展开

关键词

【揭秘】深入 Facebook 人工智能大脑

媒体争相拍摄 深入 Facebook “大脑” 自去年以来,Facebook的用户和数据都大幅增长,Prineville 数据中心也随之扩建,增添了更多的高性能服务器,以支撑这家公司在大数据处理方面的需求

53160

人工智能有可能超越人类大脑

“未来人工智能可能会超越人类大脑,实现多种感官在人体外的传感,服务人类社会。”北京大学数字中国研究院副院长曹和平21日在中国新闻社主办的国是论坛2017年会上这样说。 人工智能成为新风口,2017年国家支持政策相继出台,企业布局不断加快,各类资本纷纷涌入进来。作为新一轮产业变革的核心驱动力,越来越多地成为人们茶余饭后的谈资。 未来的人工智能会给人类带来什么? 它真的会超越人类大脑吗?有了智慧的人工智能会取代人的工作吗?人类是否会毁于机器人之手?…… 北京大学数字中国研究院副院长曹和平。 首先人体大脑可以被称为智能,人体80%的信息是由视觉系统传递的,5%的信息是由触觉系统传递的,大脑将这些信息定位、扫描成像、传输存储,将种种行为联系在一起形成人体智能。 人类的智能是这样的,可现在出现了人之外的人工智能人工智能未来可能会超越人类的大脑智能。未来谁可以实现在人身体之外将视觉、触觉、听觉,语言等各种各样的传感,再通过一个场景综合起来,来服务人类社会?

38660
  • 广告
    关闭

    【玩转 Cloud Studio】有奖调研征文,千元豪礼等你拿!

    想听听你玩转的独门秘籍,更有机械键盘、鹅厂公仔、CODING 定制公仔等你来拿!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    建行大脑案例:关于商业银行构建人工智能大脑的研究

    当前,建设银行正在按照战略转型的要求,集中精力建设“智慧型银行”,本文结合人工智能在互联网行业的最新进展与建行实际,尝试讨论建设银行在全球同业中率先构建人工智能大脑——“建行大脑”的可能性。 一、互联网龙头企业纷纷推出人工智能大脑计划 2011年,GoogleX实验室实施了“谷歌大脑”工程,通过1.6万片CPU核构建了一个庞大的系统,用于模拟人类的大脑神经网络,通过深度学习等神经网络技术和观看 2015年11月5日,京东宣布启动“京东大脑计划”,京东集团研发部研发总监杨光信这样总结:“基于京东在用户、商品和运营等方面长期积累的高质量数据,利用人工智能的方法和技术,深入、准确地理解电商运营中的各类实体 不难看出,互联网企业推出的人工智能大脑计划,名称相似,内容范围、侧重点各有不同,但共性还是比较突出的: 一是推出人工智能大脑计划的互联网企业均是所在领域的领军企业,掌握核心技术,市场份额占有优势; 二是人工智能大脑计划都与每家互联网企业的主打业务深度融合 ; 三是人工智能大脑计划的最终目标无不瞄准提升客户体验和企业内在效率; 四是至少都是包含了人工智能、机器学习、数据挖掘、并行计划等先进信息技术。

    1.1K40

    谷歌大脑背后的大脑Jeff Dean:最快15年实现通用人工智能

    【新智元导读】《福布斯》网站今日刊文,专访“谷歌大脑背后的大脑”Jeff Dean。Dean回顾了他自1999年加入至今在公司的不同角色,重点介绍了谷歌大脑的项目内容。 High:随着技术进步以及人工智能各种目标的实现,似乎人们不再将这些已实现的东西称为人工智能。也就是说,人工智能似乎总是以“将来时”的形态被谈论。你如何定义人工智能的界限? Dean: 我现在领导的研究团队名叫谷歌大脑。我们专注于建造可用于机器学习的大规模计算系统,以及进行高级机器学习研究。 High:谷歌大脑的研究和突破应用,怎么样在谷歌更加传统的产品中进行部署? Dean:我们已经开始正式推进这一进程。 很快我们将开始一个叫做“谷歌大脑实习培训”(Google Brain Residency Program)的计划。

    43360

    探秘|为何最强人工智能比不上婴儿大脑

    最近,人工智能需要大量的数据来提取模式和结论,但那些对周围世界有相对较少数据的婴儿使用的是一种被称为贝叶斯学习(Bayesian learning)的统计评估方法(参阅机器之心文章《深度 | 大脑认知机制是贝叶斯式的吗 我们正在试图编写像大脑的软件一样的计算机程序,这通常被称之为思维。思维是程序且运行于大脑这个硬件上,我们就是试图在对准软件层面。神经网络在人工智能中就像计算机程序的软件层面一样。 他选择通过动画技术来复制他女儿的行为、面部表情和声音,作为人工智能初生的隐喻。Sagar 亲切地将 BabyX 称为「她」,并解释她如何使用光纤电缆:由她的模拟神经活动所驱动,如同脊髓连接到大脑。 BabyX 的屏幕之后是一个大脑的实时模拟,使它能够提示面部模拟眨眼和观众报以微笑。Sagar 认为脸部是发展是有效交互式人工智能的关键,因为它是大脑的反映,并揭示了有意识思维的内在运作。 一个可以感受到人的情绪、处理并了解他们的感受的系统是驱动人工智能研究的目标,这就像我们人生中最初的光阴一样——建立一个可以自己思考的大脑。 内容来源:机器之心

    57470

    人工智能和机器学习:智慧城市的大脑

    使用AI和ML进行决策 可以使用机器学习(ML)等技术来增强优化决策,机器学习(ML)是人工智能(AI)的子集。 这个城市的大脑将处理我们的许多个人数据,包括有关我们运动的视觉数据。 如上所述,机器学习需要数据来发现模式和趋势。对大数据的分析为城市服务提供了必要的信息,以高度响应其公民的需求。 服务的个性化是目前正在探索的适合人工智能和机器学习的领域之一。这就要求在将个人数据用作概要分析工具之前,必须对其进行收集和汇总。 另一个关于机器学习和人工智能的问题是,在那些被认为可以提高精度的算法中,可能存在默认偏差。如果训练集本身偏向于一个特定的预期结果,那么结果本身就会偏向——事实上,由此产生的偏向可能会被放大。 这项研究着眼于训练集如何包含性别偏见;当在人工智能环境中使用时,这种偏见会被放大。 关于AI和ML的偏见和隐私问题 在人工智能中使用偏见也可能扩大隐私问题。

    27100

    自动驾驶的人工智能要学人的大脑

    余凯博士在《自动驾驶之计算与处理器》主题演讲中指出,思考人工智能面对的感知认知决策控制,是不是一定要从软件驱动场景驱动的角度去思考这个问题? 是人的大脑,人的大脑看所无所不知,无所不能,但是问题是不是这样呢? 有时候大脑的行为也让人很费解,首先我们知道我们在处理图像不是按照顺序,实际上我们是不管前后上下,对图象变形处理,使得我们能够滑雪能够在高速公路飙车。 未来包括自动驾驶人工智能处理器,我们有很多思想借鉴到我们对大脑的理解。 其他的包括端到端的学习,传统的人工智能系统都是训练的,但是未来得人工智能系统都是学习的,所以训练跟学习是两回事。它基本上就是一个灌输式的学习,其实人都是这样的。

    43580

    未来会不会出现人类大脑人工智能进行链接,而产生的超级大脑

    人工智能之所以叫“人工”智能,是因为人工智能是人类制造出来的,是比照人类的样子或者人类能够做的事情来设计的。所以人工智能只能越来越像人类,而不是人类越来越像人工智能。 但最终的发展方向就是这个“强人工智能”。 量子力学研究的进展给人工智能大脑的突破提供了一个口子,但还任重道远。 还有一种设想,很可能是今后人工智能的一个巨大改变,就是人脑意识的储存和转移,现在的大脑计划和人工智能的研究都在探索这种可能性,谷歌公司曾宣布取得突破性进展。 再有从人工智能的发展看,也是人类对自身大脑研究的拓展,是人类求知欲不断发展的表现。从这一点说人工智能也是由人来主导的,人工智能的发展是为协助人类做更多的事,这才是人工智能发展的意义。 从脑机接口的发展看,人工智能会和大脑发生链接。但是能产生什么,是不是如你所说的超级大脑就看发展了。 可是应当看到,人类的道德底限标准是不会变的。

    30170

    人工智能可从婴儿大脑图像中发现自闭症征兆

    美国科研人员利用人工智能算法对188名3至9个月大的婴儿的大脑图像进行分析,发现了其中的自闭症征兆。 Bosl的研究表明,即使是出现“正常”的脑电图,也包含了“深层”数据,这些数据揭示了大脑功能、连接模式和结构的秘密,而这是人类医生所不能看到的。 Bosl的算法分析了脑电图的6种频率(高γ波、γ波、β波、α波、θ波、δ波),以测量每个婴儿大脑连接方式和处理信息方式的的差异。 Bosl认为,在大脑活动的多个方面,脑电图信号复杂性存在早期差异,这与自闭症是在大脑早期发育过程中开始的一种障碍,但它可以采取不同的途径呈现的观点相符合。这项研究已发表在《科学报告》杂志上。

    23220

    动态 |《机器学习》作者Tom Mitchell:人工智能如何向人类大脑学习?

    首先可以看一下,我们的人工智能在过去的十几年里取得了重大进展,最近人工智能已经战胜了人类围棋的冠军,而且国际象棋、德州扑克也已经被人工智能攻下,现在我们看到的则是无人驾驶汽车,比如Uber就在进行这样的测试 总之,无论是人工智能还是脑科学,都取得了令人瞩目的巨大进展。 ? 人工智能与脑科学的结合 所以就出现了这样一个问题:为什么不将两者结合起来呢?在研究方面,无论时脑科学还是人工智能都在进行交叉的研究。 我们知道大脑当中的确是不一样的,大脑当中是有前输和后输的,在这个桥梁当中可以进行研究,人工的大脑和人的大脑到底有什么区别,然后相互借鉴、促进。 这样的一个情况,很好地解释了我们看到的猴子的神经元的表现,因此在人工智能算法和我们人的大脑之间或者动物的大脑之间,有这样一种桥梁的关系,因此强化学习的算法对机器人的控制是可以用的,比如可以用于打败人类冠军的 通过这些方式,我们刚才也讲了矢量的应用和强化学习的方式,这样一些人工智能的算法,在我们的大脑当中,观测到了神经元活动的关联,因此我觉得,现在人的脑科学和人工智能方面到了可以有更多交集的好时机,我们应该在人工智能和脑科学之间搭建更多的桥梁

    45150

    模拟世界的模型:谷歌大脑与Jürgen Schmidhuber提出「人工智能梦境」

    选自arXiv 作者:David Ha、Jürgen Schmidhuber 机器之心编译 人类可以在应对各种情况时在大脑中事先进行充分思考,那么人工智能也可以吗? 近日,由谷歌大脑研究科学家 David Ha 与瑞士 AI 实验室 IDSIA 负责人 Jürgen Schmidhuber(他也是 LSTM 的提出者)共同提出的「世界模型」可以让人工智能在「梦境」中对外部环境的未来状态进行预测 系统动力学之父 Jay Wright Forrester 将这一心智模型定义为: 「我们周围的世界在我们的大脑中只是一个模型。没有人的大脑可以想象整个世界、所有政府或国家。 棒球击球手只有几毫秒时间来决定如何挥动球棒,而眼睛的视觉信号传到大脑所需时间比这更少。击球手能够快速根据大脑对未来的预测来行动,无需有意识地展开多个未来场景再进行规划 [16]。 在很多强化学习(RL)[17, 18, 19] 问题中,人工智能体还受益于过去和现在状态的良好表征,以及优秀的未来预测模型 [20, 21],最好是在通用计算机上实现的强大预测模型,如循环神经网络(RNN

    43780

    一台电脑也可打造你所需要的人工智能大脑

    当Google使用16000台机器建造了一个可以正确识别出YouTube视频中是否有猫的仿真“大脑”时,这就标志着人工智能(AI)技术迎来了一个转折点。 Google仿真大脑号称比现有的图像识别系统的精准度高出了两倍。 纽约时报在2012年写到,这项研究代表着新一代的计算机科学可以被利用来降低计算机成本以及提高了大型数据中心计算机集群的可用性。 深度学习试图模仿人类大脑的神经网络的行为。从本质上说,它创造了一个多层次的软件系统,如果配置正确,当他们分析的数据越来越多,它可以从中训练自己。 但是,如果你的集群数较小,单一系统仍然可以提供一定标准的人工智能,但是进步空间相对而言没有那么大。 许多深度学习算法都是开源的,这意味着任何人都可以使用它,以及各种创业公司。 Google和Facebook等大公司将引领着人工智能革命,之后会有更多的人将随之加入这场革命。

    45570

    人工智能的架构趋势】AI专有芯片版百度大脑首次解密

    于是,基于AI专有芯片的百度大脑——FPGA版百度大脑由此诞生。这使得百度成为了全球最早将FPGA规模应用在人工智能领域的公司。 而本文,是第一次系统阐述其背后历程。 对计算能力及效率的需求,催生AI专有芯片版百度大脑 大数据和人工智能的发展与应用,使得百度面临一大问题:数据和模型规模不断膨胀,必须有更强的计算能力来支撑。 端部分也对人工智能有着很大的需求:很多终端设备,也都需要能运行人工智能的算法,能智能地响应外部请求,如无人车、智能摄像头等。 ? 经过深入思考,百度决定率先在在线服务上应用AI专有芯片版百度大脑。 百度如何实现AI专有芯片版大脑? 据悉,百度从2012年开始在这一领域探索实践,自主研发人工智能体系结构,并且用FPGA实现了人工智能芯片,该芯片已大规模应用于百度的产品。根据公开资料,这也是世界首次人工智能芯片的规模应用。

    50380

    前沿 | 详解Microns项目:通过大脑逆向工程来创造通用人工智能

    这是一个有野心的项目:逆向工程人类智能,以便于计算机科学家能建立更好的人工智能。首先,神经科学家的任务是发现大脑湿软灰质中的工作策略,然后数据团队将这些策略转换为算法。 Vogelstein 说,「在数学和算法上,大脑的计算策略是可被表征的。政府的赌注在于类脑人工智能系统要比之前的系统更擅于解决真实难题。 毕竟,理解大脑是个宏伟目标,但智能情报部门想要人工智能不只是要识别一只骆驼,还有模糊视频中的半模糊脸孔。 在 Cox 的实验中,老鼠的游戏室是一个小空间。 对于神经科学和人工智能专家而言,这种一致性表明,大脑中可能存在一种基本类型的电路用于信息处理。定义这种方法或许会让我们向通用人工智能更进一步。 如此大规模的图谱将为人工智能的发展带来启发,做到更严谨地模仿生物大脑;但是喜欢做解构者的 Church 为计算指明了另一条道路:停止尝试打造硅大脑(意指计算机),而是构建生物大脑,代替人类更好地处理计算任务

    73050

    研究人员开发出可描绘大脑神经元的人工智能

    谷歌公司和德国马普学会的研究人员联合开发出了一种回归神经网络,能够描绘出人类大脑的神经元图谱。 人的大脑大约包含由100万亿个神经突触连接起来的860亿个神经元,如果对1立方毫米的人脑组织进行成像,可以产生超过1000 TB的数据。 幸运的是,人工智能可以提供帮助。 最先将机器学习用于联通组学的并不是谷歌的研究人员——2018年3月,英特尔与麻省理工学院的计算机科学和人工智能实验室合作开发了“下一代”脑图像处理流水线。 如果给定大脑3D图像中的一个带有随机神经元的随机点,这个度量值能够测量算法在不出错的情况下跟踪神经元的距离。 该研究小组报告说,在对斑胸草雀的大脑进行的一次100万立方微米的扫描中,该模型的表现比以前的算法“好得多”。

    14520

    从视觉检测窥探人类大脑和数字大脑的差别

    字符识别对于“智能”大脑而言是很难的:人类的大脑能识别具有缺失或错误字母的单词,比如 为什么是这样的形式? 字符识别对于“智能”大脑而言是很难的:人类的大脑能识别具有缺失或错误字母的单词,比如G33z, y0u c4n 3v3n r34d th1s,这方面完胜“智能”大脑!还需要比较两者的适应性吗? ◆ ◆ ◆ 重复性 当谈到重复性,“智能”大脑的得分更高。这几乎是大多数自动化过程中的关键概念:其结果将是可重复的,不管检查发生在什么时候。 那么,自动化视觉检测过程中,“你”实际上在做什么?

    39350

    Jeff Dean:谷歌大脑背后的“大脑” | AI名人堂

    在接下来的两天时间里,一场人工智能领域的顶级学术思想碰撞就此展开。 那时,Google 人工智能和搜索业务负责人 John Giannandrea 卸任,该部门也重新拆分为单独的人工智能和搜索部门,前者由原谷歌大脑项目负责人 Jeff Dean 负责。 ▌谷歌大脑的雏形 《纽约时报》的一篇长文「The Great A.I. 由此,「谷歌大脑」的雏形开始形成。 而此时的硅谷正呈现出一股人工智能的热潮,凉了近 20 载的人工智能第三次浪潮悄然而至,电脑芯片的计算能力高速增长、全球互联网发展带来的数据指数级爆炸。 显然,这份漂亮的成绩单离不开 Jeff Dean 这位谷歌大脑背后的「大脑」的推动。

    48830

    大脑”生长系列(八)

    今天一起来看一下如何对图像做旋转和镜像处理,同样, OpenCV也提供了相应的接口,让我们一起来学习一下喽。

    15420

    大脑生长系列(六)

    上一讲是如何改变图像的分辨率和对比度,这一讲介绍一个听起来高大上的功能,图像金字塔,个人理解图像金字塔本质上也是图像大小的改变,只是改变的方式和算法有所不同。O...

    14010

    大脑”生长系列(二)

    三、灰度图:简单理解,就是YUV中只有Y分量,而不考虑UV分量,比较古老的黑白电视的效果便是这样的喽。

    13320

    扫码关注腾讯云开发者

    领取腾讯云代金券