深度学习

这是一个数据驱动的时代，大数据已经成为几乎每家企业都在讨论的话题。

人工智能是最早出现的，也是最大、最外侧的同心圆；其次是机器学习，稍晚一点；最内侧，是深度学习，当今人工智能大爆炸的核心驱动。

YouTube的推荐系统是是世界上规模最大、最复杂的推荐系统之一。最近Google的研究人员公布了他们投到今年ACM会议的一篇文章，详细介绍了他们最近利用深度神经网络实现YouTube推荐系统的技术细节。

Demiurge Technologies 是一家位于瑞士的人工智能创业公司，他们致力于研究生物神经元的计算原理，开发下一代深度学习，以解决小样本学习和与物理世界交互的难题。他们的深度学习系统将应用于第四级别自动驾驶和探索机器人等领域。

不同于检测、识别等视觉领域深度学习一统天下的趋势，深度学习在目标跟踪领域的应用并非一帆风顺。

图形识别系统的背后是深度学习算法，在几百万种物品图片的数据库中进行学习。

(1) 多巴胺,英文名 Dopamine, 是一种有机化合物, 学名 4-(2-Aminoethyl)benzene-1,2-diol, 4-(2-氨基乙基)-1,2-苯二酚, 在大脑中它的作用是在神经元之间传递信号的介质. 多巴胺作为神经介质 (neurotransmitter)的功能, 最早在1957年由瑞典化学家 Arvid Carlsson 发现, …

跨领域深度学习模型一直是近几年推荐系统主要研究方向之一， 本文探讨一种个人客户画像构建的新思路， 并讨论对应的基于个人行为事件的跨领域统一推荐模型。

在阿尔法狗战胜李世石后，人工智能在全球的热议程度达到一个新的高度。得益于神经网络深度学习在算法上的突破，使得多个基础人工智能技术水平得到飞跃提升。计算机视觉、机器学习、自然语言处理、机器人技术、语音识别等人工智能技术快速发展对整个社会带来的改变将远大于互联网。

如今越来越多的人愿意和自己的虚拟私人助理交谈，只需要动动嘴就可以让Siri/Alexa/Rokid帮你完成发微信、订车票、设闹钟这样的闲事，还能提醒你吃药、开会，这样一个不需要付工资的贴心小棉袄怎么会不受喜爱呢？虚拟助理正在一步步接近现实中的私人助理，而背后支持它的正是深度学习的技术。

(1)动态规划理论的核心, 用以 Richard Bellman 老师名字命名的 贝尔曼方程 (Bellman Equation)表示. 贝尔曼方程的核心, 就是: 用大白话说, 就是 目前状态的最大价值 = 最大化［ 眼前的回报 + ｛未来的最大价值，贴现到现在｝ ］ 而动态规划要解决的问题，无非就是求解方程里的最优价值函数 V(x) 而已． 使用贪婪算法…

(1)迄今为止我们讨论的人工智能的问题,都还是局限在”认知”方面的应用, 比如图像识别,语音识别,自然语言处理,等等. 这类问题的特点是,机器获得大量原始数据的培训. 每一个输入,都有标准的”输出”的答案. 这种学习方式,也称为”有监督学习”. 但是生活中大多数问题,是没有标准正确答案的…

深度学习真的给我们带来影响了吗？

当谷歌 DeepMind 团队的 AlphaGo 打败了李世石时，媒体就用人工智能、机器学习和深度学习这三个术语来描述 DeepMind 是如何取得胜利的。