IT思维

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。

本周，出行圈好不热闹。特斯拉落子中国，将在上海建设超级工厂，成为本周最热头条。

近日，国际机器学习顶级会议 ICML 在官网公布了 2018 年度的最佳论文名单。

人工智能可以模仿并强化人类决策，同时也放大人类的偏见。科技巨头能否解决大数据歧视问题？

我们所面临的这一次人工智能崛起，来自于数据量的增长和深度学习发展，传感器为智能体打造一个完全结构化的数据世界，再从中抽取规律，让智能体可以自主作业。

在中国AI产业中，AI加速器已经开始成为重要的一环。以往我们更熟悉的是孵化器——为初创团队提供办公场地、启动资金、财会人事等等外围服务。

本文将从政策的视角解读目前火热的AI发展，从国家和政策层面解释人工智能战略在全球范围内突然涌现的原因，并对人工智能政策进行更为深入的探讨。

这个潮流的最近一次上演，是几天前的百度AI开发者大会上，李彦宏现场播放了百度AI客服邀请开发者的真实电话录音。

一文看懂人工智能。

该组织主张在全国范围内摆脱对石油的依赖，其希望将得益于自行驾驶汽车的迅速采用。

科学家们经常会收集、观察、分析3D数据，从医学图像到月球地图，但他们通常使用的2D电脑屏幕却无法完全展示3D数据集。

对于一个企业组织或者一个国家来说，在技术变革的过程中掌握住机遇的关键诀窍是什么？

那么人工智能呢？ 虽然学者们对AI的细微差别提出了异议，但工业界正在使用这个术语来指代一种特定类型的机器学习。

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？

模仿能力是智能重要的组成部分，人和动物常常通过观察其他个体来学习新的技能。

由于BatchNorm可以加速训练并获得更加稳定的结果，近年来成为了一项在深度学习优化过程中被广泛使用的技巧。

机器学习是目前计算机领域最火的技术之一，从电商到自动驾驶，都有机器学习的应用。

有人认为，这是一家电商巨头与十亿名消费者以及技术勾结起来共同摧毁品牌的故事。

这里有便携的穿墙扫描仪。

科技发展永远向前，绝不回头。

只要够快够准够门槛，处处都是留给技术创业公司的机遇。

随着智能手机的迅速发展，移动端的人脸识别和分析越来越重要，而人脸追踪是很多视觉应用的主要出发点。

近日，道达尔正式宣布和谷歌云签署协议，二者将联合发展人工智能技术，为石油天然的勘探开发提供全新智能解决方案。

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？

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。