IT思维

4月23日的小米电视2019春季新品发布会就是一场狂欢。

物联网和人工智能等现代技术的出现已经改变了多个行业。

强化学习之父Richard S. Sutton认为，过去70年来AI研究的最大教训，就是我们过于依赖人类的既有知识，轻视了智能体本身的学习能力，将本该由智能体发挥自身作用“学习和搜索”变成了人类主导“记录和灌输”。未来这种现象应该改变，也必须改变。

实事求是地说，今天这个领域是存在问题的。最大的矛盾，或许可以总结为：技术主义的一厢情愿，与行业话语的踯躅不前。

万众创业的时代已经远去。

文本资料作为企业重要的数据资产，我们都渴望从中分析出一些有价值的结论，并驱使商业应用利用其进一步发展。

很多公司都在争先恐后地加入使用人工智能的行列，但问题是，他们不知道如何用好它。

人工智能正迅速进入我们的生活，改变着金融、医疗、保险、汽车等各个行业，受到社会各界越来越多的关注。

从诞生之日起，AI 经历了几番起伏。历史表明，人工智能能够从“笑话”到“神话”，是一个个真实的落地场景沉淀的结果。

近日，来自日本东京工业大学的研究人员将基于深度学习的新型传感器送入太空。

本周，中国 AI 独角兽公司旷视宣布业务上的战略升级，押注 AIoT 应用于供应链改造。

对于谷歌的研究团队来说，2018 年是令人兴奋的一年。

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。

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。

从北极圈融化的冰川到原始的阿蒂特兰湖藻类的大量繁殖，从默奇森瀑布周围的生态系统变化再到南极洲的企鹅追踪，我们渴望了解周围世界及其变化。

在很多人眼中，Jeff Dean 就是谷歌技术的代名词，也是谷歌如此强大的重要原因。

AI的火爆，让今天在加拿大蒙特利尔开幕的第32届神经信息处理系统大会（NeurIPS 2018），就成为了各国研究组织和企业刷存在感的香饽饽。

这些是我对处于早期阶段的公司或非营利组织提出的关于机器学习应用场景的建议。

青光眼是世界上导致失明的第二大原因。

人类对于美的追求永不止步。

IBM 收购红帽公司的真正收获是 Openshift，这是一个用于构建和管理 Kubernetes 容器的软件套件。

在人工智能之后，量子计算有望成为接替经典计算机实现算力跃迁的重要手段。

公众号/AI报道 人工智能正热。 技术创新是经济增长的根本动力。这些技术中，最重要的就是经济学家提到的“通用技 […]

这篇文章中作者尝试将 15 年的自然语言处理技术发展史浓缩为 8 个高度相关的里程碑事件

当我们观察不同年龄段的人对待自动驾驶这一技术的态度时，目前尚未发现明显的代际鸿沟。