• 相关博文
  • 最新资讯
加载中...
  • 2020年AI如何走?Jeff Dean和其他四位“大神”已做预测!

    人工智能已经不再是随时准备改变世界的状态,而是已经在改变世界。在迈入2020年这新的一年、以及新的20年代之际,笔者请到了AI方面最敏锐的观察者,请他们回顾2019年取得的进展,并展望2020年机器学习将如何进一步走向成熟。

    2020.02.08 0
  • AAAI 2020论文解读:商汤科技发布新视频语义分割和光流联合学习算法

    在这篇文章中,作者提出了一个新颖的光流和语义分割联合学习方案。语义分割为光流和遮挡估计提供了更丰富的语义信息,而非遮挡的光流保证了语义分割的像素级别的时序一致性。作者提出的语义分割方案不仅可以利用视频中的所有图像帧,而且在测试阶段不增加额外的计算量。

    2020.02.07 0
  • 12 大 AI App 技术创意,教你如何在 2020 年赚到钱!

    根据PWC的最新研究,有72%的企业领袖表示,他们相信AI将成为未来的基础,他们将其称为“商业优势”。毫无疑问,人工智能是未来最关键的技术之一,那么对于初创企业,在2020年如何赚到钱呢?本文作者提出12个想法共同探讨下。

    2020.02.06 0
  • 特斯拉AI团队招兵买马:“英雄不问出处”

    马斯克在推特中表示,特斯拉AI团队将直接向马斯克回报,他几乎每天都会与团队保持沟通和交流,并透露团队base在德州奥斯汀。

    2020.02.05 0
  • AI颠覆经济世界作用被夸大?影响远比媒体头条报道更加复杂

    每天我们都听到有人声称人工智能将改变经济体系,造成大量的失业和垄断。但是,经济学家是如何看待的呢?在第三届AI经济学大会上,来自经济学和AI领域的专家们聚集在一起,再次热烈讨论这个话题。

    2020.02.05 0
  • GPT-2仅是“反刍”知识,真正理解语言还要改弦更张

    OpenAI的GPT-2正被广泛地讨论,无论是《纽约客》还是《经济学人》,我们都能看到有关它的话题。关于自然和人工智能,它想真正告诉我们的是什么?

    2020.02.04
  • 反向R?削弱显著特征为细粒度分类带来提升 | AAAI 2020

    论文提出了类似于dropout作用的diversification block,通过抑制特征图的高响应区域来反向提高模型的特征提取能力,在损失函数方面,提出专注于top-k类别的gradient-boosting loss来优化训练过程,模型在ResNet-50上提升3.2%,算法思路巧妙,结构易移植且效果也不错,值得学习。

    2020.02.03 0
  • 抗击疫情!阿里云为加速新药疫苗研发提供免费AI算力

    1月29日,阿里云正式宣布:疫情期间,向全球公共科研机构免费开放一切AI算力,以加速本次新型肺炎新药和疫苗研发。

    2020.01.29 0
  • Uber最新开源Manifold,助力机器学习开发者的可视化与调试需求

    2019 年 1 月,Uber 推出了 Manifold,一款与模型无关的机器学习可视化调试工具,可以用来识别 ML 模型中存在的问题。为了让其他 ML 实践者也能从这个工具中获益,近日,Uber 宣布将 Manifold 作为一个开源项目发布。今天,AI科技大本营(ID:rgznai100)就为各位开发者朋友们介绍这一开源工具的新情况。

    2020.01.18 0
  • 五年循环期限已到,我们又要步入“AI寒冬”了吗?

    过去几年里,人工智能这项技术的能力被高估,接着被重新审视,围绕人工智能的炒作经历了巅峰和低谷。其巅峰时期被称为AI盛夏,而低谷期被称为AI寒冬。

    2020.01.17 0
  • 2019年,自动化机器学习AutoML技术还火吗? | BDTC 2019

    改变人工智能建模依赖专家的手工作坊式生产,打造人工智能建模的“数控机床”,利用机器替代人工实现AI模型的构建,大幅提升AI建模效率,降低AI技术门槛,加速AI应用落地。

    2020.01.16 0
  • 滴滴章文嵩:一个人的20年开源热情和国内互联网开源运动

    当然,在开源软件的使用过程中,企业也会根据自身业务需求进行改进,如果是通用型场景需求,可以回馈到开源社区,这种回馈反过来也能降低维护成本,这是一种闭环的生态逻辑。章文嵩告诉AI科技大本营(ID:rgznai100),开源之所以能持续甚至壮大的缘由在于是否能够拥有一个良性发展的开源生态。

    2020.01.16 0
  • 2020年趋势一览:AutoML、联邦学习、云寡头时代的终结

    本文将深入探讨了关于 AI 的技术和非技术方面的趋势,讨论一下相对较新的趋势,如AutoML、AI 道德等,因为这些趋势正逐渐与越来越多的公司和用户息息相关。

    2020.01.10 0
  • 微信9年:张小龙指明方向,微信AI全面开放NLP能力

    围绕语音语言,微信AI首席科学家牛成公布了最新开放方案,并重磅宣布全面开放各层次 NLP 能力。具体说来,微信 AI 迈出了“三大步”:以硬件合作为核心的智言小微硬件开放平台 2.0 正式亮相;公开以对话开放能力为核心的微信对话开放平台;全面开放以自然语言处理能力为核心的 NLP 基础技术平台。

    2020.01.10 0
  • 姚期智亲任主编,正规军的高中AI教材来了

    清华大学近日宣布,专为高中生打造的 AI 教材——《人工智能(高中版)》将于 2020 年 9 月正式出版。该教材由姚期智担任主编,并由清华「姚班」、「智班」的师资组成强大的编委团队。而教材的内容,是结合了这些专家的独特见解以及多年的教育经验撰写而成,这部教材究竟会带来什么样的影响呢?

    2020.01.09 0
  • 爱奇艺HomeAI智能语音交互系统的技术实践

    本期爱奇艺技术沙龙《语音和语言技术在自然交互中的实践》主题中,邀请了来自爱奇艺、小米等的嘉宾为大家分享了关于语音技术方面的创新以及该技术在应用方面的实践,本期沙龙的干货分享我们会陆续发布,首先跟大家分享的是爱奇艺HomeAI智能语音交互系统及在语音交互系统的相关实践,以下为演讲实录。

    2020.01.09 0
  • 拥有AI「变声术」,秒杀了多年苦练的模仿艺能

    概括来讲, VC可以将一个人的声音转换为另一个音色,但表述的内容没有改变。脑补了一下,这个技术可以给用户带来非常多有乐趣的体验。近日,在爱奇艺《语音和语言技术在自然交互中的实践》沙龙上,爱奇艺资深研发工程师 Daniel Chen 就为我们分享了关于 Voice Conversion 技术,以及 VC 在变声方面的探索与实践。

    2020.01.08 0
  • 2019,不可错过的NLP“高光时刻”

    对自然语音处理(NLP)领域而言,2019年是令人印象深刻的一年,本文将回顾2019年NLP和机器学习领域的重要事件。内容 主要集中于 NLP 领域,但也会包括一些与 AI 有关的有趣故事,包括新发布模型、工程成果、年度报告以及学习资源等。

  • 300多局点,数据接入量超过2TB/S,华为用AI优化数据中台 | BDTC 2019

    数据中台承载着华为的运营商大数据分析业务,在全球建有300多个局点,单局点最大1000+服务器,数据接入量超过2TB/S。数据中台应用spark支持批计算任务,使用yarn做spark的资源管理器。yarn虽然提供了配置参数接口,但是各局点的应用数据对容器的规格、数量有不同的需求,依赖专家配置费时、费力,且不一定最优。因此,提出应用强化学习算法,针对不同业务,学习、尝试,并最终选择spark运行时的最佳参数。该方法不仅可以用作spark运行时的最佳参数选择,对于其它需要配置运行时参数的系统仍然适用。

    2020.01.07 0
  • 基于机器学习场景,如何搭建特征数据管理中台?

    理想的机器学习场景是给到数据,训练模型后就能直接上线服务。然而真实的 AI 应用落地过程非常复杂,并不是有数据、懂算法就可以了。首先建模具有一定门槛,建模科学技术人才除了要懂机器学习算法,还要知道熟悉建模业务场景,会使用 SQL、Python 做数据处理、特征拼接、支持时序特征;建模完成到上线,要保持在线与离线一致性,实现高性能硬实时预估服务;工程上涉及特征监控、读写分离、实时特征计算,这些情况在真实的 AI 应用场景中都要考虑到。

    2020.01.06 0
每页显示 共206条数据 < 1 2 3 4 5 6 7 8 9 10 11 >      到第 GO