IT思维

机器学习是人工智能的一个分支，也是人工智能的一种实现方法。

人脸识别作为深度学习最具代表性的技术之一，近年来得到了飞速的发展，无论是在精度、速度和规模上都有了极大的提高。

社会人类学家提出，应使用具有开放性合作式的游戏来测试人工智能，例如《龙与地下城》。

那是什么使得 GAN 和 VAE 的联系不够显然呢？

我们都知道变色龙可以改变皮肤的颜色纹理，而如今深度学习技术甚至可以做到将一只猫的图像同时转变为狗、甚至狮子和老虎的图像。

Chen等人报道了另一种排名很靠前的方法。其基本思想是利用人工制作的特征将激光雷达点云投影到基于体素的RGB地图上，如密度、最大高度和一个具有代表性的点强度。

因其强大的表征能力，除图像分类以外，包括目标检测和人脸识别在内的许多计算机视觉应用都得到了性能提升。

想在夜里获得视野并不是什么难事，如今 红外技术的发展已经非常成熟。

本研究提出的模型由两个卷积网络（ConvNet）构成——外观流和动态流，二者分别经过预训练，用于目标识别和光流预测。

正在让这个时代激动不已，但也正引发不少担忧。被誉为机器学习之父的美国三院院士、伯克利教授Michael I.Jordan昨天在美国知名科技媒体Medium上，难得的发布了他的第一篇文章。

通过采用互联网功能的安全摄像头，可能会给您的家庭网络和宽带连接带来持续不断的视频流。

其实，除了神经网络以外，AI领域中还包含很多更有趣、更新颖，更有前景的技术，文章中就将这些技术介绍给大家。

正则表达式对数据处理而言非常重要。近日，Dataquest 博客发布了一篇针对入门级数据科学家的正则表达式介绍文章，通过实际操作详细阐述了正则表达式的使用方法和一些技巧。

此前，《Nature》发表的一篇论文称，成人的大脑海马体就不再产生神经元。然而，4月5日刊登在 《Cell Stem Cell》杂志上的一项新研究却反驳了这一观点。

在扎克伯格的国会听证中，“AI”一词出现了不下30次，人工智能真能成为拯救Facebook的关键吗？

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。

但英国《金融时报》的一篇文章中提到：“数据科学家每周花1-2个小时寻找新工作。”

Facebook国会听证会第一天。

预测未来事件是实现智能行为的一个重要的先决条件，而视频预测就是其中一项任务。

4 月 6 日，Apache Hadoop 正式发布了 3.1.0 版本。

GANs 当然不只是能生成难以辨别图片，应用到别的学科，它依然大放光彩。

本文作者Steve Blank是最早提出用户拓展的硅谷企业家，被誉为“精益创业之父”，他著有The Four Steps to the Epiphany《四步创业法》。

而手机行业的趋势领导者苹果正在探索新的趋势。

机器学习可以为广泛的行业带来真真切切的商业价值——前提是机器学习已经真正地投入使用。

人们几乎每天都要听到描述人工智能发展的新研究。