这家创企想在小行星采矿取水 谷歌创始人都投资了

Submitted by neurta on Wed, 07/19/2017 - 09:17
据连线杂志报道,2008年5月25日,火星侦察轨道卫星向地球传送回一张模糊不清的图像。它显示上面有两个白点(分别是凤凰号火星着陆及其降落伞),背景是火星上广阔的海姆达尔(Heimdal)陨石坑。自从2007年8月3日搭乘Delta II运载火箭发射升空后,凤凰号的项目经理克里斯·鲁维奇(Chris Lewicki)就未曾看到过它。凤凰号在距离巨大陨石坑20公里远的地方着陆,开始在火星上搜索适合微生物生存的栖息地。

谷歌TensorFlow物理检测API,目前最好的物体识别方案?

Submitted by zhongzhimin on Tue, 07/18/2017 - 16:09
Google发布TensorFlow物体检测API,帮助开发人员和研究人员识别图片中的物体。Google专注于提高API的易用性和性能,新的模型于6月16号发布,在基准测试中表现出良好的性能,并已经开始应用于研究工作当中。 物体检测API包含了高度依赖Inception的卷积神经网络和简化模型,这些模型可以运行在简单的机器上。比如,MobileNets单次检测器经过优化,能够以实时的方式运行在智能手机上。

人工智能从Gaia卫星观测计划中找到新高速恒星

Submitted by neurta on Tue, 07/18/2017 - 09:44
我们都知道人工智能可以帮助人类完成一些复杂的工作,如今人工智能也积极地运用到天文研究之中。近期,欧洲太空总署(ESA)发表了 Gaia 卫星的最新观测结果,发现了 6 颗超高速从银河中心飞向边缘的恒星,这个发现有可能会涉及到银河系中心最昏暗区域的一些秘密。

山世光-基于深度学习的目标检测技术进展与展望

Submitted by pengkun on Tue, 07/18/2017 - 09:13
山世光博士:主要从事计算机视觉、模式识别、机器学习等相关研究工作。迄今已发表CCF A类论文50余篇,全部论文被Google Scholar引用9000余次。现任IEEE TIP,TIPNeurocomputing和PRL等国际学术刊物的编委(AE)。研究成果曾获2005年度国家科技进步二等奖和2015年度国家自然科学奖二等奖。

基于Spark的大规模机器学习在微博的应用

Submitted by zhongzhimin on Mon, 07/17/2017 - 15:43
众所周知,自2015年以来微博的业务发展迅猛。如果根据内容来划分,微博的业务有主信息(Feed)流、热门微博、微博推送(Push)、反垃圾、微博分发控制等。每个业务都有自己不同的用户构成、业务关注点和数据特征。庞大的用户基数下,由用户相互关注衍生的用户间关系,以及用户千人千面的个性化需求,要求我们用更高、更大规模的维度去刻画和描绘用户。大体量的微博内容,也呈现出多样化、多媒体化的发展趋势。

各类Seq2Seq模型对比及《Attention Is All You Need》中技术详解

Submitted by wangqingqing on Mon, 07/17/2017 - 13:52
1、已有Seq2Seq模型 Seq2Seq模型是处理序列到序列问题的利器,尤其是在神经网络翻译(NMT)方面,取得了很大的成功。Seq2Seq由一个encoder和一个decoder构成,encoder把观测样本X编码成一个固定长度的隐变量Z,decoder再把隐变量Z解码成输出标签Y[1]。传统的Seq2Seq模型把观测样本编码成一个固定长度的隐变量Z,这个操作被认为限制了Seq2Seq模型的能力。因此,后来提出了基于attention mechanism的RNNSearch模型(Seq2Seq+attention mechanism),在decoder端,采用含一个隐含层的前向网络,采用自适应(adaptive)的方法来计算观测序列X中,每个word与输出标签Y的权重[2]。FaceBook提出了由CNN构成的Seq2Seq模型,完全采用堆叠的CNN来构建encoder和decoder,通过CNN的堆叠方式来回去sequence中long-range dependencies关系,在decoder端采用了多层的attention机制。堆叠CNN之间采用加入残差的GLU单元来连接,加快计算的同时最大限度保留输入sequence的信息[3]。

麦肯锡报告:如果再不转型人工智能,这些行业将被越甩越远

Submitted by wukezhou on Mon, 07/17/2017 - 11:25

在经历了几十年起起伏伏的发展后,人工智能终于开始为企业带来实实在在的价值。近日,麦肯锡发布了一份长达 80 页的报告《人工智能:下一个数字前沿?(ARTIFICIAL INTELLIGENCE:THE NEXT DIGITAL FRONTIER?)》,对人工智能为企业创造价值的方式进行了全面的介绍和解读。

报告指出,早期证据已表明“大规模采用人工智能技术将为企业带来丰厚回报”,这意味着人工智能的颠覆性力量将逐渐显现。政府、企业以及开发者都应对此有清晰认识。除此之外,报告至少提到了这些要点:

  • 科技行业之外的人工智能技术还处于早期的实验性阶段,仅有少数公司进行了大规模部署。

  • 早期应用人工智能的公司已经尝到了甜头,而后来者与领军者的差距将日益增大,人工智能转型迫在眉睫;

  • 人工智能对数字基础及大数据的依赖导致企业少有“捷径”可循,必须脚踏实地;

  • 人工智能不仅为企业和开发者带来挑战,也将对政府提出考验,比如:劳动力需要得到再训练以应对机器的威胁,国家/城市必须加入全球人才/资本竞争,道德、法律和监管也面临新的问题。

  • ......