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?
特斯拉罕见的高度垂直整合,会让人想起历史上的通用。这家公司由一位和马斯克一样天才的人创建,却在斯隆手里成长为巨头。历史是否会重演?
随着工业科技的发展,这波数字化自动化的浪潮被称为“工业4.0”,所以未来的工厂到底是什么样子?
Big Think网站整理了19个受欢迎的AI课程资源列表,从MOOC的免费在线课程到著名大学的学位课程,不管你对AI的兴趣程度如何,这份清单都将对你有帮助。
Google 靠着收集和利用用户的信息造就了数十亿美元的业务。近日,外媒 The Verge 发现了一部 Google 内部制作的短片,这部短片非常大胆地介绍了一些 Google 内部人士对未来如何利用用户信息的设想。
Facebook 陷入水深火热之中。假新闻、恐怖主义、操纵俄罗斯大选,也许之后就是受管制了。这家公司把求救之手转向 AI。而这个策略将要求 Facebook 突破计算上的几大挑战。
Chen等人报道了另一种排名很靠前的方法。其基本思想是利用人工制作的特征将激光雷达点云投影到基于体素的RGB地图上,如密度、最大高度和一个具有代表性的点强度。
面对6300位来自世界各地的SAS用户,SAS®ViyaTM最新版本在Jonathan的操作下显示出了强大的机器学习能力。
在生物学和医学领域,显微镜技术可以帮助研究人员观察到肉眼看不到的细胞和分子的细节。透射光学显微镜将生物样本的一侧照射并成像,这种显微镜相对简单,活体培养物可以很好地耐受,但是生成的图像可能难以准确评估。
机器学习虽然能够在很多地方显示出强大的力量,同时也被集成到了很多的商业流程中去,但它依旧有一些不完美的地方,今天我们就通过一些典型的例子来深刻感受一下机器学习的局限性。
今天,Ian Goodfellow开展了一场有关生成对抗网络(GAN)的最新AMA问答,从他小时候如何学习编程,如何想出GAN这个idea,到具体的技术和应用,Goodfellow都作出了专业而且诚恳的回答。
Mark Cicero 和 Alexander Bilbily的团队赢得了2017年北美放射学会举办的机器学习挑战赛。
尽管现在人工智能的发展速度达到了令人目眩的地步。但李飞飞依然认为它面临着诸多挑战,人类有责任让人工智能的发展能够帮助人类世界变得更加美好。