所谓的数据贴标者可以说是数字世界的建筑工人。非洲数据贴标者准备的信息是硅谷人工智能工作的重要组成部分。谷歌、微软、Salesforce和雅虎等公司用的是Samasource。而Samasource是一家美国公司，雇用肯尼亚一些最贫穷的科技工人来创建人工智能培训数据和图像信息。可以说，如果没有人类标签，人工智能就一无是处，那么，科技公司是否会继续拿捏好将成为全球经济中最具活力部分的离岸产业的尺度呢？...

神经架构搜索可以降低深度学习的门槛，有助于研究人员和从业人员更容易地使用深度学习。本文对现有神经架构搜索方法做了统一、分类和对比，还做了详细的分析。本文讨论了常见搜索空间以及基于强化学习原理和进化算法的常用架构优化算法，还有结合了代理模型和 one-shot 模型的方法。...

饮食评估可以帮助人们监督管理饮食，帮助人们科学摄入。近年来，智能手机和一些可穿戴设备可以达到一定的效果，但无论从便捷度、隐私性、数据负担上，都有一定的缺陷。AI图像分类不仅能有效解决这些问题，还可以在饮食数据库中检索出有关食物营养和能量含量的信息。...

曾经，人工神经网络在AI领域内可谓是饱受争议，很多学者并不看好该技术方面的研究。而就在不久前， 有“深度学习三巨头”之称的Yoshua Bengio、Yann LeCun、Geoffrey Hinton 共同获得了 2018 年的图灵奖；同时他们在该领域的研究成果也成为了当今从搜索到内容过滤等各个方面不可或缺的组成部分。...

将人工智能应用于智能手机、传感器和工厂机器等边缘设备是该技术不断发展的下一个阶段。最早的人工智能算法非常复杂，只能在云数据中心运行的强大机器上处理，这意味着需要通过网络发送大量信息。但这是不可取的，因为它需要大量带宽并导致更高的延迟，而且使得“实时”人工智能难以实现。...

符号主义和连接主义是人工智能领域中的两大流派。符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，又称为逻辑主义 (Logicism)、心理学派 (Psychlogism) 或计算机学派 (Computerism)，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。符号主义认为人工智能起源于数理逻辑，人类认知（智能）的基本元素是符号（symbol)，认知过程是符号表示上的一种运算。连接主义 (connectionism)，又称为仿生学派 (bionicsism) 或生理学派 (physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。...

最近研究人员开发了一个新的框架，通过语法引导的网络生成器构建深层神经网络。 在实验测试中，在视觉识别任务中，新的网络——称为 AOGNets ——已经超越了现有的最先进的框架，包括广泛使用的 ResNet 和 DenseNet 系统。...

技术红利会与更长尾的场景结合，光有技术不够，还需要落地场景、落地产品，最终才能真正发挥价值。 创维，就是这种信念的典型代表。...

近年来人工智能的相关书籍可以说是汗牛充栋，有阐述人工智能基本工作原理与核心应用的，有介绍其发展历史的，有分析市场趋势和商业机会的，也有探讨人工智能带来的伦理挑战、社会政治经济影响以及其深远哲学意义的，当然还有大多数人无法企及的面向专业人员的硬核技术类书籍。各种著作繁杂不堪、无从下手，读者也往往被含混不清似是而非的描述所困扰。如果你没有时间去阅读大量的书籍，想通过一两本书来了解这个领域的主要脉络，那么王维嘉博士所著的《暗知识：机器认知如何颠覆商业和社会》是一个非常好的选择。本书深入浅出、精炼明晰的覆盖讨论了上面关于人工智能这些最重要的话题。作者原来在斯坦福大学攻读博士期间便做过人工智能方面的研究，后来在硅谷和中国创办高科技公司，现在硅谷专注人工智能领域的投资。...

据加拿大麦克马斯特大学官网近日报道，该校研究人员让图案化的光影彩带穿过聚合物立方体的不同面，并读取显现的综合结果，开发出一种简单且高度新颖的计算方式。...