英特尔预计,2024 年 AI 芯片市场规模将超过 250 亿美元,在一份声明中,英特尔宣称,这次交易将强化英特尔的人工智能解决方案,进一步推动公司在新生的、快速增长的 AI 芯片市场的份额。
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。
Facebook AI 副总裁杰罗姆·佩森蒂(Jerome Pesenti)对人工智能的进步感到鼓舞,但也看到了当前深度学习方法的局限性。
公众号/机器之能 正如总裁克里斯蒂亚诺·阿蒙所言,“2020年会是5G走向主流的一年。”从2019年开始全球运 […]
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。
近日,《柳叶刀 (The Lancet)》子刊 EBioMedicine 发表了一项中国科学家应用自适应 AI 模型和多源数据,预测重庆市流感活动度的研究,这是中国首个基于 AI 和大数据的流感实时预测模型,也是 AI 在传染病预测领域中非常有影响力的成果。
GAN的飞速发展为视觉领域带来了巨大的变化,从图像编辑到场景合成、从换脸到表情操作,各种神奇的技术已经走入我们的生活。
自 2018 年中兴事件以来,中国“芯”变得愈加煎熬,而随着 RISC-V 的“热度”不断升高,越来越多的人把它当作是中国芯片发展的一条出路和新的希望。
举例来说,将行为预测神经网络犯的错当训练数据就非常有意义,而这个纠错的过程是个进步的捷径,比投喂各种随机数据有效多了。
自动驾驶领域从 2018 年末开始趋于冷静,产业落地难、技术仍存在短板等问题让个人自动驾驶车辆的研发进展放缓,百度 Apollo、谷歌 Waymo、Uber 等知名大厂都在不断调整业务方向,以适应行业的最新变化。有意思的是,他们把目标出奇一致地放在了同一个方向上——RoboTaxi。
NLP 是人工智能中最难的问题之一,对它的研究与落地充满了挑战性。预训练模型 BERT 的出现给自然语言处理领域带来了里程碑式的改变。
深度学习已经成为推荐系统领域的首选方法,但与此同时,已有一些论文指出了目前应用机器学习的研究中存在的问题,例如新模型结果的可复现性,或对比实验中基线的选择。
胶囊网络是一个令人兴奋的机器学习研究思想,其中标量值的“神经元”被小矩阵取代,使它们能够捕捉更复杂的关系。
不少研究鸟类、老鼠和鱼类的神经科学家们从传统学术机构转投苹果、谷歌、Facebook等提供丰厚薪酬的科技公司,帮助它们提升人工智能、自动驾驶汽车等技术。