IT思维

AI的到来，正在由算法照入现实，从象牙塔走入产业——这也是AIoT最重要的出发点。

对于谷歌的研究团队来说，2018 年是令人兴奋的一年。

许多人都持这一观点：算法终将会超越人类，具有认知意识。

当人们在谈论人工智能和自动驾驶的时候，总是离不开5G。

但随着AI和互联网技术大量进入儿童玩具市场，人们对于玩具安全问题的担心也与日俱增。

在过去的一年里我们经历了AI能力急速提升、看到了无人车的逐渐落地、见证了5G时代的开启、感受到了技术在商业进程中的力量、触摸到了科技在日常生活中的问题。

Topbots 总结了他们眼中 2018 年里 10 篇最为重要的 AI 研究论文，带领大家领略过去的一年中机器学习领域的关键进展。

最近，日本产业综合技术研究院的研究人员提出了一种新的方法，通过结合骨骼结构的回归器和基于3D位姿表达的交叉热力图回归，实现了端到端的3D人体位姿预测，不仅能从单张RGB图中预测出关节位置，同时还能准确得到连接在关节上的骨骼角度。

从使用的范围来讲，知识图谱分为通用知识图谱和领域知识图谱。

机器学习领域有哪些实用的开放数据集？Gengo 网站整理出了 50 个高质量机器学习开放数据集，覆盖范围非常广，并按照具体领域（如金融、图像、自然语言处理、自动驾驶）进行分类，推荐给大家。

现在，创建深度学习模型越发容易，对数据科学家和开发者来说，在测试环境中打造复杂模型已不再是难事。

尽管一些公司，如大多数大型银行、Ford（福特汽车）和 GM（通用汽车）、Pfizer（辉瑞，总部位于纽约的跨国制药公司），以及几乎所有的科技公司，都在积极拥抱人工智能。

约 37% 的技术专家认为，未来 10 年，大多数人的生活不会因为人工智能 (AI) 及相关技术的进步而变得更好。

FAIR 的创办者兼首席 AI 科学家 Yann LeCun、FAIR 现任负责人 Jerome Pesenti 以及 Facebook 首席技术官 Mike Schroepfer 在官网联合发布博客，盘点了 FAIR 五年来所做的事情以及达成的成就。

近日，谷歌大脑团队提出一种结构化方法从单目视频中进行无监督学习，获得了较高质量的场景深度和自运动预测。

人类对于美的追求永不止步。

BAT 汽车赛道争夺战拉开帷幕。

在中文科技媒体的世界里，日本的人工智能产业就像是“薛定谔的AI”，有时候它是值得学习的好榜样，有时候又会被拎出来吊打。

云计算、大数据技术以及移动网络的快速发展开启了一个大规模生产、分析和应用数据的时代。

对于机器人感知来说，RGB图加卷积网络已经变成了感知系统的标配。

从装满货品的仓库到 Echo 智能音箱，AI 如何塑造亚马逊的方方面面？

从传统汽车工业界的中坚力量到科技公司都在这一赛道中狂飙突进。

德勤连续调查了有关认知技术/人工智能的主管，因为他们代表了今天正在测试和实施这些技术的公司。

公众号/将门创投 来源：Deepmind Safety Research 编译：T.R 制造一枚火箭是十分困难 […]

AI 应用落地，核心是工程问题，不是算法问题，更不是“哲学”问题。