习正在为寻求识别攻击,恶意软件和其他威胁的方法的安全团队增添真正的价值。

    组织在安全信息和事件管理(SIEM)软件以及相关领域中使用机器学习来检测异常并识别表明威胁的可疑活动。通过分析数据并使用逻辑识别与已知恶意代码的相似性,人工智能可以比人类员工和以前的技术迭代更快地为新出现的攻击提供警报。

    因此,人工智能安全技术不仅可以大大减少误报的数量,还可以让组织有更多时间在造成破坏之前应对实际威胁。成熟的技术在帮助组织抵御网络攻击方面发挥着重要作用。

    人工智能技术的监管

    尽管存在潜在的风险,但目前很少有法规规范AI工具的使用,并且在存在法律的地方,它们通常间接涉及AI。例如,如前所述,美国公平贷款法规要求金融机构向潜在客户解释信贷决策。这限制了贷方可以使用深度学习算法的程度,而深度学习算法本质上是不透明的且缺乏可解释性。

    欧盟的通用数据保护条例(GDPR)对企业如何使用消费者数据进行了严格限制,这阻碍了许多面向消费者的AI应用程序的培训和功能。

    2016年10月,美国国家科学技术委员会发布了一份报告,审查了政府法规在AI发展中可能发挥的潜在作用,但并未建议考虑制定具体立法。

    制定法规来规范AI并非易事,部分原因是AI包含了公司用于不同目的的多种技术,部分原因是法规可能会牺牲AI的发展和发展。AI技术的快速发展是形成有意义的AI监管的另一个障碍。技术的突破和新颖的应用会使现有法律立即过时。例如,现行规范对话和记录的对话的隐私的法律并未涵盖语音助手(例如,亚马逊的Alexa和苹果的Siri)聚集但不分发对话所带来的挑战,但公司使用该技术来改善机器的技术团队除外学习算法。而且,当然,政府确实设法制定法规以规范AI

     

     

    展开全文
  • 点击上方“蓝色字”可关注我们!暴走时评:根据2月19日发布的官方声明,西班牙最大的跨国电信公司Telefónica将推出一项支持创新技术领域企业家的计划,这项为期一个月的...
        
    640?wx_fmt=png点击上方“蓝色字”可关注我们!







    640?wx_fmt=jpeg

    暴走时评:根据2月19日发布的官方声明,西班牙最大的跨国电信公司Telefónica将推出一项支持创新技术领域企业家的计划,这项为期一个月的计划旨在支持区块链、人工智能、虚拟现实和大数据领域的初创公司和创新项目,因为这些项目已经准备好“通过新技术颠覆传统生态系统”。这项对企业家的呼吁将持续到3月20日,所选的创业公司将得到全球开放未来网络和Telefónica的推动和支持。

    作者:Max Yakubowski  翻译:Miracle Zhang

    根据2月19日发布的官方声明,西班牙最大的跨国电信公司Telefónica将推出一项支持创新技术领域企业家的计划,如区块链和人工智能(AI)。

    这家总部位于马德里的公司 - 也是全球最大的电话运营商和移动网络提供商之一 - 已经通过其科技孵化器子公司Telefónica Open Future推出了今年的首次“开放式创新”电话会议。这项为期一个月的计划旨在支持区块链、人工智能、虚拟现实和大数据领域的初创公司和创新项目,因为这些项目已经准备好“通过新技术颠覆传统生态系统”。声明指出:

    “这一呼吁旨在推动已经在生态系统中显示出巨大能力的公司的发展。”

    Telefónica Open Future是一个全球平台,旨在连接专注于创新和创业的公共和私营机构。这项对企业家的呼吁将持续到3月20日,所选的创业公司将得到全球开放未来网络和Telefónica的推动和支持。

    Cointelegraph在1月24日曾报道,尽管仍然处于加密货币寒冬,但总部位于瑞士的加密货币投资公司进行的一项调查显示,瑞士和列支敦士登的区块链初创公司数量在持续增长中。

    根据最近的一份报告,韩国领先的电信公司KT公司已被选中在韩国金浦市开发本地加密货币。

    本文仅代表作者个人观点,不代表区块链铅笔的立场,不构成投资建议,内容仅供参考。

    640?wx_fmt=png

    3分钟了解什么是区块链?(中文动画)|(英文动画教程

    3分钟了解什么是DAO?(中文动画)|(英文动画教程)

    3分钟看懂以太坊和智能合约?(中文动画)|(英语动画教程)

    3分钟了解比特币挖矿和区块链共识机制?(中文动画)|(英文动画教程)

    3分钟了解公有链和私有链(中文动画教程)|(英文动画教程)

    3分钟了解区块链的六层模型(中文动画教程)|(英文动画教程)

    什么是区块链英文版(动画教程)

    肖风:区块链与另类资产配置

    逐鹿区块链!详解三大巨头BAT区块链战略布局

    麦肯锡报告:区块链对保险行业的影响

    八张图表解读区块链的未来发展

    震惊全球的The DAO黑客事件全程回顾

    Circle获得包括IDG、百度、万向在内6000万美元融资


    关注本公众号后,进入公众号

    回复关键词可以查阅资料,以下是部分关键词


    回复 WEF ,查看《WEF:世界经济论坛认为区块链是互联网金融行业的未来报告》

    回复 智能合约 ,查看《巴克莱银行报告》

    回复 moody ,查看《穆迪120个区块链项目报告》

    回复 SWIFT ,查看SWIFT《区块链对证券交易全流程产生的影响及潜力》报告

    回复 论文11 ,查看论文《可扩展的去中心区块链》

    回复 埃森哲2 ,查看埃森哲《区块链每年可以为投资银行节省120亿美元》报告

    回复 联合国报告 ,查看联合国报告《数字货币和区块链技术在构建社会和可信金融之间扮演的角色》

    回复 用户特性 ,查看普林斯顿大学首本比特币教科书初稿《比特币用户的特性(Characteristics of Bitcoin Users)》

    回复 普林斯顿 ,查看普林斯顿大学首本比特币教科书初稿《比特币和数字货币技术(Bitcoin and Cryptocurrency Technologies)》

    回复 IMF,查看国际货币基金组织报告《Virtual Currencies and Beyond: Initial Considerations》

    回复 DTCC ,查看美国存管信托清算公司报告《DTCC: 拥抱分布式》

    回复 广发 ,查看报告《科技前沿报告:区块链:正快速走进公众和政策视野》

    回复 川财1 ,查看报告《川财证券:区块链技术调研报告之一:具有颠覆所有行业的可能性》

    回复 川财2 ,查看报告《川财证券:区块链技术调研报告之二:区块链技术进化论-区块链技术的国内实践和展望》

    回复 桑坦德 ,查看桑坦德银行报告《The Fintech 2.0 Paper: rebooting financial services》

    回复 拜占庭 ,查看《拜占庭将军问题详解》

    回复 论文1 ,查看论文《比特币闪电网络:可扩展的离线即时支付》

    回复 论文2 ,查看论文《比特币骨干协议》

    回复 论文3 ,查看论文《数字货币是否应该进入Barbados央行国际储备货币组合中》

    回复 帮助 ,查看本公众号全部关键词列表

    640?wx_fmt=jpeg

    点击下方“阅读原文”查看更多页面出现后再点击“来源”可以查看译文原文链接 ↓↓↓


    展开全文
  • 《倚天屠龙记》中,峨眉掌门斗敌不过,便使了倚天剑,寄希望于用天下...2018全球人工智能技术大会(GAITC)将于5月19-20日在北京国家会议中心举行。大会以“交叉、融合、相生、共赢”为主题,将继续承担起带领人类把握...

    《倚天屠龙记》中,峨眉掌门斗敌不过,便使了倚天剑,寄希望于用天下最具杀伤力的兵器给自己战力多一份加成。如今,在各个行业的力求IT可以更多赋能企业创新核心的问题上,AI技术正在扮演倚天剑的角色。令人高兴的是,近期就有一个机会,让您触手可及您需要的AI。

    2018全球人工智能技术大会(GAITC)将于5月19-20日在北京国家会议中心举行。大会以“交叉、融合、相生、共赢”为主题,将继续承担起带领人类把握AI时代脉搏的历史重任,并就AI技术的最新研究、最为全面的商业化能力、最具代表性的科研成果,与您共同绘制出最为清晰的AI新时代版图。

      届时,您可以遍览全球近百个AI课题,哪个会惊艳到你呢?

      能陪聊也能写诗,自然语言处理技术到底有多牛了?

    作为人工智能的一个重要分支,自然语言实现人与机器的自然交流。实际上,人工智能从一开始正是从自然语言处理发端的,而自然语言处理在随后的发展过程中,也经历了基于规则、基于统计和基于深度学习这三个阶段。如今,自然语言理解已经通过AI技术,不仅把人的语言转化成原发的表达能力,还会融入更多的情感表达。

    近两年,自然语言理解研究的深化促使该领域内应用的里程碑不断呈现:2017年5月,微软小冰推出了人类历史上第一部100%由人工智能创造的原创诗集——《阳光失了玻璃窗》;2017年9月,苹果发布会首现小娜同声传译;2018年3月,微软“全双工语音交互感官”落地,微软小冰达成“让对话像河流一样进行”的水准。

    在本次峰会自然语言理解论坛上,微软亚洲研究院主管研究员、微软小冰首席科学家宋睿华博士将担纲主持,立足于自然语言理解的最新前沿动态和技术突破,与众嘉宾共话自然语言理解应用趋势。除此之外,关于自然语言处理方面的讨论还有更多精彩看点。例如,联想集团副总裁、德国人工智能研究中心语言技术实验室文本分析研究组负责人以及首席研究员徐飞玉博士也将莅临本次论坛,将带来自身二十年投身于AI领域的研究成果,并演绎“人机共生”的联想AI大思维模式,作为掌握 “聊天机器人系统”“短信机器人系统”“人机交互技术实现自动客户服务设备”等数十项科技专利产品的AI极客,小i机器人创始人与CEO朱频频博士带来的解决方案,势必带来一定的影响力。

      智能驾驶未来已至!

    本次峰会设立了智能驾驶论坛。李德毅院士一直致力于为智能驾驶产业做出积极推动及改变,并会在智能驾驶论坛上作出最新的研究报告。他认为,我们要对智能驾驶有一个可持续发展的理念。从特定的应用环境寻找量产Level 3(有限的无人驾驶)着手,人类摆脱了驾驶的羁绊,开始享受移动办公和移动生活,逐步推广到更高车速、更加复杂的道路场景,更多不确定性天气气候下的自动驾驶。人工智能将以“润物无声”的柔软改变整个世界。

    政策红利下,智能驾驶产业的规模化实现,还需要科研人员、汽车制造厂商、芯片厂商各方共同发力。基于此,智能驾驶论坛还邀请到蔚来软件开发(中国)副总裁庄莉女士;北京主线科技有限公司创始人兼CEO张天雷先生;华夏幸福副总裁、产业研究院院长顾强先生;宁德时代中国区乘用车业务总经理朱威先生出席,畅聊人工智能在汽车产业落地的现状、困境与前景,通过现场对话,为符合中国国情的智能驾驶之路建言献策。

      用AI创业,别负了自己的大好年华!

    有人说,人工智能于青年而言是危险,是即将到来的“失业”隐痛。殊不知,我们现在正生活在一个人工智能领域激发无穷机会的时代,未来人工智能所赋予的生活品质的提升与事业机遇何止眼前?

    前辈们已经做出了很多成功实践。诸如,一点资讯率先提出并采用了“人机结合”的独特模式,将机器学习+人工编辑的“人工智能”应用于移动资讯领域;码隆科技作为全球首个提出“商品识别”概念的人工智能创新企业,利用弱监督学习算法的技术优势和自主开发的ProductAI服务平台,开辟了视觉识别领域产业发展的新赛道;乂学教育凭借“智适应学习引擎”完成特级教师水平的课程定制和教学,达成传统教育5至10倍的学习效率……

    本次峰会的人工智能青年坛上,这些成功企业的代表将会给出更为详细的答案。人工智能青年坛将由医渡云首席人工智能科学家闫峻主持,一点资讯技术副总裁王元元、码隆科技联合创始人兼CTO码特(Matt Scott)、乂学教育首席科学家崔炜、Google机器学习云AI团队技术主管罗昶、Linux基金会亚太地区战略规划总监Keith Chan将与到会嘉宾和观众将就人才、技术、应用、创新创业、投资这五个维度进行解码,讲述他们眼中的科技青年世代。

    如果说2017年宣告了人工智能接棒时代脉搏,那么2018年的人工智能将作为颠覆性变革力量迭代世界机器的运作。2018 GAITC盛会之际,CAAI理事长、中国工程院李德毅院士与图灵奖得主、中国科学院姚期智院士、欧洲科学院院士汉斯•乌思克尔特领衔本次大会,带领大家以科技巨匠的视角,进一步解析人工智能之于人类发展的新基调。

    不仅两院院士领衔,更联袂国际AI巨匠。 怀着同样利用人工智能服务人类社会的初心,这次全球人工智能技术大会将主动拥抱全世界,邀请来自美国、德国、英国、西班牙、意大利、新西兰等十余国AI精英代表,偕同自身领域的研究成果与成品实践莅临本次大会。同时,来自哈佛大学、卡内基梅隆大学、耶鲁大学、牛津大学、剑桥大学、马德里理工大学等国际学术机构领航者将悉数来到,并带来语义翻译、知识图谱、机器学习等方面前沿研究成果,通过深度的成果展示、学术交流、观点碰撞,进一步挖掘人工智能新价值。

    2018全球人工智能技术大会嘉宾日程及更多详情请访问:https://www.huodongjia.com/event-1718739275.html

    展开全文
  • 我们正处于AI时代:衣食住行中的AI什么人工智能AI对传统行业的冲击AI对广告行业和媒体行业的冲击AI对教育行业的影响AI对艺术创作行业的影响AI对物流行业和工业行业的影响 我们每天所谈论的人工智能,究竟是什么...

    我们每天所谈论的人工智能,究竟是什么?

            人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
            人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。
            人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 2017年12月,人工智能入选“2017年度中国媒体十大流行语”。
            简单而言什么是人工智能这个问题的答案很简单,但它非常重要。如何理解人工智能,决定了我们如何面对人工智能,如何抓住人工智能浪潮所带来的时代机遇。

            在知道答案之前,需要先了解一下:最近一些年,人工智能给我们的生活带来了哪些变化。它们不声不响地发生着,当你发觉时却早已势不可挡……

    我们正处于AI时代:

            其实,我们即将处于一个人工智能时代,每天都在和人工智能打交道。现在,让我们一起正式推开人工智能的大门,一起来扒一扒AI对我们『衣食住行』的影响。

    衣食住行中的AI

            前几日我去逛街,发现Selected的实体店里多了一个试衣神器叫魔镜系统,手只要轻轻一挥,就可以展现各种衣服在身上的效果,原来它长这副模样。

            它主要使用了计算机视觉和3D建模技术,消费者只在魔镜里输入自己的性别、身高、体型就可以选择心仪的衣服,进而通过技术将服装的虚拟影像『穿』在镜中的人像上,同时还可更换为同一款式的其他色彩。这就可以在更短的时间里试穿更多的衣服,而且省去排队的麻烦,这真是给女生的一大福利啊!对于商家也是一大福音,自2008年,全球最大的时尚集团之一绫致时装将selected引进中国市场以来,SELECTED由最初的50家店铺,增长到现在已超过1000家。
            SELECTED基于新零售这个时代趋势下的,采用大数据技术、人工智能技术更大程度上的充实客户体验感,提高品牌影响力。

            同是服装行业的优衣库,在四月新发布的福布斯2019年富豪榜中,优衣库的创始人柳井正击败软银掌门人孙正义再次成为日本首富,其中RFID电子标签、智慧门店发挥了不容小觑的作用。

            RFID电子标签也就是射频识别技术,相较于需要人工操作的条形码,RFID标签使得购物篮中的所有商品可以一次扫描,大大节省支付和库存管理的时间,从而保证热销产品产量迅速提高。

            另外,RFID电子标签将获取更加详尽的信息,比如消费者何时拿取商品和放回货架,及产品于何时何地售出,其产生的大量数据可以结合人工智能技术可以分析消费者行为。

            智慧门店采用智能导购可以为顾客选择和搭配服饰,提高购买率。

            在深圳万象天地的优衣库,每层楼都有两个电子智能屏幕。这是一款导购机器人,智能导购员是其主要功能。通过人机对话,分析用户的筛选条件,最终在屏幕上推送用户所需商品。

            智能导购给我们提供了更加精准、优质、舒适的服务。

            技术真是日新月异,90年代时,我们只会在实体店里买衣服,根本不会有什么网上购物的概念。随着互联网技术和移动支付技术的成熟,网购似乎已成为了大多数人生活中不可或缺的一部分,足不出户就可以购买到心仪的衣服。

            如今,AI、VR技术的发展,智能试衣更是会提高消费者网店和实体店的购物体验。

    『民以食为天』,那在饮食方面,人工智能对我们有什么影响呢?人工智能可不可以帮助我们控制饮食,保持魔鬼身材和好气色呢?

            推荐一款APP——Coco Nutritionist给大家,它是由麻省理工开发的,通过AI分析食物成分,合理地安排膳食并燃烧你的卡路里。

            这款APP的使用非常简单,只需要打开APP说你今天吃了什么,APP通过语音识别技术和语义分析技术,自动记录你的饮食信息;然后通过另外一套AI分析系统分析各个食物的营养成分和卡路里,并将营养数据可视化。我们可以清晰地掌握和控制自己的饮食。

            还有啊,你可以拍下那些『不知其名』的食材,APP会为你分析它的营养价值和热量,并给出适宜你的烹饪食谱。可谓是集合了计算机视觉、语音识别、语义分析各大技术于一体的健康小助手,指导人们科学健康地生活。

            聊完吃的,我们再一起来到美丽的西湖畔,感受一下阿里巴巴未来酒店里面的黑科技。

            进入酒店,刷脸完成check-in,乘电梯刷脸就可以按楼层;进入房间,刷脸就可以打开房门;

            当进入房间之后,客房小管家天猫精灵已等候在内,你可以通过天猫精灵控制房间温度、灯光、窗帘、电视等;餐厅里为你上菜的是机器人服务员。

            从大堂到电梯再到房间,乃至餐厅、健身房等等,都涵盖人脸识别、语音控制、智能机器人等黑科技服务。

            基于AI智能的酒店智慧系统解决方案,为住客节省时间、提供方便,且帮助酒店服务人员减少重复性工作。据阿里未来酒店CEO王群介绍,“未来酒店的人效比是同档次、同规模酒店的1.5倍。”可能再过10年,可能司机这个职业将被AI取代,2017年12月2日,深圳无人公交车打响了第一枪,无人公交正式上路。

            虽然有司机的监控,但已基本实现了无人驾驶的功能。

            除此之外,还记得2018年春晚上,100辆比亚迪无人驾驶车队声势浩浩荡荡,在港珠澳大桥向全球华人展示强大的科技魅力!


    什么是人工智能?

            人工智能这个词近年来已经深入到我们生活的方方面面并被捧得热火朝天,但是,极少人真正知道它到底是怎么一回事。

    机器人

            相信很多人都会说机器人,其充其量只能算是人工智能的外在形态。

            人工智能并不等同于这些“外在形态”,它是在背后负责操控一切的“大脑”,比我们想象的还要强大得多。

    image-20200524140044406

            我们每天所谈论的人工智能,究竟是什么?

            维基百科这样解释:“人工智能亦称机器智能,是指由人制造出来的机器所表现出来的智能。”而更富远见与洞察的答案却是:

    image-20200524140114426

            人工智能 = 技术 + 应用。此处,技术是指那些能“让机器模拟人的基础能力”的技术。比如,人的眼睛能看,传统的机器不能,那我们就去研发“图像识别技术”,让机器能看;比如,人能理解文字,传统的机器不能,那我们就去研发“自然语言处理技术”,让机器能理解文本。

            此处,应用是指各行各业。所有可能应用到上述技术的地方,比如:安防、新零售、交通、工业等。

            这个等式在告诉我们:同样的技术,应用在不同的领域,能够创造不同的社会价值;同样的应用场景,搭配不同的技术,则都能够以不同的方式创造社会价值。

            接下来,我会为你详细地诠释这一点。

            人工智能,最终把那些传统意义上,只有人能做的事情,不管是简单劳累的体力劳动——感知和运动,还是复杂的脑力劳动——推理、决策和学习,都交给机器或软件去完成,它们会做得和人一样好,甚至是比人更好。

            那我们一起感受一下AI是如何把图像识别技术、GAN网络、自然语言处理技术应用到各行各业中。比如:广告行业、媒体行业、教育行业、艺术创作行业、物流行业和工业行业,颠覆了各传统行业的工作方式,消灭重复性劳动!

    AI对传统行业的冲击

    AI对广告行业和媒体行业的冲击

            阿橙大学专业学的是广告设计,毕业后,他去了一家4A广告公司担任设计师。

            对他而言,工作中最痛苦的时候并不是找不到做图的灵感,而是无休止地根据甲方爸爸的要求改图。

            半夜守着电脑等甲方回复,打开电脑看到辛苦做的图又被提了一大堆修改意见,就觉得要精神崩溃。

    “logo再大一点、颜色再亮一点,要体现出我们的理念和精神……”
    “我感觉设计得还不够大气,能不能换一个更高端的字体……”

    image-20200524140352076

            而另一位在互联网公司做新媒体编辑的小爽,她的苦恼则是:你永远不知道新的热点和明天哪个会先来。

            当新事件发生的时候,就是她在电脑前埋头码字、思考抓眼球的标题的时候。

    “晚上十点主编打电话告诉我某某明星又爆出大料……”
    “你体会过辛苦排版了一下午的微信文章被打回的心碎吗……”

            我听着大家吐槽,却不知该如何告诉他们:这些烦恼,很快将不复存在了。不想重复性地替甲方爸爸改图?没问题啊,这件事,未来将由AI来替你做。

    image-20200524140440757

            早在去年,阿里就发布了一款名叫“鲁班”的人工智能设计师。

            鲁班在去年双十一期间上岗,平均每秒做8000张海报,共计在双十一期间完成了四亿张设计图。

            简单来说,在鲁班的“人工智能小脑袋瓜”里存着海量的广告元素:如文案、产品、背景、点缀元素、LOGO等,他们不同的组合方式形成了一套“设计语言库”。

            设计师在做图的时候需要分析甲方的需求,调用脑子里存储的资源,思考解决方案,有时难免会出现“灵感枯竭”的情况。

            但鲁班的小脑袋瓜里装的东西可太丰富了,只要你一声令下,它就能一秒调出你想要的。

            这意味着,在大批量作业的商业设计领域,AI有着非常明显的优势:既快速,又齐整。

            从此再也不需要设计辛辛苦苦地做完一大批“每一个都不一样,但整体又要一样”的图后,感觉自己是个瞎子。

            可我们有没有想过为什么鲁班可以将脑袋中的元素完美地组合呢?

    前面有提及过按照一系列地组合方式呀。

            但是组合方式,或是说广告的模版是怎么来的呢?难道是设计师给出的?No,No,其实是依靠其背后的深度学习,对大量的设计广告案例(图像)进行结构化标注,然后输入大型的神经网络学习风格和排版,最后输出空间 + 视觉的设计模版。

            其实鲁班就是深度学习在设计行业里的一个应用,技术是应用的灵魂,而应用是技术的载体。

    image-20200524140650044

    好吧,人工智能又能如何帮忙解决媒体行业里文字创作的烦恼呢?

            好,我们就来看看新媒体运营们头疼的:追赶热点、组织文案、写稿。

            不想大晚上被主编的电话叫醒,没问题啊,这份工作AI一样可以帮你完成得好好的。

            早从去年开始,公众号“中国地震台网”就已经在用AI新媒体编辑写即时新闻了。

            比如说,前不久日本北海道地区发生5.5级地震的新闻就是由AI写的,排版和文字长这样:

    image-20200524140736203

    虽然文字和排版都很简单,但猜猜写这篇推送AI用了多久?

    image-20200524140753634

            只用十秒,就完成一篇推送。24小时超长在线,一有突发事件就能马上开始工作。

    换做是我来写作的话,十秒钟大概只够时间写完一个标题吧_;。

            人工智能写作依靠的是背后的数据库和优秀的技术比如自然语言处理,将数据、案例素材、文字流畅地组合一起形成文章。

    image-20200524140827627


            如果说,上班一族最讨厌的是无意义的重复性劳动,那么,对于学生党而言,最烦恼的应该就是考试了吧。考试不仅考的是学习能力,还有应试技巧(没错,就是套路)。那么,在考试之中,人工智能的表现又如何呢?

    AI对教育行业的影响

            先看看千军万马过独木桥的高考。2017年,成都的AI-MATHS高考机器人参加了高考数学,在掐断题库、断网、无人干涉的情况下进行解题。结果是,它分别用了22分钟和10分钟完成了高考北京文科数学卷和数学全国卷二,最终分别获得了105分和100分,平均分102.5。

    image-20200524141206433

            虽然人家考得一般,但人家题目做得快啊,给你十分钟写一张卷子,你能考这个成绩吗?可见,在学习方面,人工智能做的也并不比你差。不好好学习的话,可能连考试都考不过AI。再告诉你个事儿,AI在“考试”领域可不仅仅能成为参与者,它还能成为老师一样的批改者。
            在浙江外国语学院国际学院,来自阿里巴巴的人工智能已经为11位留学生批改了作文,平均每篇作文批改时间为40秒。

    image-20200524141333950

            说不定在不远的将来,决定你考试过不过,能不能拿到毕业证的,不再是人类批改员,而是更准确、更高效的人工智能批改员。同样的,无论是AI考试还是AI批阅试卷还是上个案例中的AI写作,都是深度学习——自然语言处理的应用,我们看到了同一技术可以实现不同的应用。

    image-20200524141416359


    AI对艺术创作行业的影响

            图像风格迁移是计算机视觉领域中,比较有意思的应用。风格迁移也就是:你给人工智能一张随便拍的照片,它就能帮升级成梵高风格的绘画作品。

    image-20200524141529521

            图像风格迁移的背后可以是深度学习——卷积神经网络的图像特征提取,比如2016CVPR(CVPR是计算机视觉的顶级会议)论文《Image Style Transfer Using Convolutional Neural Networks》就采用卷积神经网络来进行风格迁移。

            还可以是利用GAN网络技术风格迁移,在2018CVPR论文《Multi-Content GAN for Few-Shot Font Style Transfer》中,将设计师设计好的某些艺术字母风格迁移到没有出现过的字母上,避免重复设计。

    image-20200524141556304

            GAN网络学习第一行的P、U、W三个字母的艺术风格,生成其余23个字母的艺术风格,如上图中的最后一行。

            或许现在你还不知道什么是卷积神经网络、GAN网络,或许还比较难理解背后技术的思想,但现在我们只需知道它是深度学习的一个技术即可。

            一个应用的实现往往可以选择不同的技术,这就需要我们结合具体应用和分析应用的特点选择适宜的技术。

    image-20200524141620028
            人工智能确实无法凭空创造,但只需要给它一点点线索,它就能从强大的小脑袋瓜里给你输出想要的东西。

            比如谷歌家出的一个会画画的黑科技AutoDraw。大概就是,你随便鬼画个什么,谷歌都能把它变成一副正儿八经的画。

    没想到AI还真能手绘图像,那它背后的技术是什么?

            其实AutoDraw使用了图像识别技术,AutoDraw首先识别出用户用简单线条画出的图形,然后根据识别的结果将『简单线条』替换为系统内置的『准确』图形。通常提及图像识别技术时,人们大多数时候会想到人脸识别、物品识别,现在我们可以了解到同样的图像识别技术,当稍微调整之后可以做出更多有趣的应用。

    image-20200524141743561

    在制图、绘画的设计行业里,需要大量的创意和灵感,AI表现得并不比人类差,同样是艺术领域里的音乐演奏和创作,AI的表现如何呢?

            近日,首个机器人音乐舞台剧《墨甲幻音》上演为清华大学庆生,演员有竹笛机器人,箜篌机器人和排鼓机器人,奏响了科技和文化的琴瑟和鸣。

    image-20200524141817198

            但是,这可不是AI初次展露在音乐中的天赋,深圳平安科技在“全球AI艺术大赛(Global AI Art Competition)”的作品《青春记忆》荣获大赛最高荣誉一等奖。它可是由人工智能完全创作的音乐,无论是制曲还是填词。

            那它是如何制造出来的呢?它学习了5万多首相同风格的音乐作品,10万多篇流行音乐歌词和诗歌,通过深度神经网络学习特征,制作出曲和词,然后再学习一个深度模型将曲和词联合起来。

            人工智能已经称为一种可行的工具,帮助音乐创作人创造出更多佳作。流行歌手泰伦萨瑟恩(Taryn Southern)与AI合作,共同打造她的首张专辑《I AM AI》。


    以上这些需要用脑的工作都能交给人工智能完成,还做得不比人类差。那么,那些重复性劳动程度高的体力活就更不用说了。我们来看看需要大量人力支持的物流行业是如何利用AI的?

    AI对物流行业和工业行业的影响

            京东早就用上了物流机器人。

            在东莞麻涌的一个京东分拣中心,原来的300位分拣员工,被裁到了仅剩20人,而这个裁员还将继续。

    那谁负责去派送呢?

            去年开始,京东的无人车就在北京的6所大学完成了第一次的派送任务。原本由快递小哥负责的派送工作,现在也换成了人工智能。

            不需要担心无人车会送错、延误等等,这辆无人车配置多种传感器结合计算机视觉技术一路上能360度感知路况,比人类派送员还要靠谱。

            感慨这世界变化太快?其实,在你的视线范围之外,还有更多行业正在受到人工智能的冲击。物流行业如今朝着无人化、自动化发展,工厂和生产流水线就更不用说了。你知道上海通用金桥工厂的凯迪拉克轿车是如何生产出来的吗?繁重劳累的焊接工作,在机器人的手中如同拈花般轻松自如。

            偌大的车间内,只有10多位工人,他们管理着386台机器人,每天与机器人合作生产80台凯迪拉克。


            无论是AI制图、制曲、写作、考试、阅卷、快递派送、无人车间都依靠【技术】的支撑,而【应用】上的更高需求使得技术得以迭代优化。

            我们从人工智能在传统行业中的应用中探索AI的本质,除此之外,我们还需想想看,用AI既节省成本,又提高效率,有哪个聪明的企业家不会选择使用人工智能替代人力的重复性劳动呢?

            这下,你能明白为什么我说,在不久之后,大家的“烦恼”都将不复存在了吧。

            全球最权威的咨询公司麦肯锡的研究报告称:预计到2030年,人工智能的发展,将有7500万至3.75亿人需要重新找工作。

            这意味着全球每100人中,就有3~14个人需要另谋出路。

            在18年西班牙世界零售大会上,刘强东说“未来京东,百分之百无人化运营,未来的京东将是一家自动化运营的企业,京东将在未来的十年里,把现在的16万员工减少到8万。”

            在这样的背景下,有的人会想我的工作也不一定会被机器替代,且行且看不着急,但我想说的是:科技不一定只意味着淘汰,更多是机会和价值。

            人工智能简而言之:人工智能 = 技术 + 应用。



    (后续待补充)
    展开全文
  • 人工智能artificial intelligence,AI是科技研究中最热门的方向之一。像 IBM、谷歌、微软、Facebook 和亚马逊等公司都在研发上投入大量的资金、或者收购那些在机器学习、神经网络、自然语言和图像处理等领域取得了...

    人工智能artificial intelligence,AI是科技研究中最热门的方向之一。像 IBM、谷歌、微软、Facebook 和亚马逊等公司都在研发上投入大量的资金、或者收购那些在机器学习、神经网络、自然语言和图像处理等领域取得了进展的初创公司。考虑到人们对此感兴趣的程度,我们将不会惊讶于斯坦福的专家在人工智能报告中得出的结论:“越来越强大的人工智能应用,可能会对我们的社会和经济产生深远的积极影响,这将出现在从现在到 2030 年的时间段里。”

    在最近的一篇文章中,我们概述了 45 个十分有趣或有前途的人工智能项目。在本文中,我们将聚焦于开源的人工智能工具,详细的了解下最著名的 15 个开源人工智能项目。

    以下这些开源人工智能应用都处于人工智能研究的最前沿。

    1. Caffe

    它是由贾扬清在加州大学伯克利分校的读博时创造的,Caffe 是一个基于表达体系结构和可扩展代码的深度学习框架。使它声名鹊起的是它的速度,这让它受到研究人员和企业用户的欢迎。根据其网站所言,它可以在一天之内只用一个 NVIDIA K40 GPU 处理 6000 万多个图像。它是由伯克利视野和学习中心(BVLC)管理的,并且由 NVIDIA 和亚马逊等公司资助来支持它的发展。

    2. CNTK

    它是计算网络工具包Computational Network Toolkit的缩写,CNTK 是一个微软的开源人工智能工具。不论是在单个 CPU、单个 GPU、多个 GPU 或是拥有多个 GPU 的多台机器上它都有优异的表现。微软主要用它做语音识别的研究,但是它在机器翻译、图像识别、图像字幕、文本处理、语言理解和语言建模方面都有着良好的应用。

    3. Deeplearning4j

    Deeplearning4j 是一个 java 虚拟机(JVM)的开源深度学习库。它运行在分布式环境并且集成在 Hadoop 和 Apache Spark 中。这使它可以配置深度神经网络,并且它与 Java、Scala 和 其他 JVM 语言兼容。

    这个项目是由一个叫做 Skymind 的商业公司管理的,它为这个项目提供支持、培训和一个企业的发行版。

    4. DMTK

    DMTK 是分布式机器学习工具Distributed Machine Learning Toolkit的缩写,和 CNTK 一样,是微软的开源人工智能工具。作为设计用于大数据的应用程序,它的目标是更快的训练人工智能系统。它包括三个主要组件:DMTK 框架、LightLDA 主题模型算法和分布式(多义)字嵌入算法。为了证明它的速度,微软声称在一个八集群的机器上,它能够“用 100 万个主题和 1000 万个单词的词汇表(总共 10 万亿参数)训练一个主题模型,在一个文档中收集 1000 亿个符号,”。这一成绩是别的工具无法比拟的。

    5. H20

    相比起科研,H2O 更注重将 AI 服务于企业用户,因此 H2O 有着大量的公司客户,比如第一资本金融公司、思科、Nielsen Catalina、PayPal 和泛美都是它的用户。它声称任何人都可以利用机器学习和预测分析的力量来解决业务难题。它可以用于预测建模、风险和欺诈分析、保险分析、广告技术、医疗保健和客户情报。

    它有两种开源版本:标准版 H2O 和 Sparking Water 版,它被集成在 Apache Spark 中。也有付费的企业用户支持。

    6. Mahout

    它是 Apache 基金会项目,Mahout 是一个开源机器学习框架。根据它的网站所言,它有着三个主要的特性:一个构建可扩展算法的编程环境、像 Spark 和 H2O 一样的预制算法工具和一个叫 Samsara 的矢量数学实验环境。使用 Mahout 的公司有 Adobe、埃森哲咨询公司、Foursquare、英特尔、领英、Twitter、雅虎和其他许多公司。其网站列了出第三方的专业支持。

    7. MLlib

    由于其速度,Apache Spark 成为一个最流行的大数据处理工具。MLlib 是 Spark 的可扩展机器学习库。它集成了 Hadoop 并可以与 NumPy 和 R 进行交互操作。它包括了许多机器学习算法如分类、回归、决策树、推荐、集群、主题建模、功能转换、模型评价、ML 管道架构、ML 持久、生存分析、频繁项集和序列模式挖掘、分布式线性代数和统计。

    8. NuPIC

    由 Numenta 公司管理的 NuPIC 是一个基于分层暂时记忆Hierarchical Temporal Memory,HTM理论的开源人工智能项目。从本质上讲,HTM 试图创建一个计算机系统来模仿人类大脑皮层。他们的目标是创造一个 “在许多认知任务上接近或者超越人类认知能力” 的机器。

    除了开源许可,Numenta 还提供 NuPic 的商业许可协议,并且它还提供技术专利的许可证。

    9. OpenNN

    作为一个为开发者和科研人员设计的具有高级理解力的人工智能,OpenNN 是一个实现神经网络算法的 c++ 编程库。它的关键特性包括深度的架构和快速的性能。其网站上可以查到丰富的文档,包括一个解释了神经网络的基本知识的入门教程。OpenNN 的付费支持由一家从事预测分析的西班牙公司 Artelnics 提供。

    10. OpenCyc

    由 Cycorp 公司开发的 OpenCyc 提供了对 Cyc 知识库的访问和常识推理引擎。它拥有超过 239,000 个条目,大约 2,093,000 个三元组和大约 69,000 owl:这是一种类似于链接到外部语义库的命名空间。它在富领域模型、语义数据集成、文本理解、特殊领域的专家系统和游戏 AI 中有着良好的应用。该公司还提供另外两个版本的 Cyc:一个可免费的用于科研但是不开源,和一个提供给企业的但是需要付费。

    11. Oryx 2

    构建在 Apache Spark 和 Kafka 之上的 Oryx 2 是一个专门针对大规模机器学习的应用程序开发框架。它采用一个独特的三层 λ 架构。开发者可以使用 Orys 2 创建新的应用程序,另外它还拥有一些预先构建的应用程序可以用于常见的大数据任务比如协同过滤、分类、回归和聚类。大数据工具供应商 Cloudera 创造了最初的 Oryx 1 项目并且一直积极参与持续发展。

    12. PredictionIO

    今年的二月,Salesforce 收购了 PredictionIO,接着在七月,它将该平台和商标贡献给 Apache 基金会,Apache 基金会将其列为孵育计划。所以当 Salesforce 利用 PredictionIO 技术来提升它的机器学习能力时,成效将会同步出现在开源版本中。它可以帮助用户创建带有机器学习功能的预测引擎,这可用于部署能够实时动态查询的 Web 服务。

    13. SystemML

    最初由 IBM 开发, SystemML 现在是一个 Apache 大数据项目。它提供了一个高度可伸缩的平台,可以实现高等数学运算,并且它的算法用 R 或一种类似 python 的语法写成。企业已经在使用它来跟踪汽车维修客户服务、规划机场交通和连接社会媒体数据与银行客户。它可以在 Spark 或 Hadoop 上运行。

    14. TensorFlow

    TensorFlow 是一个谷歌的开源人工智能工具。它提供了一个使用数据流图进行数值计算的库。它可以运行在多种不同的有着单或多 CPU 和 GPU 的系统,甚至可以在移动设备上运行。它拥有深厚的灵活性、真正的可移植性、自动微分功能,并且支持 Python 和 c++。它的网站拥有十分详细的教程列表来帮助开发者和研究人员沉浸于使用或扩展他的功能。

    15. Torch

    Torch 将自己描述为:“一个优先使用 GPU 的拥有机器学习算法广泛支持的科学计算框架”,它的特点是灵活性和速度。此外,它可以很容易的通过软件包用于机器学习、计算机视觉、信号处理、并行处理、图像、视频、音频和网络等方面。它依赖一个叫做 LuaJIT 的脚本语言,而 LuaJIT 是基于 Lua 的。

    转载:https://linux.cn/article-7830-1.html






    展开全文
  • 走近人工智能

    2020-04-15 22:09:05
    人工智能 (Artificial Intelligence, AI) 是当前全球最热门的话题之一,是21世纪引领世界未来科技领域发展和生活方式转变的风向标,人们在日常生活中其实已经方方面面地运用到了人工智能技术,比如网上购物的个人化...
  • 大数据与人工智能

    2016-12-06 12:59:06
    技术不足导致移动互联网难以催生出更多的新应用和商业模式,为突破瓶颈,新一轮更激动人心、更值得期待的技术革命风暴已经诞生,将成为未来10年乃至更长时间内IT产业发展的焦点,它的名字叫做“人工智能”(AI)。...
  • 点击上方“蓝色字”可关注我们!暴走时评:西班牙瓦伦西亚市的港口最近宣布将建立一个使用区块链和大数据技术的“智能港口”,创建“没有文件的港口”,优化全球资源,减少维护时间,...
  • 人工智能(artificial intelligence, AI)是科技研究中最热门的方向之一。像 IBM、谷歌、微软、Facebook 和亚马逊等公司都在研发上投入大量的资金、或者收购那些在机器学习、神经网络、自然语言和图像处理等领域取得了...
  • 人工智能时代的降临

    2019-08-08 09:36:40
    去年以来关于人工智能AI)的讨论非常火热,最近读到一篇这个主题的文章觉得非常不错,翻译过来分享下。这不是一篇烧脑的关于人工智能技术文,而是一篇开阔的思辨性文章。下面是原文:是的,数百万低报酬、低技能的...
  • 人工智能是科技研究中最热门的方向之一。像IBM、谷歌、微软、Facebook和亚马逊等公司都在研发上投入大量的资金、或者收购那些在机器学习、神经网络、自然语言和图像处理等领域取得了进展的初创公司。考虑到人们对此...
  • 人工智能学术前沿

    2018-08-02 08:23:03
    人工智能和机器学习领域的学术论文汗牛充栋。每年的各大顶级会议、研讨班录用好几千篇论文,即便是亲临现场也很难追踪到所有的前沿信息。在时间精力有限的情况下,选择精读哪些论文,学习哪些热门技术就成为了 AI ...
  • 考虑到人工智能如此受关注,斯坦福大学的专家最近撰写的一份智能研究报告得出结论:“现在到2030年人工智能可能会出现越来越有用的应用,可能给我们的社会和经济带来深远的积极影响,”也就不足为奇了。...
  • 顶级开源人工智能工具推荐 ...考虑到人工智能如此受关注,斯坦福大学的专家最近撰写的一份智能研究报告得出结论:“现在到2030年人工智能可能会出现越来越有用的应用,可能给我们的社会和经济带
  • 中国金融信息网讯 9月10日-13日,2017世界物联网...清华大学计算机科学与技术系教授邓志东在网易AI公开课上发表演讲以下为演讲全文:大家好,现在人工智能非常之火,关于人工智能现在各种各样的说法,那么什么是人工智
  •  来源:CometLabs摘要:自2012年以来,把人工智能和能源产业放在一起进行报道的新闻开始增多。本文简要描述了人工智能在能源行业的5个应用方向,及对应的案例。能源行业会产生大量的数据。为了将这些数据转化为提高...
  • 关于我国人工智能学科专业人才的培养问题 ... 根据国外有关统计数据显示,目前世界上拥有人工智能相关专业人才数量最多的十个国家排名依次为:美国、英国、印度、加拿大、法国、荷兰、德国、西班牙
1 2 3 4 5 ... 20
收藏数 4,622
精华内容 1,848