人工智能

在 12 月初的时候,苹果正式向外界宣布允许其人工智能和机器学习研究员公开发布和分享他们的最新研究成果,这一举措稍稍掀开了苹果久负盛名且神秘的创新研究进程的一角。仅在几周之后,他们的人工智能和机器学习研究的第一篇论文发表了,主要聚焦苹果在智能图像识别领域的研究。

机器学习研究也许会在苹果内部引领新的潮流。该公司最近成立的机器学习小组中六位研究员发表了一篇论文,这篇论文描述了一种用于模拟+无监督学习(simulated + unsupervised learning)的新方法。其目的是提高合成训练图片的质量。这项研究展示了该公司希望在高速增长的人工智能领域中成为领导者的渴望。

谷歌、Facebook、微软还有其他技术类初创公司一直稳步发展他们的机器学习研究小组。这些公司都发表了几百份的学术研究。他们的学术追求都是公开且有据可查,但是苹果公司一直很固执地将研究成果保密。

变化是从本月初开始的。苹果的 AI 研究部主任 Russ Salakhutdinov 宣布该公司将很快开始发表研究成果。该研究小组的第一次尝试就是很及时的。

近来,使用合成图像和视频训练机器学习模型的频率越来越高了。不使用真实世界的图像是因为其花费的成本和时间很高,而生成图像的成本更少,更容易获取和定制化。

青春永驻的秘密?人工智能为您揭开

俄罗斯科研人员近日宣称发现了可以延长人类的寿命,使人类青春永驻的关键,此探究过程主要是依靠一种人工智能工具,利用这种工具可以模拟筛选数百种化合物,并且可以有效识别其中的抗衰老物质,而这些抗衰老物质就是负责延长人类的寿命,使人类青春永驻的物质,由此可见人工智能技术即将在生物医学界引发一场科技风暴。

研究人员表示,利用此项计算机建模技术能够有效的减少抗衰老药物研发阶段的时间成本和各项其它的成本。

在此之前,研究人员已经在治疗癌症方面有过类似的研究案例,并且已经取得了成功。他们主要是利用了一种叫做oncofinder的算法,通过模拟筛选一系列的样本细胞,来对健康的细胞和发生癌变的细胞进行比较,探求其中的区别,来为破解癌症病变的秘密提供思路。

而在探究人类衰老机制的过程中,主要是利用了GeroScope算法,通过该算法可以准确的对于新老细胞之间的差异进行识别,并且在资源库中搜寻能够减少甚至消除这些变化的物质,从某种意义上来说,GeroScope算法就是oncofinder算法的一个延伸。

在实验的过程中,研究人员分别选取了年龄在15-30岁之间的年轻人以及年龄超过60岁的老年人的细胞作为样本,然后提取了这些细胞在DNA转录为RNA过程中的数据,并且对这些数据进行了详细的分析与计算,而分析得到的这些数据都是能够导致细胞变化的反应序列。

图灵奖获得者雷蒂:未来30年人工智能将高度普及

11月16日讯“未来三十年,随着语音识别系统的高度发展,我们操控电脑可以不需要触碰、不需要输入,只用‘说话’……”今天上午,在第三届世界互联网大会开幕式上, 世界著名人工智能专家雷伊·雷蒂第三个上台,再谈人工智能,“可以预见,在未来三十年内,我们将会实现人工智能的高度普及。”

1966年,美国计算机协会(ACM)为专门奖励那些对计算机事业作出重要贡献的个人而设立了图灵奖,成为计算机界最负盛名、最崇高的、有着“计算机界诺贝尔奖”之称的奖项。1994年,因在人工智能研究上的突出贡献,雷蒂站上了图灵奖的领奖台。他发表的“去梦那些可能的梦想吧"(To Dream the Possible Dream)的获奖演说激励了一代人。

联合国:机器人将夺走发展中国家2/3的工作

目前普遍的一种观点是,技术含量不高的重复性制造业工种最容易被大规模的机器人设备所取代。如果从全球角度来审视这一问题时,不同地区受此影响的程度也会有所不同。据联合国最新发布的一份报告显示,发展中国家的劳动力最易受到来自机器人的冲击。来自联合国贸易和发展会议的报告称,机器人自动化给北美地区的低薪工人带来了一定冲击,但在发展中国家这一影响则更为明显。因为一些机器人应用比较广泛的行业如农业及制造业,在发达国家几乎已经所剩无几,大多都已转移至海外,企业主要采用这一降低工资成本的方法来追求利润的最大化。

报告提到,在机器人自动化席卷全球的浪潮中,发展中国家近 2/3 的工作会被抢走。这一比例远高于西方发达国家的比例。发达国家采用机器人从事生产也将抵消发展中国家一直以来的劳动力成本优势,对发展中国家的不利影响可能是巨大的。

北京时间11月4日上午消息,计算机算法通常需要成千上万个例子才能学会一件事情,但谷歌DeepMind的研究人员却找到一种绕过这一流程的方法。我们多数人看过某个东西一两次后都能认出这种物体。但计算机视觉识别和语音识别算法却需要成千上万个例子才熟悉一种新的图形或单词。谷歌DeepMind研究人员现在找到了一种新的方法,他们对深度学习算法进行了一些调整,使之只需通过一个例子便可认出图像中的物体或其他东西——他们称之为“单次学习”。

该团队针对大量添加了标签的图片以及手写字体和语言对此进行了验证。


图像识别

最好的算法的确能够可靠地识别物体,但由于需要庞大的数据,所以非常耗费时间和金钱。例如,想要让算法识别出道路上的汽车,就需要为其提供成千上万个例子才能在无人驾驶汽车中实现可靠的准确率。但要收集如此多的数据通常并不实际——例如,不可能为了让一个机器人在一套不熟悉的房子里行走而为其提供长时间的学习机会。

人工智能黑客讲述:如何欺骗运用机器学习的安全软件?

今天的主题是Gmail对抗式机器学习。

我是学计算机科学、机器学习的,也是负责AI相关的研究者,在湾区那边做很多的数据挖掘、安防等相关的工作,我们非常高兴地看到现在很多的人都在做这些对抗机器学习或者深层次学习。

首先Gmail本身还是属于一个非常新兴的领域,虽然我们可以看到AI已经无处不见。很多网络安全的会议、包括一些世界级的会议,大家都在深入地使用这些技术。这也引起了我个人的兴趣,我也很好奇当看到安全这个主题下为什么Gmal机器学习为什么成为天作之合,当我们在工作中用了机器学习,你希望减少一些模型的功能。

麻省理工研发能通过无线信号识别情绪的实验装置

据外媒报道,近日麻省理工学院计算机科学与人工智能实验室(CSAIL) 的研究人员研发了一个称为EQ-Radio的实验装置,能够通过使用人体反射的无线信号来“识别”情绪。 EQ-Radio通过收集信号并分析心率和呼吸频率变化来判断你是否感到快乐、悲伤或愤怒等。

麻省理工学院博士生 Mingmin Zhao 周二在一份声明中表示:“仅仅通过知道一个人在不同情绪下的心率变化,我们就可以可靠地检测出他们的情绪。”研究人员表示,目前这款实验装置的准确率达到了87%。

研究人员表示,这款装置还有很多用途。例如,电影公司及广告公司可以用其来测量观众的反应。智能家居公司可以根据用户的心情用它来调整照明和温度。这款设备甚至还可能被用于诊断和检测焦虑症或抑郁症等。

为了更好的了解 2016年人工智能在企业中的影响,近期 Narrative Science与美国国家商业研究所(National Business Research Institute)合作了一份新的研究报告。

人工智能并非新鲜事,它数十年前就已经存在了。但人工智能技术由于数据的扩增以及在存储、追踪以及分析技术上的投资,近来才有所进展。

例如,仅 2014 - 2015 年间,部署或者使用数据驱动项目的公司增加了125%,企业花费在此的金额平均为1380 万美金。

市场情报公司 IDC也表示,到 2019年,大数据技术与服务市场将达到 486亿美元。

越来越容易获取的大量丰富数据结合与「智能机器」合作的意愿,正在加速人工智能驱动的商业应用的进程,这在金融服务、医疗、市场、销售这样的数据丰富的部门和业务智能部门尤为显著。不管它是采用了预测分析、自然语言生成、语音或图像识别,或者机器学习等形式,人工智能应用对创新而言都是极其重要的技术并且正在重塑公司做生意的方式。

为了更好的理解如今以及未来人工智能在企业中的影响,我们最近调查了来自各行各业的230名商业以及技术高管。我们这么做的目标是为了确定一些影响如今商业如何使用科技的趋势。在这一过程中,我们了解到的内容可以总结成以下四大主要发现:

监管层遏制VR、人工智能等市场炒作 将加强监管

7月26日,深交所发布《落实全面监管,着力提升监管效能——深交所贯彻依法从严全面监管之三》,其中强调,要针对“虚拟现实”、“石墨烯”、“人工智能”、“PE+上市公司”、资本系或合伙企业入主上市公司等热点题材,保持高度敏感,督促公司准确、完整地披露具体情况和对公司的影响,并对存在的风险进行充分揭示,同时细化停牌冷却、内幕交易核查制度,果断遏制市场炒作。

VR、AR、石墨烯、人工智能等概念的兴起已非“一日之寒”,“公允地说,资本市场与这些处在风口浪尖的科学技术产生连锁反应并不是件坏事,总比以往热捧资源类,甚至是一些所谓的‘商业模式创新’标的有意义的多。”一位券商分析人士向《证券日报》记者表示,“但人们也应理性看待、分析这些热点,比如一项新技术的研发到产业化,再到创造利润且体现在上市公司业绩中,是需要机遇和时间的。而作为监管者,则尤其应该帮助普通投资者,在琳琅满目的概念股中‘去伪存真’,并净化市场环境。”

7月26日,或许是受深交所发布上述信息影响,A股相关板块均做出响应。其中,在上一个交易日引领涨幅榜的石墨烯板块出现阴跌。

石墨烯、VR等概念蹿红

人工智能帮助Google数据中心节能15%

作者:DeepMind研究工程师Rich Evans和Google数据中心工程师Jim Gao

从智能手机助手到图像识别与翻译,机器学习已经给我们的日常生活提供了很多帮助。不仅如此,它还能够帮助我们解决全球范围内最具挑战性的一些实际问题,比如能源消耗。

过去十年,Google一直在关注减少能源使用这一问题。Google搭建了超级高效服务器,发明了拥有更高效率的数据中心冷却法并在绿色能源方面进行了大量投资,致力于实现使用100%的可再生能源。如今Google使用相同的能源便能够获得大约是五年前3.5倍的计算能力。

而今年Google又取得了新的进展:通过在数据中心使用DeepMind的机器学习能力,Google将冷却系统的能源消耗量减少了40%。这对于任何大型能源消耗环境来说都具有巨大的改善意义。

同步内容
--电子创新网--
粤ICP备12070055号