IT思维

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。

没有什么技术不可以被替代；而人才，才是所有科技公司的心病。

Python之父Guido van Rossum因最近的“PEP 572”事件宣布放弃他在Python社区“仁慈大君”的称号，且没有任命继任者，并将治理问题留给了核心开发人员。

学者们始终没有找到合适的方法来实现如此灵活智能的机器，因此他们将目标转而解决更加实际和具体的智能化问题，也就是今天我们通常所说侠义范围内的人工智能产品。

这样的能力将为生物学研究带来翻天覆地的变革，无论是癌症研究还是药物开发都将受益于新的观测方式，我们看到的细胞将不是扁平的二维截面，也不再是课本上一成变的图样，而是一个生命充满活力的生生不息！

在数据子集上对深度学习软件进行“训练”后，将深度学习软件应用到整个数据库中。人工智能准确识别晶体的几率大约95 %，据估计，人类发现晶体的正确率只有85 %。

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。

如果你相信那些首席执行官们的话语，你就会相信，现在距离一辆完全自动驾驶（full autonomy）汽车实现的时间可能只需几个月。

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。

很多同学都在犹豫着该不该读博士，还有更多的同学在博士生涯中痛并快乐着。那就究竟我们适不适合读博士，读博士该如何努力才能更好的实现自己的人生价值呢？今天为大家带来一篇过来人为大家总结的“读博的N条忠告”，希望能为你带来一些启发和方向。

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。

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？