近几年,从亚马逊, Facebook,到谷歌,微软,再到国内的BAT,全球最具影响力的技术公司都将目光转向了人工智能( AI )。2016年 AlphaGo 战胜李世石,把公众的目光也聚集到了人工智能。创新氛围最活跃的中国,已将人工智能定位国家战略,2017年11月15日,中国新一代人工智能发展规划暨重大科技项目启动会在京召开,公布我国第一批国家人工智能开放创新平台,包括:百度-自动驾驶工智能开放创新平台;阿里云-城市大脑人工智能开放创新平台;腾讯-医疗影像-人工智能开放创新平台;科大讯飞-智能语音人工智能开放创新平台。现在中国的所有互联网公司,不论大小都在布局人工智能,似乎产品中没有人工智能的元素都不好意思找投资人,大量的科技巨头和专家预测人工智能将带来第四次革命,继农业革命,工业革命,信息革命后从底层改变我们的工作和生活,也有很多专家认为人工智能是中国超越美国的一次千载难逢的机会。
话说天下群雄争相研究知识图谱,而真正对知识图谱和问答系统研究深入透彻的,唯谷歌和李维老师是也。听说李维老师将在凌晨3点给大家分享知识图谱和问答系统的知识,大家都非常兴奋,有诗为证: 今晚硅谷静悄悄,微群设摊待维老。 知识图谱说根苗,预计讲到雄鸡叫。 By 洪涛老师 雄鸡叫,不睡觉,定把智普都学到。 手拿板凳准备好,静等师傅来布道。 By 马少平老师 颇有难度起阶HOW,盖因听众水平高。 讲师竹筒蚕豆倒, 听者瓜子嗑不少。 By 洪涛老师 一、引子 在讨论知识图谱和问答系统之前,先给出几篇以前的文章。第一篇
开始 我实际上是那种总是会问出愚蠢问题或“不好”问题的大信徒。我一直在问人们一些愚蠢并且完全可以通过谷歌搜索或搜索代码库解决的问题。大多数时候我都不愿意自己去搜索解决,但有的时候我又会无论如何都自己去
提出好的问题是在编写软件时的一个非常重要的技能。这么多年来我对此也算略有小成。这里有一些我用着觉得很棒的指导方针!
【导读】本文是数据科学家Vijay Yadav的一篇帖子,主要内容是介绍机器学习和人工智能的概念。对于很多刚刚入门人工智能的读者,可能会有这么一个疑问:人工智能和机器学习到底都是什么?本文介绍了人类智
你是否曾经在谷歌上随意搜索过一些问题?比如「世界上有多少个国家」,当你看到谷歌向你展示的是准确的答案,而不只是链接列表时,你是否感到十分惊讶?这个功能显然很酷炫也很有用,但是它仍然有局限。如果你搜索一个稍微复杂的问题,比如「我需要骑多长时间的自行车才能消耗掉一个巨无霸汉堡的卡路里」,你不会直接从谷歌搜索那里得到一个好的答案(即使任何人都可以通过谷歌搜索给出的第一个或第二个链接的内容得到答案)。
新的想法诞生新的技术,从而造出许多新词,云计算、大数据、BYOD、社交媒体、3D打印机、物联网……在互联网时代,各种新词层出不穷,令人应接不暇。 这些新的技术、新兴应用和对应的IT发展趋势,使得IT人必须了解甚至掌握最新的IT技能。另一方面,云计算和大数据乃至其他助推各个行业发展的IT基础设施的新一轮部署与运维,都将带来更多的IT职位和相关技能技术的要求。 毫无疑问,这些新趋势的到来,会诞生一批新的工作岗位,比如数据挖掘专家、移动应用开发和测试、算法工程师,商业智能分析师等,同时,也会强化原有岗位的新生命力
AI 科技评论按:现在的市场环境下,企业正面临着竞争逐渐加剧、人力成本增加、人员流动率加快等挑战。而随着企业经历了信息化的成熟阶段,沉淀了大量的数据,大型的企业都开始了数字化转型,它们利用前沿的技术、海量的外部数据以及内部积累的业务数据上下游的关联客户,将数据转化为专家的经验知识,从而提高工作效率和产品销量,并增强产品的用户体验。而知识图谱,则在企业的数字化转型中扮演了重要的作用。
【新智元导读】以人工智能驱动金融生活服务为切入点,北大“人工智能前沿”系列课程第三讲为观众描述了AI在特定领域的实现和应用。蚂蚁金服VP、首席科学家、普渡大学终身教授漆远博士担任本节课的主讲嘉宾。北大
上图是IDC发布的2016年排名前10的预言,首席分析师Frank Gens奉劝企业要么转型要么消亡,并指出2016年的首要主题是“数字化转型相应扩大。”Gens还指出,规模是“展开争夺数字化成功的关键要素”,同时警告企业,“成也规模,败也规模”。 在未来的几年,数字化转型(DX)将推动“一切事项皆IT”。IDC所称的DX经济上成功是指使用诸如移动设备、云计算、大数据分析、物联网、人工智能和机器人等技术来“通过新产品、新商业模式、新顾客、供应商和经销商关系建立竞争优势”。 以下是笔者基于IT产业、数字化
比如“C罗”是一个实体,“金球奖”也是一个实体,他们俩之间有一个语义关系就是“获得奖项”。“运动员”、“足球运动员”都是概念,后者是前者的子类(对应于图中的subclassOf 关系)。
原文:10 More lessons learned from building real-life Machine Learning systems — Part II 译者:刘翔宇 审校:赵屹华 责编:周建丁 在我上一篇博客中,我介绍了10点新的经验,并且讲述了其中5个。那么现在来讲讲剩下的5个吧。 6.特征工程的烦恼与收获 一个性能良好的机器学习特征的主要特性有: 可复用性 可转换性 可解释性 可靠性 这些特性究竟意味着什么? 可复用性:你应该可以在不同的模型,应用和团队中重复使用特征。 可转换
新的想法诞生新的技术,从而造出许多新词,云计算、大数据、BYOD、社交媒体、3D打印机、物联网……在互联网时代,各种新词层出不穷,令人应接不暇。 这些新的技术、新兴应用和对应的IT发展趋势,使得IT人必须了解甚至掌握最新的IT技能。另一方面,云计算和大数据乃至其他助推各个行业发展的IT基础设施的新一轮部署与运维,都将带来更多的IT职位和相关技能技术的要求。 毫无疑问,这些新趋势的到来,会诞生一批新的工作岗位,比如数据挖掘专家、移动应用开发和测试、算法工程师,商业智能分析师等,同时,也会强化原有岗位的新生
记者|谷磊 近日,在飞马网主办的“FMI人工智能&大数据高峰论坛”上,来自eBay的数据科学家李睿博士以“NLP(自然语言处理)在eBay的技术实践”为题做了主题分享,主要涵盖的应用包含:搜索(Search)、分类器(Classifiers)、命名实体识别(Name Entity Recognition)、机器翻译(Machine Translation)等。 eBay Inc. Tech Lead数据科学家李睿 以下为李睿博士的演讲及Q&A实录,AI科技大本营做了不改变原意的整理: 李睿:大家好,
【编者按】对自然语言计算技术的研究人员来说,能够实现人与计算机可以进行有效沟通,计算机能理解用户的意图,执行命令或回答问题一直是他们努力迈进的目标。基于近30年来在自然语言计算领域的研究经验,微软亚洲
新的想法诞生新的技术,从而造出许多新词,云计算、大数据、BYOD、社交媒体、3D打印机、物联网……在互联网时代,各种新词层出不穷,令人应接不暇。
作者|Nikhil Dandekar 翻译|薛命灯 2015 年,Quora 的工程主席 Xavier Amatriain 非常精彩地回答了 Quora 上的一个问题:“Quora 在 2015 年将如何应用机器学习”。从那个时候开始,机器学习在 Quora 的应用得到了长足的发展。他们不仅更加深入地为已有的机器学习应用构建更大更好的模型,而且将机器学习技术应用到更多领域。 而在今年,Quora 的工程经理 Nikhil Dandekar 在 Quora 上回答了类似的问题:“Quora 在 2017 年将
领取专属 10元无门槛券
手把手带您无忧上云