展开

关键词

64岁RODNEY BROOKS谈与发展

Rethink Robotics 创始,前 MIT CSAIL 主任 Rodney Brooks 近日撰文对和发展进行了简要介绍,并对 AI 未来进行了展望。 Brooks 指出:在领域里,我们现在甚至连步都算不上。 Yann LeCun 对此评论道:「很棒文章! 另一种解释是,过往其实并不重要,大部分重要事情都在接下来未来发生。我也相信这种解释。在领域我们甚至连步都算不上,未来还有很多艰难作要做。 AI 最初灵感来就是类表现和,我认为这个目标已经吸引了大量研究者长时间致力于该领域。实际上,我们还没有任何接近这些目标研究成果,这不是研究社区问题,而是目标太过艰难。 我在 1991 年写了一篇长论文《Intelligence without Reason》,介绍了早期与历史。这篇博客尝试补充细节,向新一代提供对这项长期理解。

24850

机器学习(1) -

这一简化使得图灵够令信服地说明“思考机器”是可。论文中还回答了对这一假说各种常见质疑。图灵测试是哲学方面第一个严肃提案。 1952年,在一场BBC广播中,图灵谈到了一个新具体想法:让计算机来冒充。如果不足70%判对,也就是超过30%裁判误以为在和自己说话而非计算机,那就算作成功了。 图灵是之父。 目前关于定义。 ????从应用和技术角度梳理下目前范围。??主要应用包括机器视觉,机器学习,机器,自然语言处理NLP,语音识别,等等。 ? 监督学习算法,包括回归分析,决策树,贝叶斯,SVM,KNN,ANN等,其中ANN就是网络。 非监督学习算法,包括K-mean,EM,PCA,ICA,SVD等。 网络历史如下图简述,其中最火就是深度学习了。 ?深度学习发展如此之猛,以至于当我们提到机器学习时候,一般指就是深度学习。?

28620
  • 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

    发展上落落

    历史其实正好与计算机历史差不多一样长,但两者发展进度却大相径庭。一个很像一帆风顺富二代,一个则落落很像白手创业者。 历史其实正好与计算机历史差不多一样长,但两者发展进度却大相径庭。一个很像一帆风顺富二代,一个则落落很像白手创业者。 但此后发展则是三两落,既有万众瞩目,们信心爆棚,资金大量注入时候,也有被打入冷宫、无问津时候。 信念在受到事实威胁时实在不足以支撑这样一个极其费钱大科目,这就导致了发展落落,一波三折。点要追溯到大概60年前。 英国政府以后没有在上进行大量投资,此后逐渐变得少有问津。

    27150

    慧革命”

    超市、自动驾驶、机器“诗”……不知不觉间,这些颇具科技感事物正褪去神秘色彩,进入现实生活。忽如一夜春风来。2018年,厚积薄发,在全球多个领域同时掀一场“慧革命”,势不可当。 技术突破给社会发展提供新,也引发新思考。 新机遇:“+”时代到来这是春天,这时播下种子更可产生深远影响。 谷歌云和机器学习首席科学家李飞飞认为,已到了产业应用“历史时刻”:在制造业领域,将优化整个生产,推动机器制造发展;在资和环境领域,大数据分析和计算机视觉都会发挥重要作用 “是引发经济社会各领域颠覆性变革一项重大通用技术,”信部发展规划处处长姚珺在日前举行一场论坛上说,“发展正在迎来一次新浪潮。” 专家认为,通过云技术建立开技术库,有助于应用加速渗透到各个领域,推动产业变革。 新思辨:一场“砸饭碗”“革命”?

    521110

    ??公众号回复:

    12210

    【CCCF专栏】

    背景1956年达特茅斯会议(Dartmouth Conference)被公认为是。 但麦卡锡在1955年就开始用“”了,如今最后一位当事明斯基也已仙逝,“恐怕要成悬案了。大家最初对“”这个词并没有达成共识,很多认为任何事情一加“”就变味了。 司马贺回忆录里也讲到他在芝加哥时听卡尔纳普课受到启蒙才开始了解逻辑学,从而对与相关问题感兴趣。这么说来,两大派:逻辑和神经网络都于卡尔纳普。 麦卡锡1958年离开达特茅斯学院去了麻省理学院,帮助麻省理学院创立了MAC项目,和明斯基一领导了MAC项目中实验室,1962年他再次跳槽到斯坦福大学。 他把分成程和科学。程,如自动驾驶汽车等,做出对类有用东西;而科学,乔姆斯基明显不认可。他引用图灵话——这问题没有意义,不值得讨论。

    51960

    发展联盟主席探讨

    Eric Horvitz在美国计算机学会通讯(CACM)刊发联合文章,对阐述了自己观点。 他们讨论了近年来公众和媒体对日益增加焦虑,分析了进展并慎重地阐述了各种风险,强调了与和其他计算机科学相关研究,包括机交互、验证和安全性,并呼吁更多投资,以更好地了解和解决不同风险 其主要观点如下:在过去一年,由于几位名关于对未来性威胁言论,进入了公众视线。在过去几十年里,基于自动感知、学习、推理和决策等已经成为们生活中普遍现象。 进展及新基于自动化系统前景刺激着们对与相关潜在风险进行思考。有一些来自非计算机科学领域杰出才阐述了他们关于系统可类生存造成威胁担心。 在与经济、政治科学及其他学科同事一作时,我们应该指出自动化技术可对经济领域造成破坏。对于超级慧或其他可暂时失控带来后果,也需要更深刻研究来理解。

    39350

    、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

    今天来谈谈研究作中所做一些基本抽象。一、概念研究对象称为体(Agent),其他外部条件划归为环境。? 体通过感知获取环境信息并通过执行器和环境交互,举个例子,机器摄像头是他感知器,马达是他执行器。感知,是关于时间输入序列,对应会有一个输出执行动作。 体做出什么样反应取决于输入和输出之间映射关系函数,这个函数就是体研究核心。编写出程序则具体实现这个数学意义上函数。 二、衡量我们研究体是要他做正确事,因此需要有一个标准去衡量他表现,一个合理体会最大化这个期望标准。 总结,研究期望是实现一个,在给定每个可感知序列下,做出让期望最大化行动理性体。

    67960

    -浅谈

    1 浅谈1.1 概述(Artificial Intelligence),英文缩写为AI。 它是研究、开发用于模拟、延伸和扩展理论、方法、技术及应用系统一门新技术科学是计算机科学一个分支,它企图了解实质,并生产出一种新相似方式做出反应机器,该领域研究包括机器 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,未来带来科技产品,将会是“容器”。可以对意识、思维信息过程模拟。 不是,但那样思考、也可超过。? 1.2 应用领域随着家电、穿戴设备、机器等产物出现和普及,技术已经进入到生活各个领域,引发越来越多关注。?

    67620

    【开】DeepMind开Psychlab,将与心理学联系

    这可表明记住购物清单困难。或者两者都有。?看来单一任务实际上依赖于多种认知力。我们在研究中也面临类似问题,在这种情况下,任务复杂性往往会使体取得成功所需单个技难以分离。 同理,我们环境允许虚拟主体在虚拟计算机显示器上执行任务,使用它注视方向进行响应。这使类和因素使用相同测试,最小化实验差异。也使得它更容易与认知心理学现有文献联系来,并从中获得思路。 随着Psychlab版本发布,我们构建了一系列在虚拟计算机监视器上运行经典实验任务,并且它们具有灵活且易于学习API,使其他够构建自己任务。视觉搜索 -测试搜索目标物品数组力。 在这三种情况下,他们用了相同时间来应对。对于类而言,这些数据暗示了并行和串行关注区别。体似乎只有并行机制。识别类与我们目前体之间这种差异,为未来改善体设计提供了思路。 Psychlab被设计为认知心理学、神经科学和之间桥梁。我们将其开,已期更多研究群体够在他们研究中利用它,并帮助我们塑造未来。

    29170

    :达特茅斯会议

    近日,尼克简史》由民邮电出版社出版,他在书中全面勾勒半个多世纪历史,再现了AI史上大师作、交往。 — William Shakespeare(莎士比亚)现在一说,公认是1956年达特茅斯会议。 塞弗里奇被后提及不多,但他真是学科先驱,他在麻省理学院时一直和神经网络开创之一麦卡洛克一在维纳(Norbert Wiener)手下作,他是维纳最喜欢学生,但没读完博士学位。 这么说来,两大派——逻辑和神经网络——都发于老卡。卡尔纳普那时兴趣是归纳推理,这成为所罗门诺夫毕生研究方向。所罗门诺夫后来结识了明斯基和麦卡锡,在他们影响下研究逻辑和图灵机。 尼尔森是学科早期参与者,也一直是领导者之一,他多年担任SRI部门负责和斯坦福大学计算机系主任,是圈里

    1K60

    打击

    :AI前线本文长度为4000字,建议阅读8分钟随着 AI 技术发展以及部分滥用,这句话也被应用在了上,一场新军备竞赛开始了: vs 。 随着 AI 技术发展以及部分滥用,这句话也被应用在了上,一场新军备竞赛开始了: vs 。 然而不幸是,网络罪犯同样也利用创建自己合成身份,产生结果也足够真实,足以愚弄发现异常行为。这场之战——也是打击网络安全欺诈者,正在假新闻、假视频和假音频战壕中展开。 同时,根据 Doermann 说法,好需要教育公众,对互联网上一切要持保留态度;如果听来太好(或太坏)而不像是真,那么它可就是真。Doermann 说,“这并不是一项不可完成任务。 SemaFor 目标是获取被识别为假图像,并应用归因算法来推断媒体,同时使用特征算法来确定 Deepfake 是出于恶意目(比如造谣活动)还是处于良性目(如娱乐)。

    34830

    15 个顶级

    以下这些开应用都处于研究最前沿。1. Caffe?它是由贾扬清在加州大学伯克利分校读博时创造,Caffe 是一个基于表达体系结构和可扩展代码深度学习框架。 它是计算网络具包(Computational Network Toolkit)缩写,CNTK 是一个微软具。 DMTK 是分布式机器学习具(Distributed Machine Learning Toolkit)缩写,和 CNTK 一样,是微软具。 由 Numenta 公司管理 NuPIC 是一个基于分层暂时记忆(Hierarchical Temporal Memory,HTM)理论项目。 TensorFlow 是一个谷歌具。它提供了一个使用数据流图进行数值计算库。它可以运行在多种不同有着单或多 CPU 和 GPU 系统,甚至可以在移动设备上运行。

    44220

    类文明新一轮冲击,

    比尔·盖茨在Reddit“Ask Me Anything”论坛上表示,类应该敬畏。盖茨解释道,将最终构成一个现实性威胁,但它在此之前会使我们生活更轻松。 是计算机科学一个分支,它企图了解实质,并生产出一种新相似方式做出反应机器。目前并不是很可怕。 最后结果就是:它进化到一定程度时候,那么类就会发现根本理解不了它在做什么。大脑是靠神经元组成复杂网络,虽然单个微乎其微,但组合在一是科学家也搞不懂网络系统。 考虑到强种种优势后,仅仅会在‘水平’上简单停留然后迈着大步向超越理解基础上前进。但真就让超级发展出来,我们类文明威胁是什么? 类可在途中忘记,但是并不会。一个超级是非道德,并会努力实现它原本被设定目标,而这也是危险所在。一旦超级出现,任何阻止它行为都是可笑

    33280

    诊断正在快速兴

    《自然》杂志(Nature)报道这一癌症诊断发现只是2017年众多这类报道一例,让我们管中窥豹,看到了可以协助医生甚至与他们媲美“软件诊断”新时代。 此外,放射学领域被戏称为“医学界硅谷”,因为它生成了大量详细图像。尽管斯坦福研究团队预测非常准确,但没完全确定深度学习程序是依据痣哪些特征来将其分类为恶性或良性。 “就黑盒医学而言,医生们不知道发生了什么,因为没有做到这一点;它本质上是不透明。”美国密歇根大学(University of Michigan)研究员指出。 Arterys公司首席技术官表示,一些公司会倾向于直接向客户提供深度学习具。例如,们可以通过扫描自己痣来决定是否需要去看医生。 一些非手机应用程序,例如Mole Mapper,已经可以让们追踪可疑皮肤痣,记录其随着时间推移发生任何变化。

    43950

    制造一样吗?

    一直以来是大热,制造又是新兴关键词,说到制造就想到,那么两者到底是一样吗? 说到,我们并不陌生,机器和阿尔法狗都深入心,大多数理解是有着思维,像一样去完成各种操作,然而真正不止如此,它应用领域十分广泛,小到一台手机,大到一个重型设备这些都是产物 目前,“互联网+”和“+”已成为制造业转型升级主攻方向,制造是设备等一系列对象在互联网、大数据、等技术支持下,满足需求而产生。 最为我们熟知就是无驾驶汽车了,他将传感器、移动互联网、大数据分析集成到一,满足各种出行需求;还有一些制造业完成化产线改造也算是制造,传统产线没法系统化管理,出现问题不及时反馈, 所以制造并不混为一体,制造算是和众多技术融合发展结果!忽米网——让业更有

    19650

    漫画简史

    这是公众号推荐第 8 篇好文来:大鱼AI作者:Dr.Wu ? 作者:武博士、宋知达、袁雪瑶、聂文韬本节我们会以生动有趣漫画来介绍关于(AI)相关故事,你将会学习到: 历史1.2 诞生是最近才有吗? 其实很早就有了,都快63岁了呢。 让我们进入历史长河,一沿着时间足迹探究。 对于研究者来说,这个会议是一场划时代会议,会议将“像一样思考计算机”称为“”,于是“”这个词,诞生了!? 到了2008年,随着手机和4G网络普及,几乎全世界一半都成为了网民,为互联网贡献自己数据。够让计算机自主学习,便进入了第三次AI浪潮。从诞生到现在历史,可以整理为下图:?

    55820

    漫画:啥是

    作者:武博士、宋知达、袁雪瑶、聂文韬本节我们会以生动有趣漫画来介绍关于(AI)相关故事,你将会学习到: 基本概念1.1 啥是?当有问我,Dr.Wu 你研究方向是什么? 1.1.1 慧和究竟什么是,什么是AI,接下来,由我为大家解答。 媒体上几乎每天都有AI和词汇,总给一种深奥神秘感觉。 要回答这个问题,就必须从造物 区别和慧说。 对于研究员来说,目标并不是研究,而是以程技术手段制造出类似 产品。 但是,事实上,目前还没有做出公认通过图灵测试。所以大家也不必恐慌哦。1.1.3 会思考吗?“思考”,大多数会想到计算,应该是专长。 例如:训练好在图片识别过程中,效率远远高于类,给他们10万张图片,他们会很快类做好分类作,无怨无悔,而且在作过程中,本来慧”也在提升。?

    53720

    必知:发展史

    1.2发展史研究不仅与对思维研究直接相关,而且和许多其它学科领域关系密切。 因此说到历史,应当上溯到历史上一些伟大科学家和思想家所作贡献,他们为研究积累了充分条件和基础理论。这里仅列举几位重要代表物。 以往该试验几乎是衡量机器唯一标准,但是从九十年代开始,现代领域科学家开始对此试验提出异议:反对封闭式,机器完全自主;提出与外界交流机交互。 1956年,他和其他一些学者联合发召开了世界上第一次学术大会,在他提议下,会上正式决定使用这个词来概括这个研究方向。 因此,神经网络研究由此进入低潮时期,而、专家系统研究进入高潮。70年代以后◆70年代,开始从理论走向实践,解决一些实际问题。

    61260

    扫码关注云+社区

    领取腾讯云代金券