返回 登录
21

【AI每日播报】百度牵头深度学习技术及应用国家工程实验室


头条


百度将牵头筹建深度学习技术及应用国家工程实验室

@百度

近日,国家发改委正式批复,由百度牵头筹建深度学习技术及应用国家工程实验室,与其他共建单位一起,推动我国深度学习技术及应用领域的产学研标用全面发展。

为了解决我国人工智能基础支撑能力不足等问题,这个由百度牵头筹建的实验室将着重发力于深度学习技术、计算机视觉感知技术、计算机听觉技术、生物特征识别技术、新型人机交互技术、标准化服务、深度学习知识产权七大方向,建设“国内领先、世界一流”的深度学习技术及应用研究机构,从研究突破、产业合作、技术成果转让、人才培养等方面提升我国人工智能领域整体竞争力。

苹果收购以色列人脸识别创业公司RealFace

@量子位

据以列色新闻网站Calcalist报道,苹果本月收购了以色列创业公司RealFace,估计交易价值数百万美元。RealFace是一家人脸识别公司,被认为可以帮助苹果的产品实现人脸解锁。

位于特拉维夫的RealFace创立于2014年,第一个产品名为Pickeez的应用,可以利用RealFace面部识别技术,帮助用户从各种平台挑选最佳照片。

苹果目前已经在iOS 10上使用了一些面部识别功能来处理照片,而这次收购也被认为是苹果正在寻求把面部识别当成一种认证手段。


技术


TensorFlow和Caffe、MXNet、Keras等其他深度学习框架的对比

@CSDN

本文节选自《TensorFlow实战》第二章。

深度学习研究的热潮持续高涨,各种开源深度学习框架也层出不穷,其中包括TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、Leaf、Theano、DeepLearning4、Lasagne、Neon,等等。然而TensorFlow却杀出重围,在关注度和用户数上都占据绝对优势,大有一统江湖之势。从各个开源框架在GitHub上的数据统计(数据统计于2017年1月3日),可以看到TensorFlow在star数量、fork数量、contributor数量这三个数据上都完胜其他对手。

Science:给人工智能一个“鼻子”

@新智元

预测颜色很简单:以波长为510纳米发出光线,大多数人会说光线看起来是绿色的。然而,要想弄清楚某个特定的分子闻起来是什么味儿,可就非常困难了。22个计算机科学家团队的最新研究提出了一套能够根据不同分子的化学结构预测它们的气味的算法。这样的程序将如何得到广泛应用仍有待观察,有可能该算法可以帮助香水制造商和食品生产商设计出精确定制的新型气味。

基于TensorFlow让机器生成赵雷曲风的歌词

@量化投资与机器学习

我们基本上收集了赵雷所有唱过的歌曲的歌词。包括《无法长大》、《吉姆餐厅》、《赵小雷》等专辑在内的共计53首单曲、1560行歌词。生成结果附在文末。

要完成机器生成歌词的工作看上去是一个生成模型,而生成模型一般都是无监督问题,但是我们需要将它转化成有监督问题,原因是使用有监督学习可以发现数据内在的关联性,比如上下文的衔接,然后用预测学习来代替无监督学习。

就有监督学习而言,通常我们需要准备好具有映射关系的数据集:X和Y。这里我们事先只有周杰伦的歌词文本,它是一个整体,如何确定X和Y?虽然它是一个整体,但是这个整体是序列组成的,序列与序列之间会有一定的时序关系。

除了下棋,人工智能还能做什么?

@CSDN

除了下棋,人工智能还能做些什么?简单地说,人工智能分为3个阶段:计算智能(能存会算)、感知智能(能听会说,能看会认)和认知智能(能理解会思考)。按照技术类别来分,分成感知输入和学习训练两种。
人工智能的发展已有60多年历史,为何近年来突然变得炙手可热呢?主要是源于数据量的急剧上升、深度学习算法的提出、大规模并行计算以及物联网技术的发展等。搜索、翻译、地图、无人车、医疗甚至文学创作等领域,深度学习的影子无处不在,人工智能正在重构用户生活。

有专家指出,医疗、金融、交通、教育、公共安全、零售、商业服务等行业数据电子化程度较高、数据较集中且数据质量较高,因此在这些行业将会率先涌现大量的人工智能场景应用。


图片描述

图片描述

评论