返回 登录
4

【AI每日播报】吴恩达离职百度 腾讯任命张潼为AI Lab主任

欢迎人工智能相关的技术投稿、约稿、行业分析、热点新闻、编译等,请发送邮件至baiyan@csdn.net,期待大家投稿

资讯

快讯 | 百度首席科学家吴恩达宣布即将离职

3月22日,百度首席科学家、在线教育平台Coursera的联合创始人吴恩达宣布将会辞去在百度的工作,吴恩达于2014年5月加入百度,负责百度研究院的领导工作,尤其是Baidu Brain计划。据悉,在同一天,百度通过内部邮件,任命百度副总裁王海峰接替吴恩达成为AI技术平台体系(AIG)总负责人。

图片描述

吴恩达在Twitter发布的消息

首发 | 人工智能大事件!腾讯任命张潼博士为AI Lab主任

3月23日,腾讯宣布任命人工智能领域顶尖科学家张潼博士担任腾讯AI Lab(腾讯人工智能实验室)主任。

图片描述

腾讯任命张潼博士为AI Lab主任

张潼博士将作为腾讯AI Lab第一负责人,带领50余位AI科学家及200多位AI应用工程师团队,专注于人工智能的基础研究,主要包括计算机视觉、语音识别、自然语言处理和机器学习这四个垂直领域。同时,基于腾讯自身的业务需求,腾讯AI Lab还会在内容、社交、游戏和平台工具型AI四个方向进行研发与应用合作。

聚焦四大领域的基础研究,包括:计算机视觉、语音识别、自然语言处理与机器学习,力求全面覆盖并深层次拓展AI的前沿技术能力。

同时发展AI在具有腾讯特色的四大业务场景中的应用能力:内容 AI、社交AI、游戏AI和平台工具AI。

人工智能是虚假新闻的“克星”

如何更好地掌握规律、制定规则,给算法提供正确指引,让人工智能能够更有效地甄别虚假和低俗内容并控制其传播,是当前业界和学界要重点研究的问题。

当前,甄别和控制网络虚假信息传播已经成为一个世界性话题。虚假信息不仅令我国网络空间深受其扰,一些西方国家也日益意识到它的危害。去年美国大选中,不同利益集团相互指责和控诉对方制造和传播虚假信息,吃相难看,颜面尽失。

声音

马化腾:人工智能将成未来业内核心竞争力

腾讯控股有限公司主席兼首席执行官马化腾22日在港表示,人工智能近两年成为全球投资者关注的热点,吸引许多资金投入,腾讯也十分看重该领域的发展,预计人工智能将成为未来业内的核心竞争力。

马化腾当日在腾讯2016年业绩发布会上表示,目前公司整体技术人员都在不断积累人工智能领域的相关经验,该技术最终能否有效广泛应用,主要取决于数据及使用场景两个因素,而腾讯受惠于多元化业务,拥有众多合作伙伴及平台式服务,因此在数据及使用场景方面占据优势。

据悉,近日刚于日本落幕的第十届UEC杯计算机围棋大赛中,由腾讯人工智能实验室研发的人工智能程序“绝艺”夺冠。此次在“阿尔法围棋”没有参赛的情况下,“绝艺”成为围棋人工智能程序的胜者。

对此,马化腾表示,该比赛算是集团内部的测试应用,以进一步积累相关经验。他说,人工智能技术目前已应用在腾讯多个业务上,包括微信语音处理、优图的人脸识别及社交广告智能化等,未来还可应用在医疗及自动驾驶等领域,发展空间广阔。

Facebook人工智能研究院院长进清华:AI不会取代人类

北京时间3月22日晚间消息,Facebook人工智能研究院院长Yann LeCun教授今天下午在清华大学举办了一场主题为“深度学习与人工智能的未来”的讲座,谈论了深度学习与人工智能的历史、现状与挑战。

图片描述

Facebook人工智能研究院院长、纽约大学教授Yann LeCun

Yann LeCun教授是Facebook人工智能研究院院长,纽约大学教授。他最著名的是在深度学习和神经网络方面作出的杰出贡献,特别是他创立的卷积网络模型,被广泛地应用于计算机视觉和语音识别应用里,也因此他被称为卷积网络之父。本次讲座是由清华大学经济管理学院发起,清华x-lab与Facebook公司联合设计并推出的《创新与创业:硅谷洞察》学分课程中的一节公开课。这也是清华大学首次和跨国企业联合进行课程讲授。

在讲座中,LeCun教授首先讲述了人工智能的发展史。他提到,人工智能的研究首先是从机器学习中的监督学习开始,研究人员将训练实例输入机器,让机器辨别简单的物体;到了上个世纪50年代,研究人员提出了“认知机”(perceptron)概念。而后来研究人员又建立了多层神经网络理论,并最终建立深度学习概念。

LeCun教授重点谈论了他参与的卷积神经网络(CNN)研究:他当时将CNN用于辨别支票上的手写数字,识别率达50%,识别错误率仅为1%,这是CNN第一次解决实际问题;但当时不少研究者认为CNN并无实际意义,为此他的同事之间还有一场赌约,最后输赢各半,因为直至今日研究者也无法让CNN更好的用于实际中,但它在多个领域仍有应用。

LeCun教授认为,深度学习的作用一是为现有的事物分类,二是表达世界上的事物。时至今日,卷积神经网络的层级越来越多,使得人工智能在人脸识别,无人驾驶和图像识别方面都有广泛应用。

迅雷创始人程浩:人工智能只做技术服务商死路一条!

朋友们大家好,我是程浩,迅雷创始人,现在专注互联网领域的投资。这一年来我看了许多人工智能领域的创业项目,很多都是技术背景的创业者,发现两个普遍问题:

  • 有技术但没有好的场景,“拿着锤子找钉子”非常普遍;
  • 技术创业者如果只定位做技术提供商,而不直接面向用户/客户提供整体解决方案,未来价值会越来越小,不往上游走风险非常大,甚至是死路一条。

为什么说未来只做技术提供商价值会越来越小,甚至死路一条?原因有几点:

  • 未来很多基础技术服务都是大公司的赛道,都会免费
  • 依托于算法的技术壁垒会越来越低
  • 技术提供商如果不直接面向用户/客户提供整体解决方案,则非常容易被上游碾压

那么对于技术创业公司,从“一横”走到“一纵”,要选哪个垂直领域,取决几个关键因素:

  • 市场空间够不够大?
  • 行业集中度如何?
  • 技术是改良还是革命?
  • 双方壁垒谁更高?

技术

TensorFlow架构与设计:会话生命周期

TensorFlow的系统结构以C API为界,将整个系统分为「前端」和「后端」两个子系统:

  • 前端系统:提供编程模型,负责构造计算图;
  • 后端系统:提供运行时环境,负责执行计算图。

本文首先以Session创建为例,揭示前端Python与后端C/C++系统实现的通道,阐述TensorFlow多语言编程的奥秘。随后,以Python前端,C API桥梁,C++后端为生命线,阐述Session的生命周期过程。

TensorFlow架构与设计:OP本质论

TensorFlow的系统结构以C API为界,将整个系统分为「前端」和「后端」两个子系统。前端系统扮演了Client的角色,完成计算图的构造,通过转发Protobuf格式的GraphDef给后端系统的Master,并启动计算图的执行过程。

最终,Master将图进行分裂,通过RegisterGraph接口,将GraphDef的子图片段注册到Worker上。因此,GraphDef是描述计算图的知识模型,整个TensorFlow的计算过程都是围绕GraphDef所展开的。

TensorFlow计算的单位是OP,它表示了某种抽象计算。本章首先阐述NodeDef, OpDef的元数据模型,然后通过一个简单的例子,讲述元数据的流动过程。

机器学习中梯度下降算法(包括其变式算法)简介

许多受欢迎的机器算法都源于优化技术,例如:线性回归算法、K-最近邻算法、神经网络算法等等。在学术界以及各行各业中,优化研究比比皆是,优化应用随处可见。
在本篇文章中,我会向大家介绍梯度下降(Gradient Descent)这一特殊的优化技术,在机器学习中我们会频繁用到。以下为本文目录:

  • 什么是梯度下降?
  • 运用梯度下降算法所面临的挑战
  • 梯度下降算法的变式
  • 梯度下降的实现过程
  • 使用梯度下降算法的实用小贴士
  • 附录

图片描述 图片描述

评论