对移动式工作的机器人来说,如何判断周边环境的安全,以保证畅通无阻是非常重要的。还没动两步就“咣咣”碰壁,这样的机器人就太尴尬了。
人工智能先驱、贝叶斯网络之父、美国计算机科学家 Judea Pearl 在最近的一篇论文中解释了基于数据统计的机器学习系统的一些局限性。
斯坦福大学计算视觉和几何实验室(Computational Vision and Geometry Lab)在 2016 年启动了 JackRabbot 社交机器人项目。
在斯坦福大学2018年医学健康机器学习大会上发表的一篇论文中,麻省理工学院Media实验室的研究人员详细介绍了一个模型,该模型可以使给药方案毒性更小,但仍然有效。
目前,许多令人兴奋的人工智能改变医疗领域的事件正在上演。人工智能技术正在涌现,帮助人们将管理和临床医疗流程化自动化
2015年,一位忧心忡忡的父亲向Rhema Vaithianathan提出一个问题,这个问题至今仍然困扰着她。
传统的情感计算模型利用一刀切的思想来训练模型,将在某一数据集上训练描绘不同表情的优化特征作为通用特征用于整个全新的新数据集。
美国2018年二季度GDP增速达4.1%,为4年来最高水平,但这更多的是临时政策刺激下的结果,可持续性不高。本文认为,AI和机器学习技术的大发展才是推动世界范围内生产力和经济增长的强劲、可持续的引擎。
设计新的药物分子需要手工进行,耗时且容易出错。但是麻省理工学院的研究人员已经朝着完全自动化的设计过程向前迈出了一步,这将大大加快设计过程,并获得更好的结果。机器学习模型可以帮助化学家更快地制造出具有更高功效的分子。
在数据子集上对深度学习软件进行“训练”后,将深度学习软件应用到整个数据库中。人工智能准确识别晶体的几率大约95 %,据估计,人类发现晶体的正确率只有85 %。
智能制造,需要解决的就是将设备与人类共同组成一个一体化的智能系统。通过人与机器的合作,部分取代过去使用劳动力在制造过程中的劳动,把制造自动化的概念慢慢扩展到柔性化、智能化、集成化的这样一个战略目标。
聊天机器人曾经很风光,在 1964 年就有了 ELIZA,至今已有 54 年了。但是,这些聊天机器人都是“老式的人工智能”,尽管在很多方面都很出色,但它们也有缺陷。要让聊天机器人取得真正的成功,还需要什么呢?聊天机器人还有前途吗?
由于机器学习系统容易受到历史数据引入的偏见而导致歧视性行为,人们认为有必要在某些应用场景中用公平性准则约束系统的行为,并期待其能保护弱势群体和带来长期收益。