展开

关键词

需要颠覆图灵机吗?

Bragi Lovetrue是Demiurge Technologies 联合创始,该公司位于瑞士,旨在推进服务于深度学习、类脑程和机器领域科技与应用转化。 我对上述事项观察结论是,问题症结在于和脑科学领域用于引导渐进式发展基准并不适用于启发革命性。 但是程师思维盛行令与脑科学发展更加受制于对反向程致命缺陷忽视,正在阻碍着革命性到来。 正在极速增长普世应用庞大需求, 使学术界与产业界正在以过去无法想象速度融合,令科学价值与应用价值正在以前所未有方式统一。 因此,神经网络计算模型将会为全生活来带来质飞跃。我们虽然无法预测何时何地会出现下一个「图灵」,但我们一定够共创最优生态系统来吸引下一个「图灵」。

46420

​为什么 2015 是一年

在经过了5年发展,2015年是发展一个里程碑。计算机已经变得更加精巧并且学习速度比以前更快。 谷歌高级研究员Jeff Dean说,AI领域可以说确实处于加速发展中。 为了庆祝他们成就和制定关于领域发展计划,这周Dean和许多其他AI领域顶级物聚集在蒙特利尔召开神经信息处理系统会议。 关于领域有许多可以讨论话题。今年领域之所以会有前所未有进步这要归功于一些令厌烦因素积聚。例如,带有处理复杂信息云计算基础建设,是一项附有巨大量并且可以负担得起程。 研究主要聚焦点在于学会自行思考,并且对于一些普遍问题够提供临时解决方法。 但是技术巨大潜力已经远远超出了在谷歌利用技术开发游戏所展现出力。

48880
  • 广告
    关闭

    腾讯云+社区系列公开课上线啦!

    Vite学习指南,基于腾讯云Webify部署项目。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    专访「算法之父」Michael Saunders:未来点可在自动驾驶

    AI 科技评论按,4 月 25 日,在由涂鸦联合知名财经媒体《新财富》、领域知名媒体《全球化商业》共同举办「全球化商业峰会」上,斯坦福大学荣誉教授、新西兰皇家学会荣誉成员、世界级算法专家 Michael Saunders 教授研究领域包括、大规模科学计算、大数据分析、系统优化、稀疏矩阵解法、软件程、AIoT 等。 AI 科技评论:您是如何看待、IoT 与系统优化之间关系? AI 科技评论:现在技术在中国特别火热,作为这方面专家,您觉得技术未来点在哪里,这一技术走向如何? Michael Saunders:这是一个很好问题,技术已经发展很久了,1967 年,当我还在斯坦福大学念 PhD 时候,就已经是一个计算机科学研究主题了,如果 AI 是泡沫话,

    33030

    学界 | 专访「算法之父」Michael Saunders:未来点可在自动驾驶

    4 月 25 日,在由涂鸦联合知名财经媒体《新财富》、领域知名媒体《全球化商业》共同举办「全球化商业峰会」上,斯坦福大学荣誉教授、新西兰皇家学会荣誉成员、世界级算法专家 Michael Michael Saunders 教授研究领域包括、大规模科学计算、大数据分析、系统优化、稀疏矩阵解法、软件程、AIoT 等。 AI 科技评论:您是如何看待、IoT 与系统优化之间关系? AI 科技评论:现在技术在中国特别火热,作为这方面专家,您觉得技术未来点在哪里,这一技术走向如何? Michael Saunders:这是一个很好问题,技术已经发展很久了,1967 年,当我还在斯坦福大学念 PhD 时候,就已经是一个计算机科学研究主题了,如果 AI 是泡沫话,

    32030

    2015重大

    今年在和机器学习领域取得进展令印象深刻。这些领域中受到认可进展一年比一年多,但我们仍然够赶上这速度。 2015年重大分为5类:跨环境抽象(abstracting across environments),直觉概念理解(intuitive concept understanding),创造性抽象思维 我会出讲述一些重要事件,它们推动了今年发展。 跨环境抽象(Abstracting Across Environments) 领域一个长期目标是实现通用,一个单一学习程序可以同时在完全不同领域进行学习和行动,可以转换一些学习到技巧和知识 Rajendran等则使用联合嵌入,以不同方式和不同语言,一次性支持多种有意义相关映射聚集。随着这些嵌入变得更加复杂和详细,它们就可以成为更多复杂广为使用技术。

    35830

    2020年领域

    总结一下个认为2020年领域称得上一些作,涉及到DETR、ViT、BYOL、NeRF、GPT-3和AlphaFold2六个王炸。 DETR ? DETR是首个将完整Transformer架构应用于计算机视觉领域作,开辟了计算机视觉大规模使用Transformer新纪元。 这是什么概念,这就是Self-Supervised周伯通啊,左手和右手互博,不需要和别实战就练成绝世神功。 NeRF ? NeRF,只需要输入少量静态图片,就做到多视角逼真3D效果。 AlphaFold2 蛋白质结构预测问题是结构生物学一个里程碑式问题,每两年,类会组织一场蛋白质结构预测大赛。CASP14届Alphafold2血虐其他算法。 ? 这个图什么概念? 最后 前4个作对于后面Transformer、Self-Supervised和3D视觉领域有着深远影响,会一定程度上指引NLP和CV领域发展。后两个作可属于行业颠覆型作,经久不衰。

    23620

    AI瓶颈在于实体

    AI瓶颈在于实体 近几十年,生活方式发生了非常重大变化,这凸显了对远程和自动化过程需求。 大脑与机体适当平衡是创造行为更自然和全集成机器先决条件。 因此,未来十年内,机器学领域一大主要缺口是:为机器机体以及机体形态与控制系统和基于学习方法共同进化开发新材料和新结构。 为了填补这一缺口,机器学社区一大重要发展趋势是实现机体、控制、形态、动作执行和感知协同进化。这里将其称为实体(PAI)。 因此,PAI与机体变化方法无关,并且有别于具身(embodiedintelligence)。PAI 合成要义在于从材料层面到形态层面再到机器系统层面将多种不同特性成功地组合到一起。

    10410

    2018全球性技术TOP10

    2018年技术已在多方面实现进展,国内外科技公司都在不断尝试将应用于更多领域,不论科技巨头还是初创企业,都在致力于不断创新,推动技术进步,接下来我们就来看看十项中外领域富有技术 ,在机器领域内取得了性进展。 技术:店铺安装摄像头已经是一件非常普遍行为,但普通摄像头只纪录店铺内行为,如果发现盗窃需要通过观看监控记录排查,耗时费力。 技术:机器流程自动化(RPA)是通过使用高性认知技术实现业务自动化和效率。类只需在操作界面上编写需要完成作流程,即可处理各种业务,如浏览器,云,以及各种软件。 技术:在进行音乐编辑时,一般是利用均衡器将音乐中低音部分调出来,而麻省理学院计算机科学和实验室研究员发现了更好解决方案。他们所研发新系统PixelPlayer。

    45220

    AI:RPA

    [AI:RPA口] RPA尚处于发展初级阶段 与其他技术一样,RPA也正在从单一功向多功化发展。 从发展阶段来看,RPA发展可划分为辅助、解放、增强和自主四大阶段。 目前,RPA仍处于发展初级(辅助、解放)阶段,只应对基于规则、机械性、重复性任务。 不少企业部署RPA后,随着各类业务发展,对RPA提出了更高要求,希望RPA拓展边界,处理更为复杂场景。于是,AI成了RPA口。 结合了机器学习和深度学习AI,可通过计算机视觉、语音识别、自然语音处理等技术拥有认知力,适合处理RPA无法理解非结构化数据,以帮助RPA提高应用范围和作效率。 此外,通过借助AI-OCR技术,RPA还可以轻松识别编号、日期、金额,并自动输入Excel表格中,比传统录入更为准确、快捷、高效。

    25720

    微软CEO:是一场技术“终极

    量子位 | 李林编译 微软首席执行官Satya Nadella昨天在印度公开活动上发表讲话时,强调(AI)巨大潜力,并称之为技术“终极”。 “如果宽泛讨论包括机器学习在内,过去五年来最令兴奋事情是深度神经网络发展,让机器具备犹如类一样感知语音或图像力”,Nadella说。 不过尽管对非常看好,他仍然经过说不应“过度炒作”。 不说通用AGI即将到来,Nadella表示,真正挑战是对类语言理解,然而现在还不完美做到这一点,我们需要继续向上攀爬。

    408100

    手机遭遇“红利真空期”,成困境

    当前,国内手机出货量持续走低,甚至终止了国内手机连续八年高增长趋势,不少手机厂商将“”视为此次困境口。 手机出货量持续走低 成“救命丸” 在各家手机厂商抓紧时机部署产业时候,手机整体态势看来似乎有点不佳。 落地手机 “语音交互”打响第一炮 从当初苹果Siri到后来微软Cortana,再到三星平台Bixby语音交互模块,可以说,在手机端,们对这类落地方式感受最为直接。 最后 如今,基于等前沿技术,手机”已远远超越以往们对它定义,由一种机械式向着性化方向进行转变。 从短期来看,语音助手以及计算机视觉技术服务将是技术在手机端应用体现,这将帮助们认识,并培养使用应用习惯意识。

    21820

    年度必读:2018最具论文Top 10

    当然,还有很多具有论文值得一读,但我们认为这是一个很好列表,你可以从它开始。 概要总结 艾伦研究所团队提出一种新型深层语境化单词表示——语言模型嵌入(Embeddings from Language Models, ELMo)。 设计了一个卷积架构,它可以作为序列建模任务一个方便且强大起点。 AI社区评价 在使用RNN之前,一定要先尝试CNN。你会惊讶于你走多远。——特斯拉主管Andrej Karpathy。 伯克利研究实验室研究员表明,由于某些延迟结果,使用共同公平标准实际上可会损害代表性不足或处境不利群体。因此,他们鼓励在设计一个“公平”机器学习系统时考虑长期结果。 AI社区评价 这篇论文在社区中得到了广泛讨论,被认为是一篇利用神经网络在“幻觉”世界中强化学习和训练杰出作品。

    26020

    年度必读:2018最具论文Top 10

    当然,还有很多具有论文值得一读,但本文作者认为这是一个很好列表,你可以从它开始。 今天,Reddit上一条帖子火了: ? 对于初学者来说,在机器学习和领域必须论文有哪些? 概要总结 艾伦研究所团队提出一种新型深层语境化单词表示——语言模型嵌入(Embeddings from Language Models, ELMo)。 设计了一个卷积架构,它可以作为序列建模任务一个方便且强大起点。 AI社区评价 在使用RNN之前,一定要先尝试CNN。你会惊讶于你走多远。——特斯拉主管Andrej Karpathy。 伯克利研究实验室研究员表明,由于某些延迟结果,使用共同公平标准实际上可会损害代表性不足或处境不利群体。因此,他们鼓励在设计一个“公平”机器学习系统时考虑长期结果。 AI社区评价 这篇论文在社区中得到了广泛讨论,被认为是一篇利用神经网络在“幻觉”世界中强化学习和训练杰出作品。

    29640

    慧物流成为水泥厂建设

    2015年5月19日,国务院发布《中国制造2025》,以、绿色业为主要第四次业革命已在酝酿发展之中。 厂、生产、物流作为业4.0时代三大主题携时代之风般席卷而来,给中国乃至全世界制造业一针创新发展再出发强心剂。 水泥作为传统制造业,化转型升级已迫在眉睫。 慧物流是水泥企业真正实现前提条件之一,水泥企业如何通过建设物流助益水泥企业厂建设? 如果是在非指定区域卸货,系统会第一时间自动发出违流警报,管理员可及时对该订单任务进行复核和判定,平台也会提供客观完整任务轨迹及重量、区域等信息帮助管理员进行客观公正评判是否属于违流事件。 水泥厂建设最重要一点就是要做到数据精准,数据是厂建设血液,在各应用系统之间流动,只有数据精准才有助于企业做出正确判断。

    41210

    Kevin Kelly解读狂热:解超五个假设

    我听说未来计算机会变得比我们还要聪明得多,它们将夺走我们所有作和资源,而类将会灭绝。这是真吗? 这是我每次谈论时最常碰见问题。 最近,在一个有关问题讨论会上,一组由九位最知名大师组成专家小组一致认为,这种超是不可避免并且离我们并不遥远,可在这里查看他们讨论: 然而,超接管情况是有五个假设作为前提 在下面段落中,我分别扩展了对这五个反假设证据,并举例说明,事实上一个超就是一种神话。 一 关于最常见误解始于对自然普遍误解。这种误解认为是单一维度。 我询问了很多专家以求得到在以指数式增加证据,但是他们所有都同意我们并没有衡量标准,此外,(即便在特定领域)也不是以指数式增长。 如果没有每一分钟、每一小时、每一天或者每一年创新发现,也不会出现比还聪明,而发展无疑会显著加快其自身进步速度,部分原因是由于外星会问出类不会问及问题;但是强大

    494110

    、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 ——Wikipedia Weak 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 ——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

    2K20

    CAPTCHAs验证码被

    据《科学》(Science)杂志2017年10月报道,一家名为Vicarious公司开发算法攻了被们广泛使用CAPTCHAs验证码。 有很多种方法可以将字母呈现并混合在一起,们通常可以很直观读出来,但对计算机来说却很难。解验证码力已经成为评判研究一个重要基准。 许多尝试过并获得了一些成功。 但公司Vicarious联合创始迪利普·乔治(Dileep George)说道,之前一些尝试只是利用了一种特殊验证码弱项,而程序细微变化就可以很容易地对它进行防御。 乔治说,以前模型试图让机器类一样学习,这在很大程度上依赖于一种叫做深度学习主流技术。“深度学习是这样一种技术,你有多层神经元,然后你训练这些神经元按照你方式做出反应。”他说。 目前还不清楚这项研究对信息安全影响有多大。乔治指出,谷歌已经从文本验证码转移到了更高级测试。随着变得越来越,证明用户是测试也将变得更加

    48090

    如果泡沫灭了

    特别是在这项技术有和进展时候,们会产生 “这项技术明天就进入生活” 希望或者错觉。大家为了抢占先机,便一拥而生。泡沫由此产生。 比如之前 P2P ,现在已经死得差不多了。再比如之前 O2O ,现在也很少谈起了。如果泡沫灭了,会不会像 P2P 和 O2O 一样一地鸡毛。前几次泡沫灭,可是很惨淡。 在那灭期,搞门可罗雀很惨。 但我个观点:如果这次几个新点全部失败,大家对未来失去信心,也不会一地鸡毛。 如果泡沫灭,社区只退回广告系统和推荐系统,重新回到 “世界上最聪明一群,每天研究是如何让更多点广告” 时代,怀抱这两大金主在寒冬蛰伏。 ? 等风云变幻学术界又有新,再搞一波泡沫或者真正地把类社会推入时代。 4. 总结 ---- 看了上面描述,不要觉得“这次浪潮终将完全退去,所有新点都要失败”。

    55390

    如何“落地难”?

    技术公司没有这方面知识积累,但拥有先进技术储备。通过业务公司与技术公司合作,基金经理可以在帮助下更好分析市场。 中美应用不同发展路径 在不同国家发展,与当地产业发展特点相关,取决于技术与当地产业结合。 如何判断领域技术创新是否落地? 如何判断目前正在进行技术开发是否有落地?比如,是否够将语音识别技术应用在会议在线翻译场景? 在围棋界够成为第一名是否意味着比任何都聪明?很多学会开车,但让电脑安全开车要比赢一盘围棋困难得多。围棋是有限变量,而开车涉及到更多判断。 传统行业尤其是企业最高领导需要对有更客观认识,尽可去接触和理解做什么,哪些还不做,不应有过高期待。毕竟有些技术还没到成熟阶段。

    52140

    谷歌利用开发出难以加密技术

    《信息安全杂志》(Infosecurity Magazine)发表文章称,谷歌利用技术成功开发出了难以加密技术。 谷歌大脑团队创造了两个,它们够进化自己加密算法,保护信息免受第三个攻击,而后者试图进化其算法来解由生成加密算法。 该研究取得了成功:前两个从零开始学会了如何安全地进行沟通。 谷歌大脑团队开始使用了三个相当普通神经网络,名字分别是爱丽丝(Alice)、鲍勃(Bob)和夏娃(Eve)。 重要是,上述没有被告知如何进行加密,或使用什么加密技术:只给了它们一个损失函数(失败条件),它们就开始进行作。 然而,对密码学来说,其意义不仅仅在于对数据对称加密,研究员指出,未来作可会考虑数据隐藏(在其他媒体内隐藏数据)和非对称(公钥)加密。

    58180

    扫码关注云+社区

    领取腾讯云代金券