IT思维

2020年11月，美国麻省理工学院未来工作特别小组（MIT Task Force on the Work of the Future）发布了三篇关于美国制造的研究简报，引发不少业界关注。

近日，外媒《Robotics&Automation》评选出了前22名可编程逻辑控制器制造商榜单。

连接组学作为脑科学中的重要分支，一直以来致力于重建出脑部各个部分间的连接地图，以理解神经系统的工作原理。大脑中动辄十亿百亿计的细胞让这项研究充满了挑战。

用于自动化劳动力的技术不一定会增加失业率。尽管人们普遍担心人工智能将会大量取代工人，但纵观历史，在某些时期，提高生产力的技术实际上反而促进了受影响行业的就业率。

近日，日本的深度学习公司PerferredNetworks 发布了其超参数优化框架的beta版本。

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。

英国超市 Ocado 如何利用机器人让网上购物更便捷？这里有一份详细报道。

谷歌大脑Jeff Dean等人最新提出一种分层模型，这是一种灵活的端到端方法，用于优化CPU、GPU等的自动化设备配置。该方法在多个主要神经网络模型上测试，最高实现了60.6％的性能提升。

现在很多人都读到过这样一条新闻：机器人的时代来了，它们会夺走我们的工作。事实上，根据当前的智能技术，高达45%的工作任务可以被自动化工具取代，将来这个数字肯定会继续上升。

虽然参与任务执行的无人机越多，系统的复杂度就越高，但多机共舞也让一架无人机解决不了的大家伙和重家伙运送成了可能。

当商界领袖们在被问及自动化和人工智能的未来时，他们表示，在未来的10年里，英国私营部门的四百万个工作岗位可能会被机器人所取代。

关于无人驾驶的一些问题。

人类与机器的对决：哪些工作最容易被取代？

接下来，苹果公司应该关注什么呢？

虽然 DOZ 已经存在有一段时间了，但该公司现在为自己的产品阵容添加了一个漂亮的新成员，即一款可以获得报价和发 […]

传统的材料研发模式主要依赖「试错」的实验方法或偶然性的发现，其研发过程一般长达 10-20 年。

普林斯顿大学机械与航空航天工程教授、该研究的作者之一 Egemen Kolemen 表示，这些发现「绝对」是核聚变向前迈出的一步。

微观结构分割是一种从显微图像中提取结构统计数据的技术，是在广泛的材料研究领域建立定量结构-性能关系的重要步骤。

这就是劳伦斯伯克利国家实验室 (LBNL) 的「材料项目」（Materials Project）所面临的挑战。

最近，大型语言模型 (LLM)，尤其是基于 Transformer 的模型在机器学习研究领域发展迅速。这些模型已成功应用于自然语言、代码生成、生物和化学研究等各个领域。

低温电子断层扫描可捕获有关细胞和组织分子成分的大量结构信息。

人工智能正在改变现代电子产品——加速可弯曲电视屏幕、超轻型革命性太阳能电池等的设计。

机器感知是计算机以类似于人类感知世界的方式接收和处理感官信息的能力。

设计可行的分子候选物对于设计低成本和可持续的存储系统至关重要。

在人工智能计算机芯片的广阔前景中，服务于「边缘」市场的产品，包括无人机、物联网设备、电话和低功耗服务器环境，为供应商提供了肥沃的土壤，成为少有的市场之一。