人工智能图像识别技术已经取得了一些令人惊叹的进步,但正如一项新的研究表明的那样,这些系统仍然可以被那些愚弄的例子所绊倒。 一群麻省理工学院的学生最近愚弄了谷歌开发的一种图像分类器,这群学生周三发布的一篇论文详细描述了一种可以更快地欺骗系统的技术。这种欺骗谷歌系统的方法提供了一个真实的例子,说明基于人工智能的图像识别系统是如何被黑客入侵的。 论文地址:https://arxiv.org/pdf/1712.07113.pdf 视频地址:http://imgcdn.atyun.com/2017/12/jqyqrd
谷歌2017开发者大会 Google I/O已经落幕,有不少亮点都值得我们学习和回顾,其中相当一部分是机器学习开发的内容。AI研习社精选了其中的精彩视频译制呈现给大家,该视频为中文字幕版首发! 来自谷歌TensorFlow技术推广部的Josh Gordon 带来了一场主题为《用于图像、语言和艺术的开源TensorFlow模型》(Open Source TensorFlow Models for images, language and art)的演讲,介绍了最新的从图像识别和语义理解的TensorFlow
看懂一个东西对人类来说很容易,但是对机器来说却是很难的,这个时候图像识别技术就应运而生。今天我们就为大家揭秘图像识别技术原理,告诉你机器如何利用卷积神经网络进行图像识别,从而“看见”这个世界。
📷 谷歌昨日推出了一款很有意思的绘画小程序 Quick, Draw! 。乍看这只是一个涂鸦游戏——它会随机显示一个名词,要求你在20秒内把它画出来。玩家需要用鼠标简单地把这个物体勾勒出轮廓,然后 Quick, Draw! 会判断你画的到底像不像。 📷 “请在20秒内画个马桶” 但千万不要小看这个“游戏”,它是谷歌近期发布的一系列的其中一个 AI 试验工具中。它实际上使用了神经网络算法对玩家的涂鸦进行判断。谷歌试图用它来研究怎么让 AI 自学图像识别和光学字符辨识——这两项都是 AI
---- 新智元报道 来源:aiweirdness、gizmodo 编译:肖琴 【新智元导读】神经网络的专长之一是图像识别。谷歌、微软、IBM、Facebook等科技巨头都有自己的照片标签算法。但即使是顶尖的图像识别算法,也会犯非常奇怪的错误,它只看到它希望看到的东西。同样,即使是非常聪明的人类,也会被算法“愚弄”。 今天,只要你生活在互联网的世界,你就可能与神经网络交互。神经网络是一种机器学习算法,从语言翻译到金融建模等各种应用,神经网络都可以发挥作用。它的专长之一是图像识别。谷歌、微软、I
移动互联网、智能手机以及社交网络的发展带来了海量图片信息,根据BI五月份的文章,Instagram每天图片上传量约为6000万张;今年2月份WhatsApp每天的图片发送量为5亿张;国内的微信朋友圈也是以图片分享为驱动。不受地域和语言限制的图片逐渐取代了繁琐而微妙的文字,成为了传词达意的主要媒介。图片成为互联网信息交流主要媒介的原因主要在于两点:
摘自:腾讯科技 6月4日,百度公司最近宣称在ImageNet(图像识别最大数据库)的图像识别人工智能基准测试中击败了谷歌(微博)和微软。但是周二,ImageNet宣称百度在测试中存在违规行为,百度已经为自己“误导公众”而道歉。 百度的行为凸显了人工智能领域竞争中存在的高度风险。目前,全球顶级科技公司都在争相研发人工智能技术,包括允许计算机识别图像、控制机器人、理解口语以及执行其他任务等。而积累起巨大计算资源的互联网巨头承受着巨大压力,它们需要竭力维持自己的领先地位,无论是声望还是潜在商业利益方面。 除了百度
【新智元导读】李飞飞加入谷歌是最近 AI 界的一件大事,反映了谷歌、微软、亚马逊、Facebook 等科技巨头正在积极重塑自己在人工智能领域的策略。这些公司不仅在内部推广 AI 技术,把 AI 应用于它们现有的产品,同时也致力于将这些技术推广到其他技术领域。本文梳理了这些大公司的最新动向和策略,无可置疑的是,他们都是认真的,AI 将在我们的未来发挥越来越大的作用。 李飞飞加入谷歌是最近 AI 界的一件大事。作为斯坦福大学人工智能和视觉实验室主任,李飞飞创建了全球最大的图像识别数据库 ImageNet,加速了
谷歌在 Google AI 上撰文进行对刚刚发布的 ML Kit 中的核心技术:Learn2Compress 自动模型压缩技术进行了详细介绍和实战测试。
AI 研习社按: Google I/O 2018 上,谷歌发布了可供开发者定制移动端机器学习模型的 ML Kit 开发套件,关于该套件中的核心技术:Learn2Compress 模型压缩技术,谷歌也火速在 Google AI 上撰文对其进行了详细介绍和实战测试,AI 研习社将其内容编译如下。
摘要:对于Blippar,其创始人Omar Tayeb 表示其目标是将任一照相机均转变为智能设备,不论其连接了高端智能手机与否。我们只需要一个不低于2或3兆像素的相机即可以完成所有的工作。所有的“思维
AI 科技评论按:上周我们报道了谷歌的一项研究 “数据为王”是真的吗?谷歌轻抚着100倍的数据量点了点头 - AI科技评论,它直观地体现了更多训练数据可以带来更好的结果,但连线(WIRED)的这篇文章
我们知道,人工智能领域虽然发展迅速,但大部分机器学习的系统都是针对特定的学习任务存在的,例如会下棋的AlphaGo,识别人脸的图像识别模型,识别语音语义的智能语音助手等等。这些机器学习的系统都只面向特定的任务,目前很少有模型能真正突破狭义机器学习的限制,有能力学习多种不同领域任务。 近日 AI 科技评论了解到,谷歌在博客上发表了文章,提出了自己研发的新机器学习系统MultiModel,一个有能力处理多个任务的机器学习模型。这一模型由多伦多大学计算机科学机器学习小组研究员ÅukaszKaiser,Google
在人工智能产业中,应用层是一个极大的部分,是人工智能技术最终的目的地。除了机器人、无人机和无人驾驶等硬件产品之外,人工智能的软件应用在单独商业化的同时,也在为这些硬件产品提供服务,像智能家居的语音控制
下面这张在网上流传的图片展示了吉娃娃和松饼之间惊人的相似之处。这些图像通常在人工智能(AI)行业(包括我自己)的演示中共享。 但有一个问题没有人回答过:在消除像吉娃娃或松饼这样的图像的不确定性时,到
AiTechYun 编辑:nanan 在刚刚过去的一月份(2018年1月),Facebook的研究机构Facebook AI Research(FAIR)发布了开源的Detectron对象检测库。几个
新智元 AI DAILY 1 谷歌收购法国图像识别公司Moodstocks 谷歌昨天宣布收购巴黎初创公司Moodstocks,该公司为智能手机开发基于机器学习的图像识别技术。收购的具体条款并没有披露
导读:早在21世纪初开发大数据技术(诸如Hadoop、Pig和Hive)时所开展的研究和产品开发,就已经涵盖了目前大多数大型商业企业所开展的工作。
大数据文摘作品 编译:Katrine.Ren、元元 当下的图像识别技术看似愈发成熟了,但自带蠢萌属性的它实际上依然可以被轻易愚弄。 研究人员最近就成功忽悠了一把以智能著称的算法,让它们一脸懵逼地犯下了一系列错误: 比如把两个滑雪的人辨识为一只狗,把一个棒球看成是一杯意式咖啡,又例如把一只乌龟误认为是一把步枪。 最新的一个欺骗机器的方法操作更为简单,却有更深远的影响,所需要的道具也仅仅是一张简陋的贴纸而已。 图注按顺序为:将贴纸放在桌上,输入分类器的图像,分类器输出结果 这款由谷歌的研究人员新近开发的自带迷幻
【AI研习社】关注AI前沿、开发技巧及技术教程等方面的内容。欢迎技术开发类文章、视频教程等内容投稿,邮件发送至:zhangxian@leiphone.com 随着谷歌2015年发布开源人工系统TensorFlow,让本就如火如荼的深度学习再添一把火,截至现在,TensorFlow已经历了多个版本演进,功能不断完善,AI开发者也能灵活自如的运用TensorFlow解决一些实际问题,下面雷锋网会对一些比较实用的TensorFlow应用做相关整理,让大家对TensorFlow有理性和感性的双层认知。 Tensor
选自QZ 作者:Dave Gershgorn 机器之心编译 参与:吴攀、黄小天、李亚洲 现代机器智能建立在模仿自然的基础之上——这一领域的主要目的是在计算机中复制人类通过生物方式具备的强大决策能力。
分类:python 作者:TTyb文章发表于 2016-11-12 百度指数抓取,再用图像识别得到指数前言: 土福曾说,百度指数很难抓,在淘宝上面是20块1个关键字: 📷 哥那么叼的人怎么会被他吓到,于是乎花了零零碎碎加起来大约2天半搞定,在此鄙视一下土福 安装的库很多: 谷歌图像识别tesseract-ocr pip3 install pillow pip3 install pyocr selenium2.45 Chrome47.0.2526.106 m or Firebox32.0.1 chromedr
最近朋友问我能不能写一个自动化,帮他解放一下双手。我想了想,在我知识里很多辅助脚本制作工具,想想那些可能会有一堆局限性,想到了Python有自动化测试游戏框架或者工具,但是一直没有了解,搜了下资料,突然发现了AirTest,嗯…还是小几年前的东西,于是我面无表情的点击了进去。
2014年,人工智能得到了前所未有的关注, Eron Musk和霍金的“人工智能恶魔论”在学术界和产业界引发了激烈争论;资本对这个方向也是趋之若鹜,截止到2004年,有超过20亿美元的风险投资流入到基
近日,谷歌大脑的创始成员和 AutoML 的缔造者之一Quoc Le再推新研究论文,在题为“对抗性样本改善图像识别”一文中提出一种增强的对抗训练将对抗性样本AdvProp。
【新智元导读】图像识别领域的权威标杆 MS COCO 2017 竞赛结果公布。COCO 竞赛代表了继 ImageNet 后图像识别的最高水平。今年,来自旷视、商汤、北大、北航、中科院自动化所的众多中国团队,几乎占据了各项任务的第一,超越了谷歌、Facebook。 MS COCO(Microsoft Common Objects in Context,常见物体图像识别)竞赛是继 ImageNet 竞赛(已停办)后,计算机视觉领域最受关注和最权威的比赛之一,是图像(物体)识别方向最重要的标杆(没有之一),也是目
AI科技评论按:现今,深度学习的应用非常普遍,而谷歌一直是使用深度学习的一股强大力量,Forbes上的一篇文章详细介绍了谷歌在深度学习上的应用。跟着AI科技评论来看看谷歌究竟将它运用在了哪些地方? 深
【新智元导读】苹果公司 AI 研究主管 Russ Salakhutdinov 近日在 NIPS 2016 的一次闭门分享会上畅谈了苹果的 AI 研究现状。从其流出的几张幻灯片可以看出苹果的确做了不少研究,尤其在压缩神经网络和图像识别算法方面独有一套。期待苹果发表第一篇机器学习论文! 苹果公司长期以来一直对其在加州库比蒂诺的实验室进行的研究保持神秘。原因很好理解。但至少在人工智能领域,苹果显示出要开始揭开其研究的神秘面纱的迹象。12月6日,在 NIPS 会议的一场闭门午餐会上,苹果公司机器学习团队的新主管 R
最近朋友问我能不能写一个自动化,帮他解放一下双手。我想了想,在我知识里很多辅助脚本制作工具,想想那些可能会有一堆局限性,想到了Python有自动化测试游戏框架或者工具,但是一直没有了解,搜了下资料,突然发现了AirTest,嗯...还是小几年前的东西,于是我面无表情的点击了进去。
Gemini是谷歌公司推出的一个人工智能大模型,能够在不同平台上运行,并包括三种不同规模的模型:Gemini Ultra、Gemini Pro和Gemini Nano。其中,Gemini Ultra是最大、功能最强大的类别,被定位为GPT-4的竞争对手。2023年12月6日,Gemini的初始版本已在Bard中提供,开发人员版本将于12月13日通过Google Cloud的API提供。据谷歌公司高管称,Gemini Pro的表现优于GPT-3.5,但回避了关于它与GPT-4相比的问题。在八项基准测试中,Gemini有七项结果优于OpenAI通用模型的最新版本GPT-4。
谷歌希望通过开放这个数据库,进一步改进他们基于视频识别的机器视觉能力。 谷歌在机器视觉学习方面积累大量的数据以及技术,最近,他们推出了一个新的视频数据库,名称为“原子视觉行为(AVA)“,该数据可由一
据The information爆料称,OpenAI即将推出多模态模型GPT-vision。
翻译 | AI 科技大本营 参与 | shawn 编辑 | Donna 近期,微软(Microsoft)和阿里巴巴(Alibaba)先后宣布,其人工智能系统在一项阅读理解测试上打败了人类。他们进行的是基于“标准问题回答数据集”(Stanford Question Answering Dataset ,SQuAD)的测试,用于回答维基百科的问题。 这一消息再度引起人们关于“ AI 抢走人类工作”的担忧。AI 系统不仅可以识别图像或音频,还可以快速阅读文本并回答相关问题,准确度已经达到人类水准。 不过,这些
【新智元导读】ImageNet 竞赛在今年正式完结。那么,图像识别未来的重点将是什么,ImageNet 竞赛之后又会出现什么呢?WebVision 竞赛被誉为接棒 ImageNet的大规模图像识别竞赛,今年有 100 多个团队参与。本文介绍 WebVision 竞赛,后附冠军团队码隆科技的技术分享。 2017 年 7 月 26 日,CVPR 2017 研讨会“超越 ILSVRC”将正式宣布 ImageNet 竞赛结束。然而,这并不代表着领域对图像识别兴趣的消退。实际上,相关的关注度正在走高。 ImageNe
【新智元导读】这两天人工智能分外火爆,乐视推出超级大脑,猎豹投入5000万美金研发机器人。在中信证券这篇长达1.5万字的人工智能产业投资研究报告里,分析师冷静而严谨地看好深度学习、图像识别和智能机器人这三片投资蓝海。报告认为,历史上人工智能的投资如果在应用层出现泡沫,未来的机会往往在技术层。中信证券的秦培景博士昨天在中信证券与新智元联合举办的人工智能产业研讨会上说:“未来人工智能这片蓝海怎么去航行?可以说是技术为锚,资本为帆,但是如果我们没有把握这个航线的话,创业的小船也是说翻就翻。” 【秦培景等】从二十
“在未来30年, 人工智能将取代目前世界上50%的工作。” ——莱斯大学 计算机科学教授 Moshe Vardi 不管未来怎么样,我觉得提高设计师的效率是眼前最容易做到的事情。 设计师打交道最多是图像
【新智元导读】神经演化方法在上世纪80年代被提出,由于神经网络的兴起而一度遭受冷遇。不过现在,谷歌大脑和 OpenAI 都在重新审视这种方法。通过在深度学习中引入大自然的智慧——演化/适者生存,我们能够得到更聪明、更有效的算法吗? 现代人工智能被开发来模仿自然——人工智能领域的主要追求是在计算机里复制人类生理决策的过程。 30 多年来,大多数 AI 在类脑方面的发展都围绕着“神经网络”,这个词借用了神经生物学的术语,将机器思维描述为数据在神经元——彼此相连的数学函数——之间的运动。但自然还有其他的妙法:计
选自free Code Camp 作者:Mariya Yao 机器之心编译 参与:蒋思源、刘晓坤 本文通过吉娃娃与松饼的图像对比了流行的六大计算机视觉API,作者希望能借助这些识别情况帮助读者了解各
【导读】《财富》封面文章报道深度学习推动的人工智能如何在整个计算生态系统引发革命。文章从深度学习发展的历史关键点入手,介绍重大的标志性技术突破,讲述了 Hinton、LeCun、李飞飞、吴恩达等研究者的故事,以及围绕技术和人才在谷歌、Facebook、微软、百度这些大公司之间展开的角逐。这篇文章可能是近期对深度学习最好的总结及介绍,也是深度学习已经跃居世界主流舞台的最好证明。 过去四年来许多领域的技术都取得了跨越性的发展。其中,最引人瞩目的是智能手机的语音识别功能比以往有了显著提升。当我们用声音命令手机
【新智元导读】《财富》封面文章报道深度学习推动的人工智能如何在整个计算生态系统引发革命。文章从深度学习发展的历史关键点入手,介绍重大的标志性技术突破,讲述了 Hinton、LeCun、李飞飞、吴恩达等研究者的故事,以及围绕技术和人才在谷歌、Facebook、微软、百度这些大公司之间展开的角逐。这篇文章可能是近期对深度学习最好的总结及介绍,也是深度学习已经跃居世界主流舞台的最好证明。 过去四年来许多领域的技术都取得了跨越性的发展。其中,最引人瞩目的是智能手机的语音识别功能比以往有了显著提升。当我们用声音命令手
上一周,ICML 2016在纽约画上了完美的句号。这个会议(International Conference on Machine Learning)已经逐渐发展为了由国际机器学习学会(IMLS)主办的世界最顶级的机器学习领域会议之一。来自世界各地的机器学习领域的专家们都以论文投稿的方式向大会递交了自己最新的研究成果,其中包括一篇来自百度硅谷实验室的语音识别的论文。 大会主要采用演讲和PPT展示的形式,辅以一定程度上的交流讨论会来进行。整个会议议程已经于24日全部结束,最终评出了三篇最佳论文奖和一篇最具时间
导读:从市场披露的投资数据分析,在2011年到2015年的五年时间,人工智能领域的并购资金从2.82亿美元增长到2015年的23.88亿美元,而并购数量也从67起增长到397起。以谷歌、苹果、IBM、
人工智能在经过了5年突破性的发展,2015年是人工智能发展的一个里程碑。计算机已经变得更加的精巧并且学习速度比以前更快。 谷歌的高级研究员Jeff Dean说,AI领域可以说确实处于加速发展中。为了庆祝他们的成就和制定关于人工智能领域的发展计划,这周Dean和许多其他AI领域的顶级人物聚集在蒙特利尔召开的神经信息处理系统会议。这个会议开始于1987年,并且由于其对AI领域不断进行探索研究,最近几年其已经发展成硅谷众多公司必须参加的重大会议。Facebook的首席执行官马克扎克伯格在NIPS上宣布要成立一个
作者:宋天龙 链接:https://www.zhihu.com/question/63383992/answer/222718972 来源:知乎
在通往人工智能的路上,Google一直在不停地买买买。 谷歌在2011年成立AI部门,目前已经有100 多个团队用上了机器学习技术,包括Google搜索、Google Now、Gmail等, 并往其开源Android手机系统中注入大量机器学习功能(如用卷积神经网络开发Android手机语音识别系统) 。谷歌目前产品和服务依靠主要AI技术驱动,如谷歌使用深度学习技术改善搜索引擎、识别Android手机指令、鉴别其Google+社交网络的图像。 2015年8月,谷歌宣布架构重组,设立母公司Alphabet,谷歌
大数据文摘作品 编译:钱天培、龙牧雪 连发三条推特!今天凌晨时分,李飞飞通过一篇博客文章发布了谷歌最新AI产品——AutoML Vision,可以自动设计机器学习模型。 我很荣幸地宣布AutoML Vision面世。无需精通机器学习,每个人都能用这款AI产品定制机器学习模型。这是“AI民主化”的重要进展! ——李飞飞 这个名为Cloud AutoML的宏大项目浮出水面,或标志谷歌发展的战略转型。一直以来面向机器学习人工智能开发者的Google Cloud,这次将服务对象转向了普罗大众。 今天面世的AutoM
国际财经媒体Quartz报道,据谷歌和美国“开放人工智能实验室”(OpenAI)的一项研究,类达尔文进化论的神经进化理论可以帮助人工智能算法进化优化。 现代人工智能是为了模仿自然而生,其最主要的目标就是将人类天生的决策能力复制到计算机中。 受人脑工作方式的启发,近三十年来人工智能的发展都围绕着“神经网络”。神经网络的概念借用自神经生物学,将机器的思考描述为在神经元这种相互连接的数学功能单元之间的数据传递。但是,自然界还有其它一些好概念。计算机科学家目前正在重新审视一门古老的学科,并建议将进化过程引入到人工智
编译来源:http://fortune.com/ai-artificial-intelligence-deep-machine-learning/
【新智元导读】《财富》今日刊文,深度报道阐述深度学习推动的人工智能如何在整个计算生态系统引发革命。文章从深度学习发展的历史关键点入手,介绍重大的标志性技术突破,讲述了 Hinton、LeCun、李飞飞、吴恩达等研究者的故事,以及围绕技术和人才在谷歌、Facebook、微软、百度这些大公司之间展开的角逐。或许你已经知道人工智能的历史、深度学习是如何走来——你确定?这篇文章可能是近期对深度学习最好的总结及介绍,也是深度学习已经跃居世界主流舞台的最好证明。 10 月 18 日,中国自动化学会和新智元联合主办的世
领取专属 10元无门槛券
手把手带您无忧上云