IT思维

GANs 当然不只是能生成难以辨别图片，应用到别的学科，它依然大放光彩。

恩达对话Yann LeCun：从相识Hinton到深度学习崛起

机器学习可以为广泛的行业带来真真切切的商业价值——前提是机器学习已经真正地投入使用。

人们几乎每天都要听到描述人工智能发展的新研究。

长期以来，我一直主张，统计学家（及其他数据科学家）应该精通多门编程语言。15 年前，我说过这样一句话，“性能要求高的场景用 C，交互式数据分析和图表用 R，操作数据文件用 Perl。”现在，我会用 C++ 替换 C，用 Python 或 Ruby 替换 Perl，但基本思想保持不变：使用最合适的语言解决手头的问题。

保安，保安！抓住那个砸玻璃的人！

昨晚，来自伦敦的DeepMind宣布，将在巴黎设立AI实验室。

带有韵律的合成语音：谷歌展示基于Tacotron的新型TTS方法。

告诉你们如何启动一个 AI 的创业项目。

机器学习虽然能够在很多地方显示出强大的力量，同时也被集成到了很多的商业流程中去，但它依旧有一些不完美的地方，今天我们就通过一些典型的例子来深刻感受一下机器学习的局限性。

本文将会介绍三种回归算法及其优缺点，将会为我们理解和选择算法提供很好的帮助。

Michael I.Jordan的重要贡献则包括指出了机器学习与统计学之间的联系。

近年来人工智能（AI）在中国发展迅猛，国家已经将AI上升为国家战略。

他们在论文摘要中这样陈述这篇论文的价值：推进可解释性AI发展的重要一步。

Mark Cicero 和 Alexander Bilbily的团队赢得了2017年北美放射学会举办的机器学习挑战赛。

下面这些问题，可能在我们不久的将来（一年或者两年？）就会出现在我们身边。

新一代人工智能“新”在哪？将人工智能的“炒作热”真正变成“落地热”，这可能才是未来3-5年中国人工智能发展的主题与核心。

 3 月 10 日，科技部部长万钢就中国的人工智能发展规划答记者问。

《西部世界》是近几年来我最喜欢的电视剧之一。

尽管现在人工智能的发展速度达到了令人目眩的地步。但李飞飞依然认为它面临着诸多挑战，人类有责任让人工智能的发展能够帮助人类世界变得更加美好。

人类对图像的感知远远超出了物体、形状、纹理和轮廓这些因素。

产品的重要原则是关注用户的需求，对于机器学习而言也是一样。

如今来自史密斯学会和哥斯达黎加理工学院的研究人员们正致力于更加充分地深入利用这些数据，将大数据分析、计算机数据和GPU计算技术结合起来，希望更深入地理解植物信息学。

“目前，检测一个地方有什么物种的最好方法是坐下来，卷起裤子，看看有什么蚊子咬你。” Sinka说，“但这显然是有一些不足的。”

自去年成功预测第89届奥斯卡8项大奖后，机器学习和数据分析平台BigML再次公布今年的大奖预测结果。