IT思维

现在，创建深度学习模型越发容易，对数据科学家和开发者来说，在测试环境中打造复杂模型已不再是难事。

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。

尽管一些公司，如大多数大型银行、Ford（福特汽车）和 GM（通用汽车）、Pfizer（辉瑞，总部位于纽约的跨国制药公司），以及几乎所有的科技公司，都在积极拥抱人工智能。

约 37% 的技术专家认为，未来 10 年，大多数人的生活不会因为人工智能 (AI) 及相关技术的进步而变得更好。

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。

人工智能是最令人兴奋和最具吸引力的领域之一。

机器学习和5G密不可分。在管理5G庞大的数据量和复杂性时，机器学习和执行独立智能决策的能力是十分必要的。

伯克利和谷歌大脑的研究人员近日发表了全新的强化学习算法:柔性致动/评价(soft actor-critic,SAC)。

近日伯克利RISELab推出了多主体强化学习包Ray RLlib 0.6.0。

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。

它通常作为一个数据管道，链接了各种业务前台和数据后台（比如数仓等）。

建议公司如何成功开启数字化、智能化与自动化的转型之旅。

FAIR 的创办者兼首席 AI 科学家 Yann LeCun、FAIR 现任负责人 Jerome Pesenti 以及 Facebook 首席技术官 Mike Schroepfer 在官网联合发布博客，盘点了 FAIR 五年来所做的事情以及达成的成就。

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。

计算成像系统架起了硬件和图像重建间的桥梁，让很多复杂的光学成像系统包括断层扫描、超分辨和相位成像等，都在计算成像的助力下得以通过对商业显微镜和计算重建的简单改造而实现。

近日，谷歌大脑团队提出一种结构化方法从单目视频中进行无监督学习，获得了较高质量的场景深度和自运动预测。

Hinton 团队在 2017 年发表在 NIPS 上的论文曾经介绍，通过添加一个能够从顶层胶囊的姿态参数和身份重构输入图像的网络，可以提高胶囊网络的判别能力（Dynamic routing between capsules）。

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。

在大数据领域工作了近 8 年后，今年秋天，作为 data Artisans 的技术布道师，我在 Apache Flink 社区变得越来越活跃。

公众号/AI前线 作者 | Chris Ying 等 编译 | 郝毅 编辑 | Natalie AI 前线导读 […]

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。

根据在线评论和评分，我们可以为客户提供关于其信誉度的深刻见解。

可以预计，AI 和生成式设计这样的新鲜事物势必会对工程师现有的工作流程产生冲击，虽然这不意味着机械设计师马上会面临失业潮，但是未来必将经历思维方式的转变。

美国艺术家 Jackson Pollock 说过：“所有的一切，都是一场建筑游戏，有的人用刷子，有的人用铲子，还有的人用钢笔。”