在论坛上,Google全球副总裁、工程研究员Jay Yagnik 携Google 不同领域的研究者发表了演讲,重点阐述了Google AI在自家产品上的应用以及如何利用AI解决人类面临的医疗、宇宙探索等挑战。
无监督学习的目标之一是不依靠显式的标注得到数据集的内在结构。自编码器是一种用于达成该目标的常见结构,它学习如何将数据点映射到隐编码中——利用它以最小的信息损失来恢复数据。
去年5月,谷歌推出了第二代TPU芯片,这是一个自定义开发的深度学习加速芯片,不少人认为有望成为英伟达GPU的替代品。
在生物学和医学领域,显微镜技术可以帮助研究人员观察到肉眼看不到的细胞和分子的细节。透射光学显微镜将生物样本的一侧照射并成像,这种显微镜相对简单,活体培养物可以很好地耐受,但是生成的图像可能难以准确评估。
图像分类技术在过去几年中取得了显著的进步,这在一定程度上体现在Imagenet 分类挑战上,机器的误差率每年都在大幅下降。
日前,AAAS 在 reddit 上组织了一场问答,Facebook 人工智能研究院 Yann LeCun,微软研究院院长 Eric Horvitz,谷歌研究总监 Peter Norvig 共同出席此次活动,回答了观众提出的一系列问题。
Uber前CEO卡兰尼克(Travis Kalanick)辞职后的首次公开露面,他的竞争天性受到了考验。
美国加州,自动驾驶圣地。几乎全球所有无人车公司,都云集于此展开路测。每年加州机动车辆管理局(DMV)都会照例发布年度自动驾驶车辆脱离报告,堪称无人车领域最权威的“成绩单”。
但因为 Google 目前的 TensorFlow 是目前最多开发者、初创公司、企业使用的架构,因此 Google Cloud AutoML 一推出就引发了热烈的讨论。
他声称:“人工智能带给我们生活和工作的改变甚至将超过火和电。”皮查伊和YouTube公司CEO苏珊-沃西茨都认为,虽然人工智能很重要,但是我们也必须对其表示担忧。”