展开

关键词

IBM:谷歌发展错了!AI 操作系统不是未来

【新元导读】IBM Watson 总经理 David Kenny 近日接受科技新媒体 The Information 采访,谈及 IBM Watson 发展及优势。 Kenny 表示,与其他巨头不同,IBM 不认为将朝着操作系统发展,这也是 IBM 不以面消费者式塑造 Watson 品牌形象原因。 Kenny:我们论点与另外三大企业有所不同。这面争论很大——我们是否应该以面消费者式来塑造 Watson 品牌形象?这样做好处是您可以由此创造一套标准。 如果您认为将朝着操作系统发展,那就可以朝这个努力。但我们不这么认为。在与 Watson 大多数互动中,最终用户都看不到 Watson。 McLaughlin:在领域,IBM 堪称最资深企业。可是为什么是谷歌成为了首选呢?Kenny:归根结底,我们用搜索寻找信息,并倾于利用为决策提供指导意见。

57070

研究分类

自从脱离了动物,产生以来,就不断地试图理解我们本身。以我有限认识来看,以目前科技我们还远远未理解自身行为和产生原理。但是,这不妨碍我们发展(AI)。 即使不理解本身,也可以制造表现像有体,就好像创造了飞机一样,飞机不按鸟式飞行,但是却按照空气动力学原理也达到飞行效果。 根据《:一种现代法》作者定义,目前关于研究可分为四类。 ,用计算机模型尝试去模拟心理模型,属于认知科学流派。 虽然这看起来好像没什么意义,但是也涉及到了自然语言处理、知识表示、自动推理等等值得研究

92080
  • 广告
    关闭

    90+款云产品免费体验

    提供包括云服务器,云数据库在内的90+款云计算产品。打造一站式的云产品试用服务,助力开发者和企业零门槛上云。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    专访俞栋:多模态是迈通用重要

    随着语音识别、自然语言处理、计算机视觉等技术日益成熟,并逐渐落地到实际场景中,如何实现大规模应用落地或者说如何通往通用,越来越成为这些领域研究者探索和思考命题。 在这种探索和思考下,“多模态”成为领域诸领军式专家和学者重点谈及研究,例如,自然语言处理领域专家刘群教授在此前与 AI 科技评论对话中,就曾谈及诺亚舟语音语义实验室目前一大重点研究便是多模态 而腾讯作为业界关注这一研究代表之一,自 2018 年 2 月就开始关注多模态研究,并于 2018 年 11 月宣布探索下一代机交互式:多模态。 会后,AI 科技评论还对俞栋博士进行了专访,进一步探讨了多模态应用探索情况,其中,俞栋博士在将多模态这一研究视为迈通用突破口同时,也以更加冷静态度指出,多模态会是未来一个非常重要 因为是一个很广泛概念,我们目前对它可只是略知皮毛,通往通用这条路到底是怎么样,大家都还处于一个探索状态。

    68930

    贾扬清:我对一点浅见

    经过多年沉淀,成为“阿里新他,对又有何看法?最近,贾扬清在阿里内部分享了他思考与洞察,欢迎共同探讨、交流。? 即使在科研,我们挑战也刚刚开始:Berkeley 教授 Jitendra Malik 曾经说,“我们以前是手调算法,现在是手调网络架构,如果囿于这种模式,那无法进步”。 我们已经看到有通过编译器技术和传统搜索法来反过来优化AI框架,比如 Google XLA 和华盛顿大学 TVM,这些项目虽然处于早期,但是已经展现出它们潜力。 是一个日新月异领域,我们有一个笑话说,2012年科研成果,现在说起来都已经是上古时代故事了。 这面,领域开源开放各种代码,科研文章和平台给大家创造了比以前更容易入门门槛,机遇都掌握在我们自己手中。(本文为 AI大本营转载文章,转载请联系原作者)

    29110

    贾扬清:我对一点浅见

    机器之心转载来源:阿里技术作者:贾扬清作为 AI 大神,贾扬清让印象深刻是他写AI框架Caffe ,那已经是六年前事了。经过多年沉淀,成为「阿里新他,对又有何看法? 即使在科研,我们挑战也刚刚开始:Berkeley 教授 Jitendra Malik 曾经说,“我们以前是手调算法,现在是手调网络架构,如果囿于这种模式,那无法进步”。 我们已经看到有通过编译器技术和传统搜索法来反过来优化AI框架,比如 Google XLA 和华盛顿大学 TVM,这些项目虽然处于早期,但是已经展现出它们潜力。平台如何提升整合力。 是一个日新月异领域,我们有一个笑话说,2012年科研成果,现在说起来都已经是上古时代故事了。 这面,领域开源开放各种代码,科研文章和平台给大家创造了比以前更容易入门门槛,机遇都掌握在我们自己手中。

    25620

    科大讯飞一次面试经历

    就在上个星期五(2017年12月8号),我去了科大讯飞面试Java语音这一块。 科大讯飞想必大家都知道,从早期讯飞输入法到现在,都是非常牛逼哈。 自2008年上市以来,最高市值接近1000亿,突破千亿是迟早事。,一直也是我神往。面试官是个聪明欧巴,嗯,从他头发密度完全可以看出来。毕竟,聪明绝顶! 代码大致是controller里面一个法,接收一个集合,对象里面应该是有语音文件流程大致就是先遍历集合,处理对象,保存数据库循环结束之后,调用一个法输出一个文件,然后返回代码是没什么问题 最后面试官欧巴告诉我:没得注释,这一点很不美丽for循环里面,万一别提交文件有一个处理报错了,没有相应处理return之前没有对前一行调用返回进行判断,万一那个法执行没有成功怎么办心悦诚服 谈资,这个就不说了你还有什么问题问我还问个锤子哦,问了一下面试官对我感受,聊了一会儿前前后后聊了个把多小时,一泡尿嫩是憋了一上午。最后自然是failed了,没什么说,自己没有表现好。

    55120

    科大讯飞一次面试经历

    就在上个星期五(2017年12月8号),我去了科大讯飞面试Java语音这一块。?科大讯飞想必大家都知道,从早期讯飞输入法到现在,都是非常牛逼哈。 自2008年上市以来,最高市值接近1000亿,突破千亿是迟早事。,一直也是我神往。面试官是个聪明欧巴,嗯,从他头发密度完全可以看出来。毕竟,聪明绝顶! 代码大致是controller里面一个法,接收一个集合,对象里面应该是有语音文件流程大致就是先遍历集合,处理对象,保存数据库循环结束之后,调用一个法输出一个文件,然后返回代码是没什么问题 最后面试官欧巴告诉我:没得注释,这一点很不美丽for循环里面,万一别提交文件有一个处理报错了,没有相应处理return之前没有对前一行调用返回进行判断,万一那个法执行没有成功怎么办心悦诚服 谈资,这个就不说了你还有什么问题问我还问个锤子哦,问了一下面试官对我感受,聊了一会儿前前后后聊了个把多小时,一泡尿嫩是憋了一上午。最后自然是failed了,没什么说,自己没有表现好。

    52150

    另一:基于忆阻器存算一体技术

    整理 | 刘千惠、邢东 编辑 | 蒋宝尚过去十年以深度神经网络为代表技术深刻影响了类社会。但深度神经网络发展已经进入瓶颈期,我们仍处于弱时代。 如何更近一步,跨入强,敲击着每一位研究者心。算法提升,则是走一个;而受脑启发硬件设计,则是另一。在硬件层面上,研究如何从对研究中受益? 吴华强:我报告将从硬件挑战,研究进展以及展望三面来介绍大脑启发存算一体技术。无处不在,从云端到我们手机端都有很多。 大脑功耗这么少,这么聪明,这里面还有这么大容量神经元、突触。所以我们希望用脑启发设计新芯片。我们想通过生物学家学习、神经学家学习,来看看大脑是如何处理计算。 坦白说到这次神经网络、腾飞,这次腾飞期间我并没有看到特别多令非常兴奋脑启发作,我本也做了一些这作,发现目前一些受脑科学启发计算模型好像都没有我刚才说那两个模型意义那么大

    37320

    概率论与数理统计,程序员应该看看!

    第一章 概率论基础1.1 随机事件与样本空间随机试验:可重复进行,结果预先知道样本空间:随机试验一切可结果组成集合,称为样本空间1.2 事件之间关系与运算关系:包含、并交、互不相容(互斥)、差、 对立运算:交换律、结合律、分配率、摩根定律1.3 随机事件概率统计概率、古典概率、几何概率,略1.4 条件概率 全概率公式与贝叶斯公式P(B|A)=P(AB)P(A),指是在A发生情况下B发生概率全概率公式贝叶斯公式 (逆概率公式)实际上,贝叶斯公式可以不用记住,由条件概率和全概率公式推导即可1.5 事件独立性定义:对两个事件A、B,如果P(AB)=P(A)P(B),则称A、B相互独立定理:①设A、B是相互独立事件 ,若P(A)>0,则P(B|A)=P(B);若P(B)>0,则P(A|B)=P(A)②设A、B是相互独立事件,则下列各对事件也相互独立:A与B非、A非与B、A非与B非完整内容请点击:概率论与数理统计复习

    26600

    张钹院士:可解释、可理解是研究主攻 | CCF-GAIR 2018

    1978 年,张钹院士从原自动控制系学科计算机研究,在此基础上,他与其他老师决定把控制作为该教研组新专业(这也使得清华大学较早开展了教学与科研)。 张钹院士该理论现已成为粒计算主要分支之一。在神经网络上,他提出基于规划和基于点集覆盖学习算法。这些自顶结构学习法比传统自底搜索法在许多面具有显著优越性。 功成名就,依然耕耘在前沿在学术面,张钹院士发表了 200 多篇学术论文和两部专著。 身为中国事业元老级张钹院士,即使已经年过八旬,但他依旧活跃在中国事业前线,身体力行地传递着其对研究精神。 在将推上神坛 AlphaGo 热潮下,张钹院士就一针见血地指出,「距离『超越』还差得远,当前最大问题是不可解释和不可理解,而目前主攻是往可解释可理解面走

    14020

    张钹院士:可解释、可理解是研究主攻 | CCF-GAIR 2018

    1978 年,张钹院士从原自动控制系学科计算机研究,在此基础上,他与其他老师决定把控制作为该教研组新专业(这也使得清华大学较早开展了教学与科研)。 张钹院士该理论现已成为粒计算主要分支之一。在神经网络上,他提出基于规划和基于点集覆盖学习算法。这些自顶结构学习法比传统自底搜索法在许多面具有显著优越性。 功成名就,依然耕耘在前沿在学术面,张钹院士发表了 200 多篇学术论文和两部专著。 身为中国事业元老级张钹院士,即使已经年过八旬,但他依旧活跃在中国事业前线,身体力行地传递着其对研究精神。 在将推上神坛 AlphaGo 热潮下,张钹院士就一针见血地指出,「距离『超越』还差得远,当前最大问题是不可解释和不可理解,而目前主攻是往可解释可理解面走

    19040

    Python 发展

    有不少同学学习 Python 原因是对感兴趣,有志于从事相关行业。今天我们来聊聊这个所需要一些技。这里我们主要谈论是编程技。 而在此之后,你就需要根据自己具体,选择更专业具包进行研究和应用。 Python 在面最有名具库主要有:Scikit-Learnscikit-learn.orgScikit-Learn 是用 Python 开发机器学习库,其中包含大量机器学习算法、数据集 借助这些强大具,你已经可以使用各种经典模型,对数据集进行训练和预测。但想成为一名合格开发者,仅仅会调用 API 和调参数是远远不够。 Python 是开发重要具,编程是此必备技。但并不是掌握 Python 就掌握了核心就是机器学习(Machine Learning)和深度学习。

    40020

    、强、超

    文章目录弱(Weak AI)弱也称限制领域(Narrow AI)或应用型(Applied AI),指是专注于且只解决特定领域问题。 例如:AlphaGo、Siri、FaceID 等扩展阅读:Weak AI ——WikipediaWeak AI——Investopedia强(Strong AI)又称通用(Artificial General Intelligence)或完全(Full AI),指是可以胜任类所有。 强具备以下力:存在不确定性因素时进行推理,使用策略,解决问题,制定决策力知识表示力,包括常识性知识表示力规划力学习力使用自然语言进行交流沟通力将上述力整合起来实现既定目标力扩展阅读 ——Stackexchange超(Super Intelligence,缩写 ASI)假设计算机程序通过不断发展,可以比世界上最聪明,最有天赋类还聪明,那么,由此产生系统就可以被称为超

    1.6K20

    第三代

    来源:清华大学研究院本文多图,建议阅读10+分钟本文为你介绍张钹院士文章《迈第三代》。 清华大学研究院院长、中国科学院院士张钹教授在“纪念《中国科学》创刊70周年专刊”上发表署名文章,首次全面阐述第三代理念,提出第三代发展路径是融合第一代知识驱动和第二代数据驱动 自2018年成立以来,清华大学研究院本着“一个核心、两个融合”发展战略,大力推动基础理论和基本源头性和颠覆性创新,在基础理论、关键技术和产学研合作等诸面取得了创新成果 序幕刚刚拉开,正剧正在上演。基础研究是科技创新源头,尤其在当前复杂多变国际环境下,更需要提升我国原始创新力,久久为功,努力实现领域更多“从0到1”突破。 以下全文刊载张钹院士文章《迈第三代》。编辑:黄继彦校对:林亦霖

    18531

    AI时代,要将机器

    那么,在AI时代下,将带领机器? ?什么是机器 机器是一个实体,依靠内置程序进行设定好内容交流或者是服务。比如常见扫地机器,依靠内置程序完成日常家庭清扫。 现在,随着技术发展,语音、触屏、手势交互等式都成为操作控制机器式之一,更友好操作体验改进,提升机器操控体验。 所以,出现,教会机器“不断学习”,变得更加“自主”、“”,还满足个性化希求,势必要把机器性价比往最优去引进,降低成本。 更包容——机器外在承载体 对机器引领,同时,机器也会体现现阶段成果和水平。 希望未来在浪潮和推动下,机器真正朝着越来越灵活机器去发展,早日形成机器生态圈和产业链。本文转载自网络

    40170

    大牛书单 | 好书推荐

    TEG书知道本期特邀腾讯TEG AI Lab专家姚建华、腾讯TEG AI平台部程平台中心负责罗敏、腾讯TEG AI Lab专家李志鋒,为大家带来AI好书推荐。 姚建华博士是医学影像AI领域专家,在AI Lab负责AI+医疗领域前沿研究及产品落地。在脊柱影像分析,肿瘤生长预测,结肠癌检测以及影像引导机器手术取得过突出成绩。 大牛推荐语:来自团队机器学习程组推荐,可以说是国内第一本讲分布式机器学习书, 分布式机器学习是一个系统程,涉及数据、模型、算法、通信、硬件等许多面,这本书从理论、算法和实践等多个面给出了系统 研究兴趣包括、计算机视觉、脸研究等,在相关领域国际顶级学术会议和期刊上已发表多篇高质量论文,在学术界和业界广受关注。 所研发原创性技术已接入腾讯信息安全、腾讯互联网+公共服务平台(腾讯云慧眼)等多个应用场景,每日技术调用量超六亿次,未来将更广泛应用到机交互、信息安全、政务、金融、安防等多个领域。

    58420

    革命:通超级之路(上)

    注:随着类对(简称AI)研究不断深入,这个领域很多内容让我越来越难以置信,正因为如此,我用了三周之久才完成了这篇文章。 就好比类一直保持在演化,直到最后类出现了一次极大飞跃,彻底改变了地球上任何一个物种对进化理解。 通往超级之路什么是AI 如果你也像我一样,曾经把当作科幻小说,后来你听到一些很严谨也提到了它,你会意识到自己其实并不了解它。 下面是许多这个术语感到困惑原因:我们往往把和电影联系在一起。《星球大战》,《终结者》,《2001太空漫游》,甚至是《杰森一家》(动画片)。这些都是虚构,机器角色。 超级AI(ASI):牛津哲学家和主要AI思想家Nick Bostrom对超级定义为“这种慧在所有领域,包括科学创造,广义慧和社会技面,都完胜类最聪明大脑“。

    36740

    革命:通超级之路(下)

    其次,进化本身没有任何目标,比如以提高力为目标——有时候,环境选择可是不利于,因为这意味着需要消耗更多量。而我们可以指定进化,以增加力为目。 最后,为了增强力,物种还需要对其他辅助器官优化,协调各个部位因为提升所必要改善——比如改善细胞产出式——但在中,我们可以抛弃这些额外负担,提供类似电式来支撑。 电脑可以在想象力上匹配同时,也够在程和其他领域优化。 收集力。在收集面,类碾压其他物种。 这正是我们紧张:不断递归自我提高。它作就像这样:在某个级别AI系统——我们称为障水平——通过编码,该AI目标就是提高自己。 随着这些跳跃越加显著,提升也更加迅速,AGI在发展呈现井喷式,很快就达到超级AI水平。这称为大爆炸,这也是加速回报率终极案例。

    74770

    下一个十年:迈强大四个步骤

    Toward Robust Artificial Intelligence”,即“下一个十年:迈强大四个步骤”。 最近在和机器学习研究主要强调通用学习和越来越大训练集以及越来越多计算。 领域需要重新审视它假设。自2012年以来,研究员一直痴迷于大数据和深度学习力量,在很大程度上排除了其他法。 第一种法是混合法,仅仅依靠深度学习,我们不可达到可以信任,古典也不会,所以我们需要将两种模式混合。 由更深层次驱动机器够承担类医护员所面临一些风险。为了达到水平,即使在新环境中也以值得信赖式运作,我们需要努力建立具有深度理解系统,而不仅仅是深度学习。

    12130

    最终走是“伙伴关系”?

    机器学习(ML)是实现一种式,可以被定义为计算机使用统计技术进行学习而不需要特别编程力。这两个术语都是共生,但它们本身权利也是相互排斥,并且有不同定义。 概念对于我们来说并不陌生,一直被大众媒体探索和利用。电影已经我们展示了一个由具有AI功机器和机器支配世界,而这些电影往往最终描绘出一个支持AI社会消极影响。 尽管们认为和机器学习是未来发展,并将帮助类更好地完成自己任务,但另一批认为AI比专业士有更多缺点,并将最终导致垮台(就好像通常在好莱坞电影中描绘那样)。 然而,今天,IT行业正在尝试大量支持服务和解决案,并将它们标记为“”,如电视、玩具、扬声器、自动驾驶汽车等。那我们这些平民老百姓们又该如何访问AI? 然而,如果被看作是一种具而不是替代品,企业将够实现巨大业增长。 AI实际上可以通过收集重要信息来帮助员,对其进行筛选,并通过在许多其他面执行性检查来提高生产力。

    28710

    扫码关注云+社区

    领取腾讯云代金券