人工智能

语义分割是计算机视觉中的基础任务，我们通常会使用基于 CNN 加 CRF 的方法或直接使用对抗性的训练实现端到端的分割。本文简要介绍了这两种方法及它们的特点。 人类是如何描述场景的？我们可能会说「窗户下有一张桌子」，或者「沙发右边有一盏灯」。图像理解的关键在于将一个整体场景分解成几个单独的实体，这也有助于我们推理目标的不同行为。 当然，目标检测方法可以帮助我…

我个人也很喜欢机器学习和人工智能，但是如果你所运营的是一家拥有 1000 到 10000 名客户数量的小型在线商店，那你仍然可以依靠 SQL。毕竟，机器学习和人工智能方面的人才也并不是随处可见。

本论文通过创建一组真正「未见过」的同类图像来测量 CIFAR-10 分类器的准确率，因而充分了解当前的测试集是否会带来过拟合风险。

如果你碰巧在学习机器学习、数据科学、商业智能或者与AI相关其他领域的知识，那你是幸运的。虽然自动化在慢慢蚕食人类的工作岗位，但对AI人才的需求却在加速增长。招聘信息搜索平台Indeed的数据显示，与AI相关的招聘职位在过去三年里翻了一倍。

本文主要介绍Yoho大数据团队在深度学习传统应用方向上的一些实践和思考。

本文作者是一名数据科学家，现在离开了Pivotal公司加入了idealo公司，正在帮助其搭建数据科学团队以及把机器学习整合到公司的产品中。

当今数据科学面临的一个具有挑战性的难题是在项目的商业化中部署训练模型，对于任何的以消费者为中心的公司或想要使自己的解决方案拥有更多受众的个人来说都是如此。

最近，社交媒体上疯传一张表情包（如下图）。随着深度学习的炒作开始消退，看到这张图的人将会心一笑。“机器学习真的没什么好让人兴奋的”或者“它只是对古老统计学的改进”这类情绪越来越普遍。但问题是，这不是真的。

随着面部识别系统越发成熟，个人隐私问题也引发了越来越多的担忧。多伦多大学的研究人员利用对抗式训练的深度学习技术开发了一种新的算法，这种算法可以动态地扰乱面部识别系统，有助于保护用户隐私。研究者表示，他们的系统可以将可检测的面部比例从原先的近百分之百降低到 0.5%。 每当用户将照片或视频上传到社交媒体平台时，这些平台的面部识别系统都会对用户有一定的了解。这些…

关于人工智能对各行各业会带来什么样的变革的言论满天飞，让人目不接暇。来自 Forbes 科技理事会的 Anthony Delgdao 就给我们娓娓道来、深入浅出地阐述了目前人工智能对社会的三大影响。

AI的目标是开发出像智能一样行事的机器。

美国智库 New American Security 研究员 Gregory C.Allen 认为，谷歌人工智能研究员合乎道德的做法应该是参与选择国家安全项目，而不是关闭所有项目。

机器学习算法虽多，却没有什么普适的解决方案。决策树、随机森林、朴素贝叶斯、深度网络等等等等，是不是有时候觉得挑花了眼呢？

燥热的 6 月天已经结束了，本月机器学习领域又有哪些开源项目值得一看呢？Mybridge AI 从将近 250 个机器学习开源项目中评选出排名 Top10 的项目。这是他们对在此期间新发布或进行重大发布的项目进行比较之后得出的结果，考量了各种因素对项目的专业性进行排序。哪些项目上榜了呢？

在强化学习里有四个基本的概念会经常出现在相关的文章中，策略、奖励、价值函数以及环境模型。