大家都知道神经网络目前还不能“编程”，但现在一项新的工作“Neual Complete”，朝着这个方向迈出了第一步。程序员 Pascal van Kooten训练了一个神经网络，可以自动补全另一个神经网络的代码，相当于神经网络在“编程”。现代码已在 Github 开源。人工智能具有解决软件开发中的一个古老问题的潜力——代码编写或操纵其他代码的能力的概念已经存在了很长时间，一般称为元编程（它实际上起源于20世纪50年代末的Lisp），它解决的难题，大多数目前都还在人们的想象之中。使用人工智能，计算机能够理解一个软件开发项目从无到有的发展历史过程中的所有代码，并立即改进或者删除单独一行代码中的bug，不管是用什么编程语言。即便是一个缺乏经验的或者中等水平的程序员都能讲清楚让计算机自我编程的原理。由此，一个癌症项目的研究可能几天或者几个月就能完成，而不需要花费好几年的时间，这将带来显著的进步。最近在Github上， 我们又发现了这一技术的新动向，研究员kootenpv发布了一个名为Neural Complete（神经网络补全技术）的模型，使用自动补全技术，研究者训练了一个神经网络，用于帮助写神经网络的代码。听起来有些拗口，下面这个动图可以清晰地看到结果：Neural CompleteNeural Complete（神经网络补全技术）是一种基于生成LSTM 神经网络的自动补全技术，它不仅用 ...继续阅读 (29)

在北大AI公开课第五讲上，小米科技联合创始人黄江吉老师与与北大人工智能创新中心主任、百度七剑客之一、酷我音乐创始人雷鸣老师一起，就人工智能硬件领域发展展开了深入的讨论和交流。黄江吉老师反复强调了产品化对于AI技术特别是深度学习发展的意义，认为产品的数据搜集效用可以和云端的机器学习一道，形成一个良性循环，同时认为只要2C的产品做得好，用户活跃度会相当高。这一点和我们此前发布的余凯老师对于新兴技术从2B到2C的分析（北大AI课第二讲），以及今天发布的Gartner分析师对于AI技术应用从B2B到B2B2C再到2C的预测，可以对照来读，并引发读者的思考。北京大学“人工智能前沿与产业趋势”第五讲昨晚开课。本讲将由小米科技联合创始人黄江吉老师（大家都亲切地称他KK）亲临现场，与北大人工智能创新中心主任、百度七剑客之一、酷我音乐创始人雷鸣老师共同参与，就人工智能硬件领域发展展开了深入的讨论和交流。在个人宣讲部分，黄江吉老师反复强调了产品化对于AI技术特别是深度学习发展的意义，认为大家最近经常谈论的“A（AI）、B（Big DATA）、C（Cloud Computing）”，其实不妨表述为“产品+大数据+机器学习”，产品应该扮演引导开发、搜集数据的先锋角色。通过产品，将用户产生的大数据用机器学习技术整合分析，再反哺给用户，并不断迭代产品。黄江吉老师自豪地说，他们的产品都是2C的，只要产品做得好， ...继续阅读 (36)

AI 做出的决策经常存在固有的偏见，好的方面是，AI 的创造者越来越多地意识到这些偏见，讨论更多，解决方法和行动也更多。许多为我们的生活做出决定的算法——从决定我们在互联网上看到什么，到决定我们成为受害者或施害者的可能性——是在没有包含各种各样的人群的数据集上训练的。结果是这些决策存在固有的偏见。试试在任何大型搜索引擎搜索“手”（hands）或“婴儿”（babies）的图片，你可能会发现，大部分结果都是白人。2015年，平面设计师 Johanna Burai 用 Google 搜索“手”的图片，发现顶部的结果全部是白人的手之后，创建了  World White Web project 网站。该网站提供“可供选择的”手的照片，内容创作者可以在线使用，以填补搜索引擎得到的结果的不平衡。Google 表示，它的图像搜索结果是“网络上的内容的反映，包括不同类型图像出现的频率，以及它们在网络上被描述的方式”，与其“价值观”并无关联。Burai 则认为事情已经有所改善，她说：“我觉得越来越好了…人们意识到了这个问题。当我开始 World White Web project 那个项目时人们都感到震惊，但现在已经有更多人意识到这个问题。 ”图：在Google图像搜索输入“hands”，得到的顶部的结果都是白肤色的手。算法公正联盟（Algorithmic Justice League, ...继续阅读 (33)

缘起人工智能近几年实现了爆炸式发展，深度学习可以说是其主要的推动力。笔者对于能来微软实习并从事深度学习方面的研究感到十分荣幸，因为微软研究院在该领域一直处于领先的地位，其优秀的人才配备和强大的计算资源都非常适合做这方面的研究。在计算机视觉领域，大部分的问题都已经开始使用深度神经网络进行解决，也确实取得了广泛的成功。在很多视觉任务中，如图像识别、语义分割、目标检测与跟踪、图像检索等，作为提取特征的CNN网络模型往往起到了关键的作用。我们经常见到最新的方法将基础网络换一下，性能就会得到很大的提升。因此，研究并设计一个更好的网络模型变得至关重要。基础网络模型的结构样例最新研究进展经典的神经网络模型主要在“宽度”与“深度”方面进行不同程度的扩增。借助于大规模数据的训练，AlexNet、VGG-16、VGG-19等经典网络通过宽度或深度增加的参数可以有效地提升其模型的表达能力。但当网络变得越来越深，其训练难度也随之相应增加，反而会导致性能的下降。最近的ResNet和Highway Networks等方法通过引入Skip跳跃结构来试图解决极深网络在优化上带来的问题。ResNet和Highway Networks结构的简单示意图最新的一些研究尝试从其他角度来解释Highway、ResNet和GoogLeNet等网络结构表现优异的原因。其中我在微软实习的导师王井东研究员、实习生魏祯和张婷以及曾文君 ...继续阅读 (24)

现在机器学习逐渐成为行业热门，经过二十几年的发展，机器学习目前也有了十分广泛的应用，如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、DNA序列测序、语音和手写识别、战略游戏和机器人等方面。1. TensorFlowTensorFlow 是谷歌发布的第二代机器学习系统。据谷歌宣称，在部分基准测试中，TensorFlow的处理速度比第一代的DistBelief加快了2倍之多。具体的讲，TensorFlow是一个利用数据流图(Data Flow Graphs)进行数值计算的开源软件库：图中的节点(Nodes)代表数学运算操作，同时图中的边(Edges)表示节点之间相互流通的多维数组，即张量(Tensors)。这种灵活的架构可以让使用者在多样化的将计算部署在台式机、服务器或者移动设备的一个或多个CPU上，而且无需重写代码;同时任一基于梯度的机器学习算法均可够借鉴TensorFlow的自动分化(Auto-differentiation);此外通过灵活的Python接口，要在TensorFlow中表达想法也变得更为简单。TensorFlow最初由Google Brain小组(该小组隶属于Google’s Machine Intelligence研究机构)的研究员和工程师开发出来的，开发目的是用于进行机器学习和深度神经网络的研究。但该系统的通用性足以使其广泛 ...继续阅读 (25)

Part 1一个朋友的企业，他们招聘了 2 名机器学习方向的数据科学家，加起来年薪百万。但一段时间的蜜月期后，他们发现机器学习专家没有给公司带来实际价值。高管们不知道他们具体做了什么，业务人员每周都给他们提出预测需求，却很少能在短时间得到回应。不到一年，公司和机器学习专家们就不欢而散了。Part 2巧合的是，从他们公司离职的机器学习专家是我的朋友。当我问他这个问题时，他说自己每天都忙得不可开交，却得不到公司其他人的理解。他和我描述了自己的工作过程。他花了很多时间搭建了机器学习需要的计算环境。他花了很多时间做建模前的数据清洗和处理。他花了很多时间做模型选择和参数调整，以得到更好的结果。他花了很多时间做实时预测的功能，为了达到毫秒级的延迟花费了大量心血。……实际上，要完成一个机器学习的模型要做很多事情。团队人数本来就少，事情又多，他的兴趣只能集中在模型本身上了。至于这些模型对应的业务问题，例如怎么定义问题，确定哪个指标？虽然也重要，但他觉得这些主要是业务人员去解决的。（估计业务人员也觉得，这是属于机器学习专家解决的事情）Part 3实际上，这个问题不是个例，大部分公司在引入机器学习专家后，都会面临这样的疑问。来自 MIT 的机器学习研究员 Kalyan Veeramachaneni 曾经做过一次调查，在一个 150 个机器学习爱好者的小组中，他询问说：“你们有多少人建立过机器学习的模型 ...继续阅读 (23)

马克·扎克伯格在2016年12月19日发布了一篇博文，分享自己为家里构建AI管理系统、实现家居自动化控制的思路和过程。该AI管理系统被扎克伯格命名为Jarvis（《钢铁侠》中的贾维斯）。12月20日，扎克伯格又继续公布了一些Jarvis的使用视频。目前进展扎克伯格及家人可用语音向手机或计算机下达语音指令，实现灯光、温度、电器、音乐和安防设备的控制操作。该系统具备的学习功能可使其识别主人的偏好模式、学习新词汇与概念。Jarvis使用到的技术自然语言处理 natural language processing语音识别 speech recognition面部识别 face recognition强化学习 reinforcement learningJarvis的编程实现使用了Python、PHP和Objective C。扎克伯格家中的可控制对象下面的设备都是文中提到的或在视频中出现的。（显然，任何一个家庭中的可控制对象数量要远远超过这个列表。）Crestron灯光Crestron温度调节器（中央空调）Crestron门锁窗帘Sonos音响设备三星电视Nest摄像头来自上世纪50年代的老古董烤面包片机DIY喂狗粮机 food dispenser for BeastDIY干净T恤发射器 t-shirt cannon“大绿蛋”牌（Big Green Egg）BBQ烤炉可控制对象的连接工作部分 ...继续阅读 (26)

很多人可能有所不知，微软的几位华人副总裁们包括陆奇（前微软全球执行副总裁）、沈向洋（微软全球执行副总裁）、李开复（前微软全球副总裁）、洪小文（微软资深副总裁）均为 CMU 计算机学院博士。其中沈向洋、李开复、洪小文是 CMU 计算机学院罗杰·瑞迪（Raj Reddy）教授的学生。雷锋网了解到，在学生时期和职业生涯早期，四人之间就有不少鲜为人知的故事，每个人在其他三人的成长过程中均扮演着重要角色。“固执”同门师兄弟：李开复与洪小文李开复是四人中最早进入 CMU 的“大师兄”，李开复回忆到，当时 Sphinx 是他的博士论文主攻方向。Sphinx 最初是由李开复一人在做，后来随着洪小文进入博士班，后者开始与李开复一起推进 Sphinx。李开复和洪小文在做 Sphinx 时，他们的共同导师瑞迪教授其实并不认同他们的研究思路，但年轻气盛的李开复和洪小文仍旧坚持采用隐含马尔克夫模型的框架做语音识别。瑞迪教授不得不用一句“我不认同你们，但我支持你们”默默支持二人的研究，后来这句话也多次出现在李开复的自传《世界因你而不同》中。Sphinx 成功后对瑞迪教授本人和后来的研究者影响巨大。语音专家告诉雷锋网(公众号：雷锋网)，有别于传统的“专家系统”，这套语音识别技术完全是基于“统计和机器学习”的思路，直至今日，苹果、微软及其他公司与机构的语音技术研究仍以之为基础。吴军在《数学之美》的第二章《自然语言 ...继续阅读 (28)

文|彭博社《速度与激情》系列重磅影片已经累计录得近14小时的总片长和40亿美元的总票房《速度与激情8》将以一种观众已经为之疯狂、让片方赚得盆满钵满的语言继续讲述故事到目前为止，《速度与激情》(Fast & Furious)系列重磅影片已经累计录得近14小时的总片长和40亿美元的总票房，这还不包括将于4月14日在各大院线上映的《速度与激情8》(The Fate of the Furious)。《速度与激情8》将以一种观众已经为之疯狂、让片方赚得盆满钵满的语言继续讲述故事：变速换挡、引擎咆哮、飞车追逐、关于汽车的愤怒嘲讽，以及啜饮Corona啤酒。《速度与激情》电影系列到底有多快的速度，多激情的狂怒？彭博社的“大家庭”决定对前七部影片展开全面、仔细的分析，以追踪它们的演变轨迹。我们计算了一切可以转化为有意义指标的参数，甚至包括表现男性肱二头肌的镜头时长。变速换挡16年前，《速度与激情》作为街头赛车子类题材中的小众影片问世。在接连推出7部影片之后，该系列电影已经成为又一个大预算、燃爆男性荷尔蒙的动作片系列。而片中的洛杉矶非法赛车已经让位给国际犯罪集团以及涉及坦克、无人机、武装直升机甚至核潜艇的战斗。随着该系列电影的与时俱进，剧中人物花在实际赛车上的时间已经下降了，而他们参与飞车追逐和其他让人心跳加速的驾驶特技上的时间则增加了。票房“神药”随着动作戏的增加，票房也变得更为成功。在赛车戏比重 ...继续阅读 (21)

本文转自雷锋网人工智能技术大热，一茬接一茬的AI创业公司蜂拥而起，得到资本和媒体的宠爱。单是根据去年4月份的统计数据 ，就有170家Chatbot公司烧掉40亿美金。而“人工智能”自带黑科技光环的技术名词，更是每隔几个月都要在媒体头条上“战胜人类”一次。今年3月初，Yann Lecun在Twitter上推荐了一篇评论文章，文章作者Bradford Cross表达了一个非常重要的观点：机器学习即服务（MLaaS）在实践中令人失望，而且AI公司往往陷入技术傲慢里而轻视了用户需求和公司经济学。如果我们把2016年看做是AI在中国的初露锋芒的“元年”，受到百般呵护和追捧，那么到2017年，它就要面临严酷的商业社会考验了。因为归根结底，技术的终极价值都要体现在实际应用里。如何让AI技术有效落地、为商业社会创造真正的价值？围绕这个问题，AI科技评论近日采访了阿里iDST总监初敏博士（图右）和iDST语音技术产品化团队负责人陈一宁博士（图左），剥析阿里云在AI技术落地的过程里走过的坑和迈过的坎。雷锋网：阿里NASA计划发布之后，iDST与NASA之间的关系是怎样的？初敏：NASA是一个大的计划，我觉得是想把有难度的事情更集中在一起做好，而不是像以前一样分散在各个业务里。就我所在的团队而言，应该没有太大的影响。iDST还是集中解决自然语言、计算机视觉里比较难的问题。雷锋网(公众号：雷锋网)：你们为 ...继续阅读 (21)

在前往今日头条的路上，一直考虑对于这样一家数据驱动的公司，访问哪个方向会更受关注，是个性化新闻推荐、不同业务之间算法差异，还是敏感信息屏蔽、新闻源抓取？可是，在这个阳光温暖的午后，与今日头条基础数据平台架构师王烨长达一个多小时的交流中，我们的话题不知不觉一直围绕着一个主题，那就是如何使用数据。基础数据平台——是数据驱动型公司发展到一定阶的必需今日头条（以下简称头条）于2012成立，王烨于2014年加入，那时候，公司仅三百人。随着公司发展，数据量递增式爆棚，见证了基础数据平台从无到有、从小到大的历程，所以他由来解读平台的方方面面，再合适不过。王烨·今日头条基础数据平台架构师什么时候需要建设基础数据平台？对于初创公司来讲，核心是服务好用户，做好产品功能的迭代。当公司发展到一定阶段，业务开始多元化并开始精细化运营，数据需求变多，产生的数据量和数据处理复杂度也大幅增加，这时就该建设基础数据平台了。王烨介绍，2014年的头条每天只有几百万活跃用户，支撑好产品是首要任务，并没有专门的人负责做数据。众多复杂业务的上线，同步会招聘大量的PM（产品经理）和运营。基于刻到骨子里的数据驱动的思想，各种各样的数据需求源源不断的被提上来，这时不再是几个数据工程师单打独斗就能解决问题了，而让PM和运营直接分析数据的门槛也很高。面对这些情况，头条的做法是成立数据平台团队，把数据基础设施像Hadoop、Hive、 ...继续阅读 (20)

大家应该都感觉出来SEO越做越“难”做，有部分人都已经觉得SEO没有原则可循，在搜索引擎中取得排名不再是那么容易的。在这里为大大家分享一篇关于“人工智能在SEO技术中的应用”希望大家能够好好看看。随着大数据和“互联网+”时代的到来，网络、计算和信息技术也取得飞速发展，人类社会正朝着信息化时代迈进，给各行各业和人们的日常生活与工作也带来了深刻的变革。同时，信息技术的发展与创新，离不开人工智能技术的支持。通过人工智能技术的应用，能推动信息技术变革，让人们各项工作的开展都有技术支撑。例如，当前迅速发展的SEO技术，就离不开人工智能技术的应用。尤其是在现代社会，上网人数越来越多，对网速要求也越来越高，广大网民在互联网搜索信息时，很多问题离不开人工智能技术的应用，这就迫切需要全面分析和认识人工智能技术，并对其应用进行研讨。本文将结合大数据和“互联网+”的时代背景，探讨分析人工智能及其在SEO技术中的应用，并提出相应策略，希望能为人工智能的有效利用，作用的充分发挥提供启示与参考。人工智能在SEO技术中的应用在技术不断发展和创新的时代背景下，人工智能出现并逐步受到重视与关注，对各行各业带来深远影响，下面将介绍人工智能的概念与特点。人工智能又被称为人造智能，它的英文全称是“ArtificialIntelligence”，简称为“AI”。目前，人工智能是指用计算机模拟或实现的智能，根据这种含义，人工 ...继续阅读 (16)

人工智能越来越热，想要在人工智能领域创业的人也随之涌入，但在人工智能领域创业，有很多需要注意的地方。近日，曾经和George Hotz一起在comma.ai研发无人驾驶汽车的Eder Santana专门撰文，给想要深耕人工智能的创业者提出了四条宝贵建议，一起来看。机器学习实在太受欢迎，以至于它都被当做了AI本身，热度更高的深度学习更是如此。令人高兴的是，你的创业团队已经获得了资金，或者你的团队预算刚刚获得了通过，现在你即将开始进入深度学习领域。之前，你已经从Keras, Imagenet等人工智能技术中感受到了快乐，这很令人兴奋!可是，当你真的要在商业上开始实践人工智能的时候，那么有几件事是你必须要考虑的。接下来，我会结合几个例子来阐述我的建议，这些例子都是我去年早些时候和George Hotz一起在comma.ai研究自动驾驶时发生的。救命，AI!我该往哪走?1、别让数据和工程师脱节深度学习是一项数据先行的科学。你的团队或者创业存在的全部意义就是为了让这些数据变得有意义。想想看，你只有将文字变得有意义，你才能研发你的人工智能比特币聊天机器人!你只有理解图像、视频等内容，你才能打造下一个Snapchat Stories式的自动化多媒体拼贴。你应该把数据处理当做你工作的一个核心。一定要在这方面做好它。例如，如果你觉得“只需要15分钟”来准备和加载数据集，那么每次当你发现了更好的模型架 ...继续阅读 (19)

当你每次问Siri方向时，一串复杂的代码就会被激活，代码使“她”理解你的问题，搜索你想要的信息，然后以你能理解的语言回答你的问题。这在过去几年中成了现实。直到现在，我们还在与电脑以他们能理解的语言互动，而不是以我们的语言。我们已经学会了他们的语言。但是现在，他们在学习我们的语言。这项支撑人机关系变革的技术是自然语言处理（Natural Language Processing, NLP）。它已经在改变商业智能，这比简单的互动走得更远。不久后，商业领域会转型，仅仅通过与聊天机器人交谈即可获得改变人生的信息。这个未来并不遥远。甚至可以说，它就在眼前。什么是自然语言处理？自然语言处理，也被称为计算机语言学，结合了机器学习、人工智能和允许我们和类人机器对话的语言学。想想几年前，我们通过使用关键词结合“与、或、非”的布尔搜索术语来实现有效的谷歌搜索。为了得到你想从谷歌得到的答案，你得知道它的语言。然后，谷歌引入了语义搜索。它的算法学习了单词之间的关联，使你能够把谷歌当作朋友一样询问问题。在计算机内部，它把这个问题翻译成计算机能理解的布尔结构化搜索——但这个过程是隐形的。这和你问Siri“今天天气如何”或“明天去北京哪一航班最便宜”用的技术是一样的，不用将你的英文修改为计算逻辑门。你只需要问Siri：“明天去北京哪一航班最便宜？”“她”就会回答：“理解，”然后便开始搜索从你所在的位置到北京的飞机 ...继续阅读 (14)

雷锋网(公众号：雷锋网)按：这轮 AI 热潮的很大一个特点就是底层技术方面在打通，虽然说过去对通用人工智能大家曾经有过很高的期望，但一直没有落地。这次，深度学习给大家带来了很多机会，使得我们在底层技术方面有了越来越多的共性。然而深度学习并不是万能的，那么它的局限性在哪里？当遇到天花板时又该如何呢？4月8日，在 ADL 第78期“深度学习：从算法到应用”的 Panel 环节，四位顶级 AI 学术大牛同台纵论驱动这一轮 AI 浪潮的底层技术，主题为“深度学习和大数据结合的红利还能持续多久”。从左到右分别是：山世光、颜水成、李航、俞凯（雷锋网现场拍摄）四位分别是：中科院计算所研究员、博导，中科视拓创始人、董事长兼 CTO 山世光360副总裁、 首席科学家颜水成华为诺亚方舟实验室主任李航上海交通大学研究院、思必驰创始人兼首席科学家俞凯于 2017 年 4 月 7-9 日举办的中国计算机学会学科前沿讲习班（CCF Advanced Disciplines Lectures，简称 ADL）第 78 期，是由 CCF 和 KDD China 联合主办的高端学术及技术系列性品牌活动。下面是雷锋网对 Panel 环节的整理（包含不改变原意的删减）。底层技术在打通，声、图、文领域相互借鉴山世光：今天的三位大咖里，俞凯老师做语音识别，颜水成老师主攻视觉方向，而李航老师则在自然语言的理解处理领域非常资深， ...继续阅读 (22)

【导读】近日，Facebook 宣布开源 production-ready 的深度学习框架 Caffe2，轻量级、模块化，在移动端和云上都做了优化。同时提供的还有 C++ 和 Python API，以及模型库 Caffe2 Model Zoo，里面有视觉、语音、翻译等预训练模型，方便开发人员和研究者直接使用。AI 模型的训练和部署通常与大量数据中心或超级计算机相关联，原因很简单。从大规模的图像、视频、文本和语音等各种信息中持续处理、创建和改进模型的能力不是小型计算擅长的。在移动设备上部署这些模型，使其快速轻量级运转，同样是令人生畏的任务。克服这些挑战需要一个强大、灵活、便携式（portable）深度学习框架。Facebook一直在与开源社区一起建立这样一个框架。今天，我们将第一个生产就绪（production-ready）的 Caffe2 开源，这是一个轻量级和模块化的深度学习框架，强调便携性，同时保持了可扩展性和性能。我们致力于为社区提供高性能的机器学习工具，以便每个人都能创造智能应用和服务。Caffe2 提供了教学和示例，演示了用一台机器上的多颗 GPU 或多台机器的一颗或多颗 GPU 进行大规模学习。学习训练和部署 iOS，Android 和 Raspberry Pi 模型。在模型库 Caffe2 Model Zoo 里面的预训练模型，只需几行代码就能运行。Facebook  ...继续阅读 (24)

近年来，将人工智能应用于医疗健康已经在蓬勃发展，机器之心也曾报道过医疗方面的文章，变革的开始，深度学习将如何改变医疗成像领域？和 纽约客特稿 | 把癌症诊断交给机器，医疗服务会更好吗？ 《科学》的这篇文章注重于使用机器学习算法解决最难以预测的心脑血管疾病，希望能有助于心脑血管疾病的预防。即使医生有很多工具可以预测患者的健康，但是他们仍会告诉你这些工具远远不能应对人体的复杂性。而心脏病发作就特别难以预测。现在，科学家已经表明，自我学习式计算机可比标准医疗指导方针实现更好的性能，显著提高预测率。如果推广开来，这项新方法每年可挽救数千甚至数百万的生命。加州斯坦福大学血管外科医生 Elsie Ross 说：「这种方法简直太重要了，我真的希望医师们能够开始使用人工智能帮助照顾患者。」每年有近 2000 万人死于心脑血管疾病，包括心脏病、脑溢血、阻塞性动脉和其他循环系统功能性障碍。为了预测这些疾病，许多医师使用和美国心脏病学会/美国心脏协会（ACC/AHA）相似的指导方针。这些方针都是基于包括年龄、胆固醇水平和血压在内的八个风险因素，这些因素是医生不断积累起来的。但是这太单一以至于无法解释患者服用的许多药物，或者其他疾病和生活因素。英国诺丁汉大学流行病学家 Stephen Weng 说：「生物系统中有很多相互作用。」这些相互作用是违反直觉的：在某些情况下，身体大量的脂肪实际上可防止心脏病发作。 ...继续阅读 (25)

1.关于人工智能的若干个错误认知人工智能是AI工程师的事情，跟我没有什么关系大数据和机器学习(AI) 是解决问题的一种途径和手段，具有通用性，是一个基础的技能。当前我们工作中还有很多决策，是基于经验和预定的规则，未来这部分决策可以通过AI让我们做得更合理更好一些。人工智能太厉害了，未来会取代人类随着人工智能的发展，特别去年谷歌的AlphaGo围棋战胜代表人类的顶级棋手李世石，更是引爆了整个互联网。于是，网上不少人开始了很多担忧：机器人取代人类，有些人甚至在孩子高考填志愿时要求孩子填报艺术创作类似的方向，以避开未来与机器人或人工智能的竞争。实际上，虽然目前人工智能在语音识别，图片识别近年来取得了突破，但人工智能还远未完善: 数学理论尚不完备，“智能”的取得建立在大量的人工前期工作基础上，缺乏无监督学习。2. 传统开发 转行AI工程师的障碍2.1 急于求成的心态LR, SVM, 决策树，DNN,CNN, AlexNet, GoogleNet, Caffee,TensorFlow, 智能驾驶，AlphaGo, 个性化推荐, 智能语音，GPU, FPGA….晕了没？ 没晕再来一波。。。。这里面的水很深，不要太急躁很快能搞懂，事实上由于数学理论不完备，有些东西还真解释不清楚，比如在图像识别上ResNet 比GoogleNet识别率更高，ResNet是怎么推导出来的？梳理好这些概念 ...继续阅读 (19)

机器翻译、聊天机器人等自然语言处理应用正随着深度学习技术的进展而得到更广泛和更实际的应用，甚至会让人认为深度学习可能就是自然语言处理的终极解决方案，但斯坦福大学计算机科学和语言学教授 Christopher D. Manning 并不这么看，他认为深度学习确实能在自然语言处理领域有很大作为，但却并不能取代计算语言学。深度学习浪潮这些年来，深度学习浪潮一直冲击着计算语言学，而看起来 2015 年是这波浪潮全力冲击自然语言处理（NLP）会议的一年。然而，一些专家预测其带来的破坏最后还会更糟糕。2015 年，除了法国里尔召开的 ICML 大会，还有另外一个几乎同样大的事件：2015 深度学习研讨会（2015 Deep Learning Workshop）。该研讨会以一个 panel 讨论结束，正如 Neil Lawrence 在该 panel 上所说的：「NLP 有点（kind of）像是深度学习机器车灯前的一只兔子，等着被压扁。」很明显，计算语言学界需要慎重了！它会是我的道路的终点吗？这些压路机般的预测来自哪里？2015 年 6 月，巴黎 Facebook 人工智能实验室开幕上，负责人 Yann LeCun 说：「深度学习的下一大步是自然语言理解，不只是给机器理解单个词的能力，而是理解整个句子、段落的能力。」在 2014 年 11 月的 Reddit AMA（Ask Me Anythi ...继续阅读 (21)

本文是系列文章中的第一篇，是对深度增强学习/深度强化学习的基本介绍以及对实现通用人工智能的探讨。现在但凡写人工智能的文章，必提 Alpha Go。也正是因为Alpha Go在围棋人机大战中里程碑式的胜利，人工智能迎来了新的春天。 本文也不免俗套，从Alpha Go说起，但希望能指明一些被忽视的但对Alpha Go棋力有深远影响的技术。 围棋人工智能大致可以分为三个阶段 [1]：第一阶段以启发式算法为主，水平低于业余初段，代表软件即以静态势力函数为强项的 手谈； 第二阶段以 蒙特卡洛树搜索算法为代表，水平最高达到业余5段，比如说 Zen， Crazy Stone；第三阶段以深度学习（ Deep Learning）以及增强学习（ Reinforcement Learning，也称强化学习）算法为突破，并战胜了人类职业九段棋手李世乭，这也就是Alpha Go的故事了。每每提到Alpha Go卓越的能力，往往归咎于深度学习的强大，但实际上增强学习算法也功不可没。这二者的结合被称之为深度增强学习（ Deep Reinforcement Learning，DRL），最初见于DeepMind在Nature上发表的 Human-level control through deep reinforcement learning。 本文试图从深度增强学习的角度来探讨通用人工智能的实现，并简要介绍了深度 ...继续阅读 (11)

4月19日，百度发布一项名为“Apollo”的新计划，将向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助他们结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统。百度集团总裁兼首席运营官陆奇表示，人工智能技术在推动社会发展方面拥有巨大的潜力，而智能汽车是其中最大的产业机会之一。此次，百度将把自己所拥有的最强、最成熟、最安全的自动驾驶技术开放给业界，旨在建立一个以合作为中心的生态体系，发挥百度在人工智能领域的技术优势，为合作伙伴赋能，共同促进自动驾驶技术的发展和普及。而将这个计划命名为“Apollo”计划，就是借用了阿波罗登月计划，意指具备开创性，又需要汇聚众多参与者的力量，能为社会发展带来巨大推动力的超级工程。百度相信自动驾驶和智能汽车也是这样的事业。据悉，百度即将推出的Apollo项目提供一套完整的软硬件和服务的解决方案，包括车辆平台、硬件平台、软件平台、云端数据服务等四大部分。百度将开放环境感知、路径规划、车辆控制、车载操作系统等功能的代码或能力，并且提供完整的开发测试工具。百度还将在车辆和传感器等领域选择协同度和兼容性最好的合作伙伴，共同组成协作联盟，推荐给项目参与方使用，进一步降低无人车的研发门槛，促进技术的快速普及。据百度方面介绍，今年七月份将率先开放封闭场地的自动驾驶能力，年底输出在城市简单路况下的自动驾驶能力，在2020年前逐步开放至 ...继续阅读 (20)

以下是一位在数据分析领域打滚了N年后，写下的一些体会，一定能给新人一些借鉴的地方。（总结的不错，大家可以借鉴学习哦）一、数据分析师有哪些要求？1、理论要求及对数字的敏感性，包括统计知识、市场研究、模型原理等。2、工具使用，包括挖掘工具、数据库、常用办公软件（excel、PPT、word、脑图）等。3、业务理解能力和对商业的敏感性。对商业及产品要有深刻的理解，因为数据分析的出发点就是要解决商业的问题，只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求。4、汇报和图表展现能力。这是临门一脚，做得再好的分析模型，如果不能很好地展示给领导和客户，成效就大打折扣，也会影响到数据分析师的职业晋升。二、请把数据分析作为一种能力来培养从广义来说，现在大多数的工作都需要用到分析能力，特别是数据化运营理念深入的今天，像BAT这样的公司强调全员参与数据化运营，所以，把它作为一种能力培训，将会让你终生受益。三、从数据分析的四个步骤来看清数据分析师需具备的能力和知识：数据分析的四个步骤（这有别于数据挖掘流程：商业理解、数据理解、数据准备、模型搭建、模型评估、模型部署），是从更宏观地展示数据分析的过程：获取数据、处理数据、分析数据、呈现数据。（一） 获取数据获取数据的前提是对商业问题的理解，把商业问题转化成数据问题，要通过现象发现本质，确定从哪些纬度来分析问题，界定问题后，进行数据的采集。此环节 ...继续阅读 (23)

网易智能讯，人工智能很快会重塑我们的世界。但是，哪些公司会在这场竞争中领先呢？研究公司CB Insights日前评选了“AI 100”，列出了全球100家最有前途的人工智能初创公司。通过CB Insights的Mosaic算法，基于融资历史、投资者质量、业务类别和动量等因素，他们从超过1650名候选公司中得出了结论。《福布斯》整理了名单上前50家创业公司，并按照行业分类。目前来看，美国正领导着AI创新革命。根据《福布斯》图中顺序，整理了这50家公司介绍。每家公司前面的数字代表融资额，比如 “46 Draw Bridge” 中的“46”，后面的单位是“百万美元”，即代表这家公司融资 “4600万美元”。46. Drawbridge一家领先的匿名数字身份识别技术服务商，构建了专利的跨设备匿名数字识别技术。49. APPIER这是一家台北的技术公司，帮助企业用人工智能获得增长和成功。66.PERSADOPersado拥有认知内容平台可产生启发的语言行动。 是一家用机器学习技术进行语言分析的公司，通过其saas平台向用户提供广告文案攥写的服务。264 INSIDESALES.comInsideSales.com开发了一个强大的平台，使用由真实AI（大数据，机器学习和预测分析等）的核心成分驱动的技术来解决商业交易上的问题，包括交易人、物品、时间、方式等。20.NUTONOMYNuTonomy ...继续阅读 (33)

2015年9月10日，一条标题为《8月CPI涨2% 创12个月新高》的新闻在腾讯财经上发布。看上去，这条新闻的内容和媒体记者日常的消息稿无异，引用了统计局的数据,还加入了国家统计局城市司高级统计师余秋梅以及银河证券等分析师对数据的分析和预测。但它背后的作者，其实是腾讯财经开发的写稿机器人DreamWriter。“机器人来抢记者饭碗了!”、“记者们已哭晕”……写稿机器人一时间引发业内热议。“根据算法在第一时间自动生成稿件，瞬时输出分析和研判，一分钟内将重要资讯和解读送达用户。”当时腾讯这样描述自家的写稿机器人。距离写稿机器人DreamWriter发出的第一篇新闻已有一年半的时间，媒体中陆续已有如第一财经“DT 稿王”、新华社“快笔小新”等机器人开始参与写稿工作。DreamWriter项目副总监刘康对包括第一财经在内的媒体透露，目前DreamWriter在财经+科技应用的发稿量超过2000篇/天，体育稿量500篇/天，包括每天行情报盘、上市公司公告精要报道，以及体育赛事每轮每场的消息。不仅如此，第一财经记者了解，基于写稿机器人,腾讯内部一款集合了新闻资讯类 AI和超级资讯服务秘书类的应用正在研发当中。机器人这样“写稿”之所以开发一款写稿机器人，源自腾讯自己的“痛点”。刘康对第一财经记者回忆，当时他所在的腾讯财经频道招了一批新人和实习生，大量的基础工作、快速的稿件、财报、宏观数据变动、板 ...继续阅读 (25)

中国人工智能产业起步相对较晚,但产业布局、技术研究等基础设施正处于进步期,随着科技、制造等业界巨头公司的布局深入,人工智能产业的规模将进一步扩大。人工智能,被视为未来超级智能系统的先锋。今天,各类应用机器学习技术的分析工具已现身市场。金融、医疗、制造等行业应用发展迅速,人工智能领域的全球风投也从2012年的5.89亿美元猛增至2016年的50多亿美元。近一两年来,中国人工智能领域的火热势头,大有东风压倒西风的趋势。世界知名咨询公司麦肯锡发布的报告预计,至2025年人工智能应用市场总值将达到1270亿美元。但同样是这家公司近期的另一项报告则表示,在人工智能这一高科技领域,中国还存在四个主要问题,有待补足。论文多了,落地还有待时日4月1日,艾媒咨询发布的《2017年中国人工智能产业专题研究报告》显示,中国人工智能产业规模2016年已突破百亿,以43.3%的增长率达到了100.60亿元,预计2017年增长率将提高至51.2%。艾媒咨询分析师认为,中国人工智能产业起步相对较晚,但产业布局、技术研究等基础设施正处于进步期,随着科技、制造等业界巨头公司的布局深入,人工智能产业的规模将进一步扩大。“1个多月前,麻省理工科技评论公布了2017年度全球十大突破技术,其中包括深度学习、刷脸支付、自动驾驶等在内的人工智能领域热门技术均被选中。可喜的是,这几项技术的主要研究者包括了科大讯飞、阿里巴巴、百度 ...继续阅读 (15)

2016年是主流科技公司迎接虚拟语音助理的发展元年，而近期在欧美持续走红的亚马逊Echo更是凸显了该趋势。涉及人工智能的主流科技公司普遍认为人工智能将成为人机互动的砥柱，同时也开始通过智能虚拟助理为切入点，布局他们的人工智能市场，如：苹果的Siri，亚马逊的Alexa，微软的Cortana以及谷歌的谷歌助理。虽然智能虚拟助理技术已经历了较长时间的发展，但这些科技巨头都认为智能虚拟助理尚处发展期，未来智能助理发展的道路仍任重而道远。尽管如此，智能虚拟助理已开始逐步渗透入人们的生活之中。为了更佳有效的验证各家公司智能虚拟助理的性能，本文对四款智能虚拟助理分别进行了测试。由于缺乏标准化、体系化的方法用于评测智能虚拟助理的综合能力，因此，实验中选取了尽可能多的基本话题，以达到最佳的测试效果,包括：出行、电子邮件、信息、体育运动、翻译、系统功能、基本知识、音乐、天气、日程、生活服务。基于这十一项测试条目，对四类智能虚拟助理分别提出常见的问题和指令进行测试。值得一提的是，本次测试所使用的设备：Siri，测试设备为iPhoneSE；谷歌的助理，测试设备为Goodgle Pixel XL；Cortana，测试设备为ThinkPad X1 Yoga；Alexa，测试设备为Amazon Echo Dot；Note：尽管亚马逊目前已面向Kindle Fire平板推出Alexa，但在进行本测试前，Alex ...继续阅读 (22)

架构设计是一个非常大的话题，不管写几篇文章，接触到的始终只是冰山一角，更多的是实践中去体会。这篇文章主要介绍面向对象OO、面向方面AOP和面向服务SOA这三个要素在架构设计中的位置与作用。架构设计有三个维度，或者说是我们在考虑架构时需要思考三个方向。这三个维度分别为面向对象、面向方面、面向服务。这三个维度可以看作是正交的，但不同维度会互相印证，互相支撑，整个架构的示意图如图所示。面向对象面向对象技术最初是从面向对象的程序设计开始的，它的出现以上世纪60年代Simula语言为标志，并在Smalltalk语言的完善和标准化过程中得到更多的扩展和对以前思想的重新注解。上世纪80年代中后期，面向对象程序设计逐渐成熟，被计算机界理解和接受，人们又开始进一步考虑面向对象的开发问题。直到现在，面向对象已经成为一种非常流行的编程方式，以及软件设计的架构。面向对象提出有三个主要目标:重用性、灵活性和扩展性，强调对象的“抽象”、“封装”、“继承”和“多态”。它能让人们以更加接近于现实世界的方式来思考程序，这点可以说是面向对象最大的进步。在OO思想的运用上，业界出现了很多好的经验与技巧，从而涌现出大量的设计模式，可以说面向对象是系统分析与设计时的一个很重要的方面。面向方面面向方面最初来源于hook技术，本质上就是满足扩展的需求，可以在程序中自由扩展功能。面向方面不仅仅是一门编程技术，同样也是一种架构设计 ...继续阅读 (20)

本文带来对深度神经网络的通俗介绍。现在谈人工智能已经绕不开“神经网络”这个词了。人造神经网络粗线条地模拟人脑，使得计算机能够从数据中学习。机器学习这一强大的分支结束了 AI 的寒冬，迎来了人工智能的新时代。简而言之，神经网络可能是今天最具有根本颠覆性的技术。看完这篇神经网络的指南，你也可以和别人聊聊深度学习了。为此，我们将尽量不用数学公式，而是尽可能用打比方的方法，再加一些动画来说明。强力思考AI 的早期流派之一认为，如果您将尽可能多的信息加载到功能强大的计算机中，并尽可能多地提供方法来了解这些数据，那么计算机就应该能够“思考”。比如 IBM 著名的国际象棋 AI Deep Blue 背后就是这么一个思路：通过对棋子可能走出的每一步进行编程，再加上足够的算力，IBM 程序员创建了一台机器，理论上可以计算出每一个可能的动作和结果，以此来击败对手。通过这种计算，机器依赖于工程师精心预编程的固定规则——如果发生了 A，那么就会发生 B ; 如果发生了 C，就做 D——这并不是如人类一样的灵活学习。当然，它是强大的超级计算，但不是“思考”本身。教机器学习在过去十年中，科学家已经复活了一个旧概念，不再依赖大型百科全书式记忆库，而是框架性地进行模拟人类思维，以简单而系统的方式分析输入数据。 这种技术被称为深度学习或神经网络，自20世纪40年代以来一直存在，但是由于今天数据的大量增长—— 图像、 ...继续阅读 (21)

自上任微软CEO以来，萨蒂亚·纳德拉一直被认为是重塑微软的功臣。在接受采访时，他解释了自己重视公共云的原因、人工智能对就业的影响，以及人工智能对保护主义造成的劳工流动的改善。重塑微软的行动之一是云服务，其原理是什么？在过去的三年里，我们在这方面所做的事情有三个主要部分。坦率地说，首先需要对目标感、身份认同感以及公司存在感有非常清晰的认识。微软的诞生最初源自比尔·盖茨和保罗·艾伦为Altair开发BASIC语言。很明显，在技术层面已经发生了翻天覆地的变化。但是在我们创造的微软文化中，目标感与身份认同依然是非常重要的。我们在做的事情既是“授人以鱼”，也是“授人以渔”，即把技术交到别人手里，让他们继续创造出新的技术。这就是我对微软这个平台的看法，也是我们正在做的事情。我们思考的是人，以及由人建立、又被人超越的制度。我们在全球框架下思考这个问题。如果不是因为当我在印度长大时接触了微软的技术，我不可能走到今天。我们在思考未来。但接下来我要说的这最后一点，也许是最重要的：技术的发展没有终点。真正重要的是去应用它，例如学生写论文，小公司提高生产力，大公司提升竞争力，公共部门提高效率等。这才是我们真正想看到的。这也是核心问题。改变世界不仅仅是靠技术本身。当你满怀目标感，眼前要做的事就会变得非常清晰。在当今世界，作为科技公司，你必须拥有先进的想法，要了解你想要创新的技术范式。这就是我所说的云计算优先 ...继续阅读 (20)

如今，有两种技术正真正抓住广大教育工作者和未来学家的注意力，那就是人工智能与虚拟现实。这些新技术在教育中的意义是什么?答案很简单，他们可以彻底改变我们的教育体制。问题是，其中教育者们要付出怎样的代价呢?有许多文章认为，技术永远无法取代教师。但或许技术不能取代优秀的教师，但技术已经正在取代传统的、普通的教师。传统的老师是如何工作的呢?可以想象，学生进入教室坐好，老师开始授课，可能是做一个演讲，也可能是播放一段视频，或者阅读一段文本。然后学生就开展一些活动巩固新学到的知识，接着老师布置家庭作业来帮助学生们更好地记住新知识。一般来说，这就是标准的一堂课，或者说，标准的一天。在这个例子中，你看到了人工智能或虚拟现实不能做的任何事情吗?这里有五件事，一个AI/ VR学校系统可以代替传统的普通的老师轻而易举地实现。1. AI系统可以向学生提问，并识别学生的回答是否正确，由此根据学生的知识水平再问一个问题。AI教育系统是个性化学习的典型范例。在一定程度上，计算机比传统的老师更了解学生以及他们的能力。AI系统可以通过学生们的答案知道接下来应该提出怎样的问题，以深化他们的思想和知识。2. AI系统与整个互联网相连，并且可以作为学生们的教育工具。AI系统是互联网的一部分，其有能力发送学生们需要学习的内容、资源、视频、文章等。而这些资源数量的增长以及内容的改变是惊人的，正因为知识正在全球范围内迅速增长。 ...继续阅读 (21)