世界上约有7％的劳动力从事建筑业，因此它是世界经济的主要部门。个人和企业每年在建筑相关活动上花费10万亿美元（麦肯锡，2017）。其他行业已经使用AI和其他技术来改变其生产力绩效。相比之下，建筑以冰川的速度发展。

最优化问题是机器学习算法中非常重要的一部分，很多机器学习算法的核心都是在处理最优化问题。梯度下降法（gradient descent）是一种常用的一阶（first-order）优化方法，是求解无约束问题最简单、最经典的方法之一。

在深度神经网络（DNN）反向传播算法(BP)中，我们对DNN的前向反向传播算法的使用做了总结。里面使用的损失函数是均方差，而激活函数是Sigmoid。实际上DNN可以使用的损失函数和激活函数不少。这些损失函数和激活函数如何选择呢？本文我们就对DNN损失函数和激活函数的选择做一个总结。

对于很多组织机构来说，网络边界已经被各种新的网络边缘所取代。这带来了一些特别的挑战，这些挑战可能会使组织机构维护一个一致并易于管理的安全基础架构的工作变得愈发复杂。这些安全挑战是一把双刃剑。

在进行图像处理的过程中，获取原始图像后，首先需要对图像进行预处理，因为在获取图像的过程中，往往会发生图像失真，使所得图像与原图像有某种程度上的差别。在许多情况下，人们难以确切了解引起图像降质的具体物理过程及其数学模型，但却能估计出使图像降质的一些可能原因，针对这些原因采取简单易行的方法，改善图像质量。

所有渲染所需的数据都需要从硬盘(HDD)中加载到系统内存(RAM)中，然后，网格和纹理等数据又被加载到显卡上的存储空间–显存(VRAM)中。这是因为：显卡对于显存的访问速度更快，而且大多数显卡对于RAM没有直接的访问权利。

从广义上说，计算机视觉就是“赋予机器自然视觉能力”的学科。自然视觉能力，就是指生物视觉系统体现的视觉能力。一则生物自然视觉无法严格定义，在加上这种广义视觉定义又“包罗万象”，同时也不太符合40多年来计算机视觉的研究状况，所以这种“广义计算机视觉定义”，虽无可挑剔，但也缺乏实质性内容，不过是一种“循环式游戏定义”而已。

欧盟召集了52名专家组成的小组，提出了他们认为未来AI系统应该满足的七项要求。

早期采用人工智能技术的组织已开始从人工智能的应用中获得真正的业务成果。但推行人工智能计划并非没有挑战。人工智能创造商业价值的时代已经到来。事实上，在德勤公司(Deloitte)最近的一项调查中，82%的早期使用人工智能的组织表示，他们从人工智能投资中获得了经济回报。

迁移学习近年来在图形领域中得到了快速的发展，主要在于某些特定的领域不具备足够的数据，不能让深度模型学习的很好，需要从其它领域训练好的模型迁移过来，再使用该模型进行微调，使得该模型能很好地拟合少量数据的同时又具备较好的泛化能力（不过拟合）。