近日,谷歌和加利福尼亚大学在Arxiv.org上发表了一项研究,伯克利的研究人员提出了一个框架,该框架集合了基于学习感知模型控件,使轮式机器人能够自动绕过障碍物实现导航。
并非所有公司都准备将人工智能纳入其企业战略。人工智能适合你的特定业务吗?为了找到答案,我们回顾了AI的商业用例。
来自重量级投资人领投的 B 轮主力融资,不仅意味着 3D+AI 细分赛道前景开始明朗,也预示了行业会加速分化。
此次试航将在英国普利茅斯海岸附近的一艘载人科研船上进行,目的是评估“AI 船长”能否利用摄像头、AI 和边缘计算系统进行导航,帮助 MAS 在2020年9月横跨大西洋时安全绕过其它船只、浮标和可能遇到的其它海洋障碍物。
目前,众多 AI 企业(以及相关投资方)都在软件开发层面押下重注,认为 AI 业务将在纯技术之外,给软件厂商带来深远影响。但是,究竟是什么样的影响,很多 AI 企业自己也说不太清楚。
近年来,Adobe和Celsys等多媒体制作类软件开发公司一直在尝试将机器深度学习加入数字艺术软件中,希望通过消除耗时的人力工作来加快工作流程,以此给予画师更多时间来实践他们的创意。
未来,构建 ML 产品将更加有趣,并且这些系统会工作得更好。随着 ML 自动化工具的不断改进,数据科学家和 ML 工程师将把更多的时间花在构建优秀的模型上,而花在与生产级 ML 系统相关的繁琐但必要的任务上的时间会更少。
传统的人工车辆定损模式不仅存在人工定损流程时效长,人工成本高,效率低等问题,还存在定损评估过程不透明,以及价格不透明不精准等问题。
联合科研团队的首要原则是能够尽快地将成果用于疫情防治,第一批公布的数据主要集中在 DrugBank 库 8506 个已经上市或者正在进行临床试验的药物。
最近,我们构建了一个将机器学习模型部署为 API 的开源平台—— Cortex,我们考虑了很久应该如何选择编程语言。最终的结果是代码库中有 87.5% 用的是 Go。经过一番比较,我们认为:Python 适用于机器学习,而 Go 适用于基础设施。
文字识别技术:是目前常用的一种AI能力。通过一个识别系统,把票据通过图像采集设备,然后通过文字识别技术把图像上的文字识别出来,再经过一个数据的结构化,最后输入到财务系统。这样能节约大量的人力物力,也能够提高效率及准确率。
随着世界人口的增加和饮食的多样化,鱼类的生产和消费逐年增加。现今世界渔业资源已经接近枯竭,不可能增加自然资源的捕捞量。
谷歌AI负责人Jeff Dean 近日接受专访,讨论了2020 年机器学习领域趋势,他认为在规模更大的多任务学习和多模式学习方面,AI将取得新的里程碑。
那么对于数据驱动的机器人方法也不仅仅需要发展优秀的强化学习算法,同时也需要建立大规模的机器人学数据。
英伟达基于现有能力提出了基于AI驱动企业的边缘计算和虚拟无线接入网络,为下一代5G服务提供良好的服务。