本文统筹人类学习和机器学习的特点,提出了学习的一般化定义:学习是指一个目的系统从数据中提取模型,并用模型进行决策的过程。
导读:如何让机器学习从环境中自主学习和思考是科学家们正努力探索的目标。本文的一些想法说不定可以为研究带来一丝灵感。 注:本文译自 The Spectator,作者为 Shakir Mohamed 。文
AI 研习社按:2017 年高考刚刚结束,据相关媒体报道,7 日下午,在没有网络和题库支持的情况下,一个名为 Al-Maths 的机器人在 22 分钟内完成了文科数学北京卷,并取得了 105 分的成绩(满分 150 分),一时引发了公众的普遍关注和讨论。本文将试着从数学解题思维的角度出发,对比机器学习的一般性认知逻辑,为大家揭秘高考机器人的内部工作原理。原文作者怒放的生命,原载于芥末堆,AI研习社已获授权。 最近频繁看到机器人参加高考的消息,学校教育培养的人才还不如一个机器的报道甚嚣,且尘上矣。笔者不才,从
对于所有算法交易领域的新手来说,要找交易系统的所有细节内容将是困难的。今天的这篇文章,我们将带领大家了解交易平台系统设计的一些知识。
【新智元导读】人工智能和心理学领域的两位顶尖研究者,纽约大学 Yann LeCun 和 Gary Marcus 就 AI 是否需要类似人类和动物的内置的认知机制,以实现类似人类的智能这一问题,展开了激烈的辩论。辩论的关键在于无监督学习算法最终是否需要内置的认知结构,如果在不需要这类结构的情况下取得成功,那么 LeCun 将被证明是正确的。 一辆由AI技术驱动的自动驾驶汽车,可能需要在虚拟仿真环境中撞到树上5万次,然后才会学到这不是个明智的选择。但是,一只幼年野山羊在陡峭的山坡上学习攀爬,并不需要摔死几百万次
带两只小猫。给第一只套上项圈和皮带。把第二个放在⻢具上。最后,把它们连接到一个旋转木⻢上,确保两只小猫的动作紧密相连。这个想法是,这两只动物接受相同的视觉输入,但一只是主动的,而另一只是被动的。前者独自探索环境,后者以完全相同的方式移动,但不受控制。
选自aeon 作者:Ben Medlock 机器之心编译 参与:黄小天、吴攀 本文作者 Ben Medlock 是 SwiftKey 的联合创始人。SwiftKey 是一款使用预测技术来适应用户打字习惯的移动应用。Medlock 参与评议过许多著名的国际期刊,并且在自然语言处理领域的顶级会议 ACL 上发表过学术论文。本文观点不代表机器之心的看法。 我们往往会认为心智(mind)位于更原始的认知结构(cognitive structures)之上。我们认为我们是有意识的存在,毕竟,我们在以某种方式感受我们心
摘要:基于身心同一论,人心识别正处于从传统的信息整合向现代的信息综合阶段的跨越,此时面临两项重要工作:首先,解析特定文化结构,建构符合特定人群的共享认知框架;其次,综合来自新技术获得的有关人脑与身体状态的充分信息,利用大数据与人工智能技术,实现对人心的精准识别。在技术即将实现突破的转折期,应该从政策层面规范该项技术的未来发展。
任何一条信息都可以作为理解其他信息的工具。因此,在设计课程时,我们如何运用“知识就是工具”这一理念呢?关键在于鉴别和明确聚焦学科内和跨学科的核心概念,这些概念是最有力的工具。
编者按:在70年的人工智能浪潮中,马文·明斯基(Marvin Minsky)是一个如雷贯耳的名字,与机器学习、神经网络、虚拟现实、框架理论等热门名词紧紧联系在一起。他是定义和发展“人工智能”的先驱者之一,也是人工智能领域的首位图灵奖获得者,被尊称为“人工智能之父”。他的学术贡献璀璨夺目,横跨人工智能、机器人、图形与显微镜技术、数学、认知心理学等多个学科领域。
1927 年,Marvin Minsky 出生于美国纽约的一个犹太家庭。他从小在私立学校接受教育,高中毕业后遵循犹太传统应征入伍,在二战末期经历了两年海军生涯。退伍后,他在哈佛大学主修数学,同时选修了电气工程、遗传学、心理学等学科的课程。广泛的学科涉猎为他对人工智能研究发起挑战打下了基础。
Towards a Rational Constructivist Theory of Cognitive Development
数学家阿兰·图灵 1950 年的开创性论文引领了人类对人工智能(AI)的探索,他在这篇论文中提出了一个问题:「机器能否思考?」,那时候唯一已知的能够进行复杂计算的系统是生物神经系统。因此,毫不奇怪那时候这个新兴的 AI 领域的科学家都将大脑回路作为引导。
工作中,为了提高解决问题效率,尝试使用了大量的软件和互联网工具,身边的朋友使用这些工具,也都一定程度上提高了工作效率,拓展了创新思路。所以,我希望将这些工具的组合使用技巧分享给大家,帮助大家把自己打造成一个互联网团队--无需代码编辑能力哦!
今天出生的婴儿,到2050年刚30出头。如果一切顺利,这个婴儿可能到2100年还活着,甚至到22世纪还是个积极公民。我们到底该教这个婴儿什么,才能帮助他在2050年或者22世纪的世界里存活,甚至大展身手?他需要什么样的技能才能找到工作,了解周围的一切,走出生命的迷宫?
一、可视化的涵义 1、可视化的由来 “可视化”一词源于英文“Visualization”,译为“形象化”、“成就展现”等。事实上,将任何抽象的事物、过程变成图形图像等形象化的表示都可以称为可视化。 用可视化的手段来呈现信息已不是一个新奇的现象。最初的“可视化”可以追溯到几千年前,如古人洞穴里的绘画,而后的地图、科学图画和数据等。这些早期的可视化探索与运用在一定程度上以平直的向前方式对计算机形象化产生了重要影响。而可视化研究是一个新兴学科,它展现了一个迄今为止高度非结构化的研究领域,其中包括从事各个其他领域的
9 月 28 日,教育部网站公布了由国务院学位委员会、教育部印发的《关于进一步严格规范学位与研究生教育质量管理的若干意见》全文。该意见对研究生培养教育的全流程做出进一步细化和规范,针对研究生分流退出、论文重复率检测、导师评价等多个层面提出明确要求,旨在全方位促进提高我国研究生教育质量。
【新智元导读】从笛卡尔的身心二元论到波普尔《科学发现的逻辑》;从帕斯卡尝试建造机械计算机到ENIAC诞生;从达特茅斯会议召开到AlphaGo击败李世石......回顾过去,对自身认知的探问和创造人工智能是人类一直以来的前行方向。北邮人机交互与认知工程实验室主任刘伟及其研究生赵璐梳理人工智能发展里程碑事件,提醒我们不要忘记,现在和未来的成就都建立在前人的历史积累之上。 时间人物事件意义1633Rene Descartes发表著作《论人》提出灵魂存在于大脑的松果体中1714Gottfried Wilhelm L
司法实践中,区块链技术和可信时间戳技术(文件属性里的创建、修改、访问时间。其作用在于为用户提供一份电子证据,以证明用户的某些数据的产生时间)的广泛应用,有利于实现我国科学立法、准确司法、严格执法及全民守法的法治目标。2021年6月17日最高人民法院公布了《人民法院在线诉讼规则》,其中第16条至第18条以单独列举的方式对“区块链技术”予以规定,第14条至第20条围绕与区块链息息相关的电子数据、异步审理等规则作出规定。但从技术基础看,其并非一种真正意义的“区块链证据”,而是其底层技术可信时间戳在数字时代的法定化验证模式,全方位的司法区块链技术尚处于理论和制度的建构中。笔者认为,通过对理论与司法实践中关于区块链技术以及时间戳技术相关理论和技术措施的认真梳理,可更好地把握和推广可信时间戳技术的适用。
在日趋精密数字技术条件下,学习模式已通过互联网、社会化媒体实现数字化。海量的学习信息以数据的形式蕴含着学习者的隐性行为特征。文章从数据挖掘与领域应用、学习行为及行为分析、网络行为分析模型三个角度对在线学习行为可能的应用方向进行综述研究,探讨学习者的在线学习行为的建模机制,建立了数据、机制、结果三层次模型,并从网络挖掘的角度对学习数据进行模式分类与解析。 1引言 纵观21世纪教育研究的发展趋势,探究学习者的深层次思维与行动成为教育者关注的焦点。学习是个体获得行为经验的过程(Dienes et al
投稿和反馈请发邮件至hzzy@hzbook.com。转载大数据公众号文章,请向原文作者申请授权,否则产生的任何版权纠纷与大数据无关。
二、人工智能发展大事记 时间 人物 事件 意义 1633 Rene Descartes 发表著作《论人》 提出灵魂存在于大脑的松果体中 1714 Gottfried Wilhelm Leibniz
作者:刘志强、刘伟 摘自:人机与认知实验室 ◆ ◆ ◆ 元知识的概念 元知识的定义 目前对元知识的定义,在学术界还没有一个严格的概念。通常来说,元知识就是“关于知识的知识”。 元知识可用来描述一类知识或知识集合所包含的内容、基本结构和一般特征。没有元知识, 人们无法描述知识、使用知识和认识知识。在自动控制与人工智能等系统领域中,一般把使用和控制该系统领域知识的知识称为元知识。元知识不是领域知识,不能解决具体知识领域问题;而是关于各领域知识的性质、结构、功能、特点、规律、组成与使用的知识, 是管理、控制和使用
脑科学这个词听起来让人感觉很神秘,大家伙儿日常也几乎接触不到。毕竟很多人从小接受的教育都是学好数理化,走遍天下都不怕。如今社会里什么金融、互联网又火的一塌糊涂,这么算起来脑科学的确是小众冷门的领域了。
Kaggle近期举办了一场 关于CIFAR-10数据集的竞赛,该数据集包含有6万个32*32的彩色图像,共分为10种类型,由 Alex Krizhevsky, Vinod Nair和 Geoffrey
这种不等式关系的可视化展示为后续的很多思考提供了选择标准。强调了注意力的第一重要性,同时,阐述了相信时间的力量(耐心如同投资中的复利),金钱反而是排在最后。以前和朋友交流理财和阅读分享时,总是会陷入到问题中,现在会不自觉的把时间因素纳入思考模型,去计算注意力的成本,有点像刻意练习中描述的心理表征,遇到问题会将注意力,时间,知识积累纳入到问题的思考中,进而可能得出跟以前完全不同的结论,选择完全不同的策略。
知识图谱是一种大规模语义网络,已经成为大数据时代知识工程的代表性进展。 知识图谱技术是实现机器认知智能和推动各行业智能化发展的关键基础技术。由复旦大学肖仰华教授策划的《知识图谱:概念与技术》课程体系,已在国内进行了多次巡回演讲,受到参会人员一致好评。 课程主要目的和宗旨是系统讲述知识图谱相关知识,让同学们对知识图谱的理论和技术有一个系统的认知。本实录来自该课程老师和同学的研讨。 下面让我们通过第五章课程《概念图谱构建》的16条精华研讨,来进一步学习了解知识图谱技术内幕。文末可查看更多章节精华回顾。 本课程
中国科学院大学教授石勇 由中国人工智能学会发起主办,CSDN承办的2015中国人工智能大会(CCAI 2015)于7月26-27日在北京友谊宾馆召开。27日下午,“大数据的机遇与挑战”专题论坛在中国科学院大学教授石勇的主持下开始,他给出了讨论的7个话题方向: 大数据与人工智能 大数据的科学原理与数据科学 非结构与半结构大数据的结构化问题 大数据的复杂性表达和数据社会 大数据的开放,产权与隐私问题 大数据与人类健康 大数据与信用评分及社会管理 清华大学计算机系副主任、国家“千人计划”特聘专家朱文武,复旦大学
人工智能正在改变世界,而关键是人类应该如何塑造人工智能。我们在“热”推进的同时,必须进行“冷”思考。本文立足于哲学视域,来探讨智能化社会有可能带来的十大挑战。
近年来,研究脑组织空间变化或梯度的新方法和应用兴起,补充了在识别和绘制离散脑区和宏观功能社区方面取得的进展。在人类和非人灵长类动物死后细胞结构的早期分析中已经强调了这一点,最近的神经影像学和网络神经科学研究在绘制人类和非人类大脑的空间梯度方面取得了重大进展。
智能的真正标志不是知识,而是想象力。 作者 | Gadi Singer 编译 | 王玥 编辑 | 陈彩娴 什么知识让我们变得聪明?我们用来理解世界、解释新体验和做出深思熟虑的选择的认知结构是什么?定义一个阐明给人类或人工智能更深入理解和更高认知的知识的框架,将有助于我们对此话题进行结构化的讨论。 近日,英特尔实验室副总裁兼紧急人工智能研究主任Gadi Singer介绍了这种赋予人工智能更高认知的知识构建(knowledge constructs)的数个维度,并指出一条通往更高智能机器的道路。 图为英特尔实
本文仅摘自Wiztalk首位分享嘉宾俞栋博士在“犀牛鸟研学营”上所分享的部分内容。想了解更多视频内容请关注文末介绍。 本文摘要: 1、人工智能的未来发展 2、学术创新研究的四要素 3、俞栋博士的好书推荐 1 人工智能的未来发展 谈到人工智能的未来,我们要先回答一个问题:到底什么是人工智能?机器能完成需要智力的任务就是人工智能吗?比如,解算术题需不需要智能?小狗显然不会算,幼儿园小朋友也只会做非常简单的一些。计算器确实可以算的又准又快,但计算器的计算本身是机械性的。下国际象棋需要智能吗?可能大部分人
呜啦啦啦啦啦啦啦大家好,本周的AI Scholar Weekly栏目又和大家见面啦!
COGNGEN: CONSTRUCTING THE KERNEL OF A HYPERDIMENSIONAL PREDICTIVE PROCESSING COGNITIVE ARCHITECTURE
“清华北大也没有什么不好,”Jim说:“但我想趁年轻的时候多出去看看世界,多接触一下不同的文化和学术氛围。”
1956 年夏,约翰·麦卡锡(John McCarthy)和马文·明斯基(MarvinLee Minsky)等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”时,首次提出“人工智能”这一概念,标志着人工智能的诞生。从那以后,研究者们发展了众多理论和算法,人工智能的概念也随之扩展。2006年,基于神经网络的深度学习算法取得重要突破,人工智能顺势迎来新一轮投资界和工业界的追捧。
上学时不清楚为何学习,随着大流,摸索着方法,完成一次次考试,磕磕绊绊,完成了研究生学业,但是依然不知道学习到底有什么用。
机器之心报道 编辑:夏亚妹妹、蒋思源 5 月 8 日,由中国科学院学部主办的「脑科学与人工智能」科学与技术前沿论坛召开,本论坛从脑科学如何支持人工智能的发展和类脑智能的态势与发展研讨两个议题切入,邀请
序言部分讲到在人工智能界一直有一个说法,认为机器学习是人工智能领域最能够体现智能的一个分支。
作者:郭晴、刘伟 摘要:情感计算作为一个全世界范围内的学术热点,研究方向遍及心理学、生理学、神经科学、语言学、医学、社会学等学科。情感计算的研究使形式化的机器更加形象化,是实现自然人机交互的前提。本文结合近几年情感计算的国内外研究,基于新的层面对主要研究以及最新应用进行了归纳总结,并就情感计算进行深度探究,使更多研究人员了解情感计算最新研究方向。 一.引言 大约半个世纪前,美国心理学家“认知心理学之父” 奈瑟尔(Neisser Ulrich)描述了人类思维的三个基本和相互联系的特征,这些特征在计算机程序中
计算精神病学是一个相对较新但又多产的领域,旨在用关于大脑的正式理论来理解精神疾病,在过去的十年中看到了巨大的增长。尽管一开始很兴奋,但计算精神病学取得的实际进展似乎停滞不前。与此同时,对人脑的了解也得益于颅内神经科学的最新进展。具体来说,侵入性技术,如立体定向脑电图、皮质电图和深部脑刺激,提供了一个独特的机会来精确测量和因果调节的人类大脑中的神经生理活动。在这篇综述中,我们总结了计算精神病学和侵入性电生理学的进展和缺点,并提出它们的结合提出了一个非常有前途的新方向——侵入性计算精神病学。这种方法的价值至少有两方面。首先,它通过提供对神经活动的时空精确描述,推进了我们对心理状态的神经计算的机制理解,这是传统上使用非侵入性技术无法实现的。其次,它提供了一种直接和间接的方法,通过刺激算法定义的神经区域和回路(即算法靶向)来调节大脑状态,从而提供因果和治疗的见解。然后,我们将抑郁症作为一个用例,其中计算和侵入性方法的结合已经显示出了最初的成功。最后,我们概述了这一令人兴奋的新领域的未来发展方向和路线图,并对诸如伦理问题和研究发现的普遍性等问题提出了警告。
研究证实,人类从一出生即开始累积庞大且复杂的数据库,包括各种文字、数字、符码、味道、食物、线条、颜色、公式、声音等,大脑惊人的储存能力使我们累积了海量的资料,这些资料构成了人类的认知知识基础。实验表明,将数据依据彼此间的关联性进行分层分类管理,使资料的储存、管理及应用更加系统化,可以提高大脑运作的效率。知识库是实现人工智能的基础元件,知识库是理解人类语言的背景知识,而如何构造这个知识库,找到一种合适的知识表示形式是人工智能发展的重要任务。面向人工智能的表示方法从上世纪五六十年代开始至今,已经陆续出现了多种知识表示方式,包括最开始的一阶谓词逻辑以及现在火热的知识图谱等等。本文是上一篇《事件、事件抽取与事理图谱》的姊妹篇,文章将以知识为中心,对知识、知识表示、知识图谱的历史情况进行介绍。
在当今信息爆炸的时代,知识的获取、整理和应用显得尤为重要。随着个人职业发展和学习需求的不断提升,搭建一个个人知识库已成为提升竞争力的关键一环。个人知识库不仅是一个信息的存储库,更是一个思维的工具箱,它能够帮助我们系统地整理各类知识,形成自己的知识体系,并在需要时快速准确地找到所需信息。
知识图谱是一种大规模语义网络,已经成为大数据时代知识工程的代表性进展。 知识图谱技术是实现机器认知智能和推动各行业智能化发展的关键基础技术。由复旦大学肖仰华教授策划的《知识图谱:概念与技术》课程体系,已在国内进行了多次巡回演讲,受到参会人员一致好评。 该课程全面系统讲授与研讨了知识图谱相关概念与技术主题,对当前行业落地过程的一系列困难进行答疑解惑。 下面让我们通过回顾第一章课程的10条“知识图谱概述”研讨,来进一步学习了解知识图谱技术内幕。 本课程配套教材《知识图谱:概念与技术》。 / 以下为课程第一
Sophisticated Affective Inference: Simulating Anticipatory Affective Dynamics of Imagining Future Events
机器之心报道 机器之心编辑部 2021 年冬季的 CSC 2547 课程已全部上线,公开可看。 随着神经渲染等方法的成熟,3D 计算机视觉领域也有了诸多进展。对于从事机器人、生物识别等方向的研究人员和从业者来说,掌握几何深度学习知识和 3D 计算机视觉的相关算法是非常必要的。 CSC 2547 是多伦多大学的一门课程,主要介绍了几何深度学习方法和 3D 视觉的最新进展。近期 2021 年冬季的 CSC 2547 课程已全部上线,课程视频和讲义资料均公开可看。 该课程首先讲解了物体和场景级别的 3D 视觉任
今天为大家介绍的是来自Avraham Cooper和 Adam Rodman的一篇关于Chatgpt的评论。
熟悉写作技巧的畅销书作者常常会用一个清晰的行动准则,如“练习1万小时成为专家”“21天养成好习惯”等来激发你的行动。但是对于究竟有多少人能够坚持1万小时,1万小时是否真的引向成功,坚持1万小时的关键节点,以及1万小时练习的本质是什么却置之不理。这些畅销书作者略过不谈的细节,恰恰是科学着墨最多,也是对人们提升自我最有帮助的地方。
看到下面这只动物,你的大脑会立刻提取出与它相关的信息(栖息地、大小、饮食、寿命等等)。但是,如果你从未见过这种动物,你的大脑则会快速遍历你见过的所有动物,比较它们的尾巴、耳朵、爪子、鼻子、鼻子等特征, 以确定这种奇怪的生物属于哪个物种。
领取专属 10元无门槛券
手把手带您无忧上云