IT思维

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。

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。

大家可能还记得，今年2月Facebook发布的，人体姿势实时识别系统DensePose。

在自动化面前 ，亚马逊传统的零售团队与新兴的市场团队相比节节败退。

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。

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。

在地球的另一半，AI创业者们都在做些什么？

作为我国法检信息化领域的头部公司，华宇认为现阶段只能实现弱人工智能，主要帮助提升司法活动效率，审判质量仍然需要依靠法官。

UCLH 旨在将人工智能「革命性」的功效带给 NHS 患者。

机器学习是一种比手工编程更为高效的解决方案，通过对于数据的分析和学习来解决一系列广泛复杂的问题。

这是一个 AI 爆发的时代，从研究，到应用，再到教育。

最近，伯克利研究人员已经通过开源的 Mozilla 的 DeepSpeech「语音-文本」转换软件将命令整合到了语音识别中。

大多数的博客更多都关注模型的精度、召回率、AUC(Area under curve，ROC曲线下区域面积)等分类指标。这里想稍稍改变一下，让我们来探索各种更多的指标，包括在回归问题中使用的指标。MAE和RMSE是关于连续变量的两个最普遍的度量标准。

关于深度学习性能，还有很多不明之处。例如，你怎么进行测量？你应该测量什么？在不久之前的 GTC 2018，英伟达 CEO 黄仁勋介绍了 PLASTER 框架，从可编程性到学习率 7 大挑战来评测深度学习性能。

这篇文章可以作为一个设计指南，为特定分类任务的 CNN 设计提供指导。作者围绕准确率、速度、内存消耗三个指标的权衡，从网络类型、架构设计、数据处理和迁移学习等方面介绍了 CNN 设计过程中使用的方法。

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。

人类对于学习具有无可比拟的优秀能力，我们可以从一个简单的样本中学习到整类事物的抽象特征，而算法却需要成千上万的样本来习得认知。

每当一个新技术普及时，它们常常会引起伦理问题。

撰写这篇文章，主要是详细介绍我们在十年前提出互联网大脑模型的原因；十年来在计算机和智能领域产生了哪些进展；在未来，互联网大脑模型对互联网、人工智能、混合智能、智慧城市和智慧社会建设有怎样的推动。

虽然强化学习问题的一般形式可以有效地推理不确定性，但强化学习和概率推断的联系并不是很明显。

2017 年 5 月份，前微软人工智能首席科学家、IEEE Fellow 邓力离职，加盟华尔街对冲基金公司 Citadel