针对不方便打开视频的小伙伴，CDA字幕组也贴心的整理了文字版本，如下： ? 在过去几年，人工智能领域在飞速发展。 你知道未来AI将如何影响你的生活吗? 我有一些想法。 我在研究人工智能问题，我负责位于加州山景城的谷歌大脑团队，也就是我们的人工智能研究团队。 我们的团队长期以来研究如何让机器智能化，我们还会与谷歌的产品团队合作，从而生产出智能的机器产品。 最低层包括，图像的某个部分是否包含棕色的斑点等。接着上面层次的内容更复杂，比如图像的某部分包含了耳朵、眼睛或胡须。这些特征是学习过程的组成部分，也是深度学习的关键因素。 比如日本有一位种黄瓜的农民。对黄瓜种植者而言，你需要对黄瓜分成不同的类别进行销售。比如个头小的、中等的、大的、带刺的、不带刺的、直的、弯曲的。在收获时，这个过程很复杂且耗时。 原因在于我们的计算力不够。对每个样本的模型进行调整，多次处理每个样本，从而构建模型需要大量的计算力。因此我们需要更快的计算机。 幸运的是，如今我们有了更快的计算机。
机器之心整理 演讲者：周志华 整理：邱陆陆 本文整理自南京大学周志华教授 9 月 12 日在南京举行的 2017 中国人工智能峰会（CAIS 2017）上进行的演讲记录。机器之心是大会协办单位。 一提到人工智能，很多媒体、社会大众可能首先想到的是科幻电影中的「人工智能」形象。所以从事人工智能研究的人经常要面对一个很难回答，或是说很悲哀的问题：比人类更聪明的人工智能什么时候能够出现？ 这样的问题，对做人工智能研究的人来说其实非常难回答。为什么呢？因为谈到人工智能，有两种差别非常大的观点。 他曾经给人工智能下过一个定义说，人工智能就是研究「让机器来完成那些如果由人来做则需要智能的事情」的科学。 机器学习是一个非常广袤的学科领域，其分支随着数据分析的需求不断涌现、增长而指数级地膨胀。深度学习只是其中的一个小分支。 下面我想谈一谈我关于机器学习下一步发展的一些思考。
领8888元新春采购礼包，抢爆款2核2G云服务器95元/年起，个人开发者加享折上折
希望大家能通过凯西•奥尼尔在TED上的演讲了解关于大数据和算法另外的一面。 注：为方便阅读，编者另标注了小标题。 正文： 算法无处不在 算法无处不在。他们把成功者和失败者分开来。 更糟的还在后面，纽约邮报提出了“信息自由法”的要求，来得到所有老师的名字与他们的分数，并且他们以羞辱老师的方式发表了这些数据。 我知道你们很多人在想什么，尤其是这里的数据科学家，人工智能专家，做饭在想“我可永远不会做出这样前后矛盾的算法。”但是算法可能会出错，即使有良好的意图，也会产生毁灭性的影响。 出现错误的频率有多高，让这个模型失败的对象是谁？失败的代价是什么？ 算法创造者的责任 最后，我们必须考虑这个算法的长期的效果，与正在产生的反馈循环。 以下是作者TED视频： ? 翻译：网易公开课 编辑和整理：PPV课数据科学社区
导读：每年3月，以“Ideas Worth Spreading”为宗旨的TED大会都会在美国召开，聚集众多科学、设计、文学、音乐等领域的杰出人物，分享他们关于技术、社会和人文的思考与探索。 所以TED整体演讲视频质量极高，即使最平常的视频也都非常值得一看。本文为大家整理了TED截止到现在最受欢迎的十大演讲，干货满满，先码后看！ 10 四轴飞行器灵活的运动性能 ? 这不仅让人联想：如果人工智能和飞行器结合起来，将会玩出多少花样！ 09“天上掉馅饼”的邮件 ? 但是James Veitch的做法似乎和我们不太一样…究竟他是怎么做的，来看这个TED演讲吧。 08 错误引导的艺术 ? 在这个TED演讲里，朱利安·特瑞雪演示了如何进行有力的演讲——从一些方便实用的嗓音练习到如何动情演讲的小技巧。让你从此不再惧怕演讲。 05 我如何做到水下屏气17分钟 ?
原作者 Devendra Desale 编译 CDA 编译团队 本文为 CDA 数据分析师原创作品，转载需授权 TED演讲一直是分享想法和灵感的优质平台。 在这里，我们针对数据科学家，从统计，社交媒体和经济等领域筛选了十个优质演讲。 （以下所有视频均在TED官网可以找到，根据自己的需求还可以选择中文字幕哦） 1. 在这次演讲中，他分享了从研究中得到的的三个重要经验，以及想过上充实，长寿的生活所需的实用且古老的智慧。 Hans Rosling 通过他关于全球人口，健康和收入数据的著名图表，证明了很可能你之前的认知是错误的。接着通过他的观众测验等，学会四种快速减少无知的方法。 未来 50 年，世界人口将增长到 90 亿，只有通过提高最贫困人口的生活水平，才能抑制人口增长。Hans Rosling 在 TED 中使用了彩色新数据显示技术。 6.
（The Rise of Artificial Intelligence through Deep Learning）》的演讲。 近日，TEDx Talks 官方在 YouTube 上发布了该演讲的视频。机器之心在本文中对该演讲的主要内容进行了整理介绍。 演讲主题：在深度学习进步的推动下，人工智能领域正在发生革命。 我们眼睛看屏幕上的页面，在计算机看来就是一张图片，一堆的像素。为了回答关于此图像内容的问题，你需要了解它的高层含义，这种高层含义对应大脑中的最高层表征。 我相信在数学和行业术语之外，普通人也能足够理解隐藏在下面的基本思想，从而参与到将在未来数年和数十年到来的关于人工智能的重大决策中来。 所以请拿出一点时间和空间，让你自己学习了解它。 它既有可能带来极大的益处，也可能带来极大的负面影响，比如军事用途、对就业市场的颠覆。确保未来几年我们做出的关于人工智能的集体选择将有益于所有人应该在人工智能塑造我们未来的方式上扮演积极的角色。 ?
在本期的TEDx演讲中，你一定会找到相应的答案。 主讲人 ? 当人们想起数据科学家，人们常常会想到一个穿着实验服的人，在进行人工智能、应用算法、分析数据，为行业或商业的用途提供分析见解。 但好消息是，如今的科技水平能够让我们处理、分析这大量的信息。 得益于机器学习中人工智能的帮助，大数据被用于许多方面。 这些关键的因素让数据转换为有价值的内容，这一系列的技能是人工智能还不能媲美的。这是技术与人文艺术的交叉点，当中会出现奇迹。 记住，手上有工具的愚者还是愚者。 大数据并不仅是关于技术，大数据需要智者，大数据需要具有好奇心的艺术家来做出改变。 谢谢大家。 ?
举个例子,关于姿势，你们现在坐着的姿势都不一样，这是一个关于腿长，你的背部和背部轮廓的函数。如果我现在放一些传感器，或许100个，在你的椅子里，我可以算出你的独一无二的参数。 机器学习是人工智能的一个分支，人工智能又是计算机科学的一个分支。它的基本理念是，把关于某个问题的一堆数据扔给电脑，让电脑自己找出解决方案，而不是教电脑应该做什么。 这些都有影响，但不是真正的原因。真正的原因是我们改变了问题的本质，我们把问题的本质从试图明确无误地教会电脑怎样驾驶变成我们对电脑说：“这里有许多关于汽车的数据。你自己搞定它。 机器学习是许多网上在线应用的基础。搜索引擎、亚马逊的个性化算法、电脑智能翻译、语音识别系统。研究者最近在研究关于活组织检查的问题。 关于肿瘤活组织检查，他们让电脑通过(历史)数据和存活率来判断这些细胞是否是癌症细胞。
人工智能时代已经到了新时代 你准备好赶上这波潮流了吗 在这一系列的演讲中，让我们从“全局”的角度聆听关于人工智能（AI）和机器学习的有趣讨论和会议，你将会听到关于该领域内未来的发展、意义、优势和对全世界范围内影响的不同立场 演讲主题涵盖广泛：从AI的政治和技术责任，到AI对未来就业市场的影响，甚至它在艺术领域中的作用。 1. 当电脑比我们聪明时，将会发生什么？ 演讲者：泽奈普·图费克奇（ ZeynepTufekci） 在这个令人大开眼界的演讲中，她详细介绍了像Facebook，Google和Amazon这样的公司是如何用同样的算法让你点击广告，这些算法同样被用来组织你对政治和社会信息内容的访问 演讲者：Blaise AgüerayArcas Google首席科学家Blaise使用深度神经网络进行机器感知和分布式学习。他在演讲中展示了被训练识别图像的神经网络是如何反向运行并生成网络。 演讲者：斯图尔·特罗素（Stuart Russell） 我们怎样利用超级智能AI的力量，同时也要防止机器人接管人类所造成的灾难？
Yann LeCun 举了一件关于他在贝尔实验室两位同事 Jackel （Larry Jackle现任 NVIDIA 机器学习顾问，曾在加拿大多轮多的一场 NVIDIA 的分享会讲过这个故事，并亲自协助完成了机器之心技术分析师对那场分享会的报道 如果 E(Y) = ||Y - G(Y)||^2, 尽可能的使得 G(Y) 不变 Contracting auto-encoder, saturating auto-encoder 接下来，是关于对抗训练的介绍 （详情可见：学界 | Yann LeCun 最新论文：基于能量的生成对抗网络（附论文）） 在演讲的最后，Yann LeCun 提到了语义分割的视频预测技术，并展示了时间预测结果。 ? 语义分割的时间预测 ? ? 语音分割的暂时性预测：提前 9 帧（0.5 秒）进行预测；自回归模型； 最后简单总结一下，Yann 在演讲中总结了去年人工智能领域的进展，并介绍了监督学习的一些知识点。 此外，对抗训练在未来可能会逐渐扮演更重要的角色，而如今的难题是让机器学习「常识」。 演讲结束后，Yann LeCun 回答了现场观众的问题。
人工智能还是机器人？细想一下，可能这两个都不是，最火的当属赚钱最火的币圈了。 在他的一次TED演讲中称区块链是互联网二代。今天，小编我将唐·泰普斯科特的TED演讲及全部内容整理如下，这或许是看懂区块链最好的视频了。 ? 以下为演讲全文： 可能对未来几十年带来巨大影响的科技已经到来了。并不是社交媒体，也不是大数据，也不是机器人科学，甚至也不是人工智能。你会惊讶的了解到，它是比特币等数字货币的技术基础，它叫做区块链。 他们彼此竞争，第一个找出结果并使区块有效的矿工，将会有数字货币的奖励，这就是关于比特币的区块链。 ? 随后是关键的部分，该区块链接到前一个区块，以及更前面的区块，形成一连串的区块。 它正如其名，它是自我执行的合约，合约负责处理强制措施，经营管理，工作情况和支付方式，某种意义上来说，该合约也是一个银行账户，是关于人们之间的合约。
这就是你在纽约总部的形象：一部越洋电话里的一个声音。没有表情、没有多余的动作，甚至如果你和总部的戏精在电话里吵起来了，他们可以随时关掉你的开关。 这就是加州大学Santa Cruz分校心理学教授Leila Takayama和她的团队在做的研究。 TED演讲：如果你是个机器人会怎样？ 时长13分钟 带有中文字幕 ▼ ? 人们第一次看到这些机器人的时候，通常会有这样的反应：“哇，看这些部件，这里一定有一个相机”，然后开始戳你的脸。 有时，你的同事们还会直接说“你的声音太小了”，然后走过来把你替身的音量键调大一点。 是的，真的有铲猫屎机器人 不同人的自我维度会让他们有不同的反应，我们永远不能把人类都当做完全相同的均一体。我们的性格不同，文化背景不同，甚至在不同时刻我们的心情好坏也是不同的。 探索有机器人参与的未来，人类会更加了解自己。 原视频链接： https://www.ted.com/talks/leila_takayama_what_s_it_like_to_be_a_robot
就来TED演讲的 波士顿动力公司创始人Marc Raibert 和一家来自未来的公司的前世今生 赶紧戳开视频吧 时长15分钟 带有中文字幕 ? ? 以下为演讲精华内容： 我很喜欢制作机器人。 我的长期目标就是制造像真正的人和动物一样的机器人。机器人的成功取决于三个方面。首先是平衡性和动态运动能力，其次是机器人的运动控制能力，最后就是它的移动感知能力。 首先，什么是动态运动和平衡性？ 另一半是真实世界的物理规律。有重力、阻力和弹力的物理世界。所以成功的机器人必须是一个全局的设计：软件、硬件和机器的行为彼此互动。 最近我们在硬件上做了一些调整、一些尝试▼ ? 图中左边是传统的设计，导体 管子 连接器……右边的这个则是一个整体，它看起来就像一个解剖学图解。借助神奇的3D打印技术，我们开始制造机器人的部件，这样的机器人看起来就像解剖学下的动物。 原视频地址 https://www.ted.com/talks/marc_raibert_meet_spot_the_robot_dog_that_can_run_hop_and_open_doors
其实，不管是让计算机听懂人话，也就是所谓的自然语言理解；还是让计算机“说人话”,也就是自然语言生成，都比想象中来得困难。但是作为人工智能的重要方向，NLP也是越来越受到大家的关注。 这边我以TED在数据科学和人工智能方面Top10的演讲文本来举一个使用统计方法提取关键词的例子。 ? 左边这张是由大大小小的单词组成TED字样的图，这其实是一张词频统计的词云图。 但你仔细一看，发现文章中全部都是关于科比的八卦，这时候你就会判断文本的主题可能是娱乐八卦。这就是LDA想解决的问题，它认为不同词语在不同主题里的权重是不一样的，所以一个词并不能代表一个主题。 例如从历年TED演讲文本主题中发现，相较其他年份，2008年除了“老生常谈”的话题之外，其他有很多和太空、宇宙、星球之类相关的主题。2008年关于太空发生了什么呢？ 我们搜索了该年太空大事件新闻，发现08年美国专家借助 “凤凰” 号着陆探测器发现火星土壤里有冰冻水，掀起了学术和媒体界关于人类移居去火星的激烈讨论，“earth-like planet”也成了人们移居其他星球的梦想指南
【新智元导读】 如果您想更多地了解AI和机器学习的力量和潜力，一个好的地方是TED Talks。 这篇文章推荐的五个演讲包括：机器人能通过高考吗；盲目信仰大数据的时代必须结束；机器智能让人类道德更加重要；我们能在不失控的前提下发展AI吗；为人机混合式的思考作好准备。 人工智能会怎样改变世界？ 另一方面，你应该担心AI会最终超越其人类创造者，就像Elon Musk和Stephen Hawking所说的那样。 如果您想更多地了解AI和机器学习的力量和潜力，一个好的地方是TED Talks。 许多TED演讲者探讨了AI的问题及其以发人深省的改变生活的潜力。 这些谈话将让你以全新的方式思考AI： 机器人能通过高考吗？ ? 未来主义者和发明家雷·库兹维尔（Ray Kurzweil）对人类和人工智能的未来关系有着深刻的认识。想象一下，如果突然面临一种情境，需要你运用自己所有的聪明才智，或者更多。
Marshall和他在Planet的团队将使用世界上最大的卫星群每天拍摄整个地球的图像。 现在他们正在进行一个新的项目：使用人工智能对地球上所有的物体进行索引——这可以使船只、树木、房屋和地球上的一切东西都可以搜索，就像谷歌等搜索引擎一样。 4年前就在TED的讲台上，我公布了地球任务1号： 发射一系列卫星，从而能每天拍摄地球全貌，并让大众能获得这些信息。 我们要解决的问题很简单。在网上，你能找到的卫星图片很旧了，甚至早就过时了。 我们希望这个工具能够让人们发现地球发生的变化，并做出改变。 那么人类现在有了这个不断变化的地球数据库，我们的下一个任务是什么呢？ 简而言之，就是空间加上人工智能。 我们利用人工智能检索卫星图片中的事物。网上用来在视频中标记猫狗的AI工具，同样可以用来处理我们的照片。 想象这里有艘船，这里有棵树，这是辆车，这是条路，这是个大楼，这是个卡车。
这也是为什么那段由a16z上传的视频吸引了我。Frank Chen（a16z的合伙人）回答了大部分关于自动驾驶汽车的常见问题，而我决定在此对这些问题逐一进行深入探讨。” ? 三维的激光测距图谱与相机，智能软件相结合，可以提供汽车自动驾驶所需的信息。 ? 目前的实现方案是在车顶安装一个移动的激光雷达装置，每个装置耗资7500美元。高昂的费用是这一技术产业化的主要障碍。 两大类方法的最主要区别在于系统是基于先验数据的学习还是基于固定的逻辑规则做决策。 ? 令人钦佩的波士顿动力没有使用任何机器学习技术，但仍然取得了卓越的成果。 通过机器学习设计自动驾驶算法需要海量的数据作为学习的原材料，包括经验数据，正确操作和环境的范例数据。问题在于我们需要多少真实和模拟的汽车行驶的对比数据。 自动驾驶汽车的普及将会带来一系列的连锁反应，这些变化是难以预测的，就像无法预测沃尔玛的奇迹一样。这些影响将会完全改变我们的社会，带来大量未知的机遇。 ? 改变将什么时候发生？
提到人工智能，很多媒体、社会大众可能首先想到的是科幻电影中的「人工智能」形象。所以从事人工智能研究的人经常要面对一个很难回答，或是说很悲哀的问题：比人类更聪明的人工智能什么时候能够出现？ 这样的问题，对做人工智能研究的人来说其实非常难回答。为什么呢？因为谈到人工智能，有两种差别非常大的观点。 他曾经给人工智能下过一个定义说，人工智能就是研究「让机器来完成那些如果由人来做则需要智能的事情」的科学。 我们简单地回顾一下过去几十年里人工智能学科发生了的事情。今天，我们一般认为人工智能这个学科诞生的话是在 1956 年。 机器学习是一个非常广袤的学科领域，其分支随着数据分析的需求不断涌现、增长而指数级地膨胀。深度学习只是其中的一个小分支。 下面我想谈一谈我关于机器学习下一步发展的一些思考。
即使是在人工智能技术突飞猛进的情况下，现在我们可以以超过99%的精确度完成这件事，这叫做图像分类，给定一个图像，在图像上加一个标签，计算机就知道成千种分类。 我们这张图片，当我们在这张图上运行分类器，我们得到的不仅是猫还是狗的预测，我们实际得到的是特定种类的预测，这就是我们现在可以达到的精度。 ? 这是我们检测系统在我电脑上的实时运行状况，当我绕着检测框移动时，它能很流畅的追踪到我，并且它对于尺寸的各种改变也很兼容，摆造型——向前，向后，效果很棒，如果我们想利用计算机视觉来构建一个系统，这就是我们真正想要的结果 那么，剩下的全取决于在座的各位了，当然，还有世界各地的，我非常期待看到大家用这个技术做出的成就！ 感谢各位！（完） 目前，该项目已经有相关的网址啦！没过瘾的童鞋可以通过以下方式了解该项目的更多信息。 have a nice time~ 视频地址： https://www.ted.com/talks/joseph_redmon_how_a_computer_learns_to_recognize_objects_instantly
智能钛机器学习（TI-ML）是基于腾讯云强大计算能力的一站式机器学习生态服务平台。它能够对各种数据源、组件、算法、模型和评估模块进行组合，使得算法工程师和数据科学家在其之上能够方便地进行模型训练、评估和预测……
扫码关注腾讯云开发者
领取腾讯云代金券
云服务器
即时通信 IM
网站备案
对象存储
实时音视频
