機器學(xué)習(xí) 文章進入機器學(xué)習(xí) 技術(shù)社區(qū)

蘋果收購機器學(xué)習(xí)公司Inductiv以改善Siri數(shù)據(jù)

據(jù)外媒報道，蘋果已收購機器學(xué)習(xí)創(chuàng)業(yè)公司Inductiv，該公司開發(fā)的人工智能技術(shù)可用于識別和糾正數(shù)據(jù)集中的錯誤。Inductiv的工程團隊近幾周已加入蘋果，參與包括Siri、機器學(xué)習(xí)和數(shù)據(jù)科學(xué)在內(nèi)的多個項目。對于這筆收購，蘋果給出了慣用的聲明，即蘋果“不時收購規(guī)模較小的科技公司，我們通常不討論目的或計劃”。Inductiv是由斯坦福大學(xué)、滑鐵盧大學(xué)和威斯康星大學(xué)的幾名教授創(chuàng)立的。Inductiv的技術(shù)利用人工智能自動識別和糾正數(shù)據(jù)集中的錯誤。“干凈的”數(shù)據(jù)集對于機器學(xué)習(xí)非常重要。機器學(xué)習(xí)是一類熱門的人工智
關(guān)鍵字：蘋果機器學(xué)習(xí) Inductiv Siri

“AI自動提取特征”的簡易范例*

　　高煥堂?（臺灣銘傳大學(xué)、長庚大學(xué)?教授）0 引言在人與AI之間，最典型的協(xié)同合作模式是：由人們?nèi)ビ^察而萃取特征，然后AI依據(jù)該特征進行分類，這稱為：人工提取特征。此外還有進一步的合作模式：讓AI自己來學(xué)習(xí)萃取特征，并且進行分類。這稱為：自動提取特征。本文將借由很簡單的范例來展示“自動提取特征”，以便充分發(fā)揮各種AI模型的特色，來促進特征提取的效率。　　1 人工提取特征　　1.1 機器學(xué)習(xí)　　由于人人對于周遭的現(xiàn)象(或事)都具有觀察、分類和萃取特征的天賦，所以人人都可以把這項智能和能力傳授給AI。其中，
關(guān)鍵字： 202006 AI 人工智能機器學(xué)習(xí)

對人臉識別的11個誤解

過去十年內(nèi)，隨著我們在人工智能領(lǐng)域取得長足進步，我們能夠為嵌入式系統(tǒng)增加一些先進功能，例如人臉識別。雖然人臉識別能夠帶來諸多好處，但人們有時仍然認為它的使用存在問題，甚至充滿了爭議。事實究竟如何？在本文中，我們將澄清一些對人臉識別的誤解。?1) 人臉識別的成本非常昂貴?人們會覺得要讓計算機能夠識別人臉，解決方案必須采用高端硬件。畢竟，自21世紀前十年中期以來，深度學(xué)習(xí)算法在圖像分類方面的突破都利用了圖形處理單元(GPU)的強大處理能力，這些單元通常在緊耦合集群中使用。但對于嵌入式系統(tǒng)（
關(guān)鍵字：人臉識別機器學(xué)習(xí)

機器學(xué)習(xí)的知識產(chǎn)權(quán)問題

機器學(xué)習(xí)的知識產(chǎn)權(quán)問題假設(shè)一家公司主要生產(chǎn)對于客戶的業(yè)務(wù)運營至關(guān)重要的設(shè)備。為了避免發(fā)生故障而對這些客戶產(chǎn)生重大影響，這家公司使用機器學(xué)習(xí)模型來做出預(yù)防性維護決策。為了構(gòu)建這種模型，公司花費了大量時間、金錢和精力。但是，客戶可以復(fù)制這個知識產(chǎn)權(quán)來自行進行維護，這樣就不必繼續(xù)支付維護合同的費用。同時，競爭對手也可能會直接復(fù)制模型來獲取利益，而不是投資構(gòu)建自己的模型。本白皮書探討了機器學(xué)習(xí)模型的哪些方面將受到知識產(chǎn)權(quán)法律的保護。要構(gòu)建用于維護的機器學(xué)習(xí)（ML）模型，必須收集并標(biāo)記正確的訓(xùn)練集，選擇正確的架構(gòu)和
關(guān)鍵字：機器學(xué)習(xí) 知識產(chǎn)權(quán)

基于多層深度學(xué)習(xí)框架和運動分析的駕駛員疲勞監(jiān)測系統(tǒng)

汽車工業(yè)的最新發(fā)展引起了科研人員對疲勞駕駛監(jiān)測的研究興趣，意圖開發(fā)一種有效的駕駛員監(jiān)測系統(tǒng)，能及時發(fā)現(xiàn)心理物理狀態(tài)異常，減少疲勞駕駛引起的交通事故?，F(xiàn)在許多文獻特別專注于生理信號的研究，通過測量心率變異性（HRV）來得到有關(guān)心臟運動的信息。事實上，HRV還是一個有效的評估生理壓力的指標(biāo)，因為它可以提供與自主神經(jīng)系統(tǒng)支配的心血管系統(tǒng)活動相關(guān)的信息。本文旨在通過提取人臉特征點，分析由血壓引起的皮膚細微運動，再以一個穩(wěn)健的方式重構(gòu)光電容積圖（PPG）信號。所得結(jié)論是，傳感器檢測到的PPG信號與使用人臉特征點重構(gòu)
關(guān)鍵字：機器學(xué)習(xí) LSTM 駕駛員疲勞駕駛

研究人員開發(fā)具有抓握感覺的機器人

讓機器人抓取物體時對物體產(chǎn)生感覺對提高效率非常重要。蘇黎世聯(lián)邦理工學(xué)院的研究人員宣布，他們已利用機器學(xué)習(xí)技術(shù)開發(fā)了一種低成本的觸覺傳感器。該傳感器能高分辨率、高精度地測量力的分布。這些特征使機器人手臂能夠更靈活地抓住敏感、脆弱的物體。
關(guān)鍵字：研究人員機器人機器學(xué)習(xí)

谷歌AI負責(zé)人杰夫·迪恩：2020年機器學(xué)習(xí)領(lǐng)域的趨勢分析

無論計算機未來在社會中扮演什么角色，杰夫·迪恩(Jeff Dean)都將在結(jié)果中發(fā)揮強大的作用。作為谷歌人工智能技術(shù)研究小組的負責(zé)人，他領(lǐng)導(dǎo)的工作覆蓋面十分廣泛，對從研發(fā)自動駕駛汽車到制造機器人，再到谷歌強大的在線廣告業(yè)務(wù)等方方面面都做出了貢獻。
關(guān)鍵字： AI 谷歌機器學(xué)習(xí)

人工智能“發(fā)現(xiàn)”地球繞太陽公轉(zhuǎn)

如今，根據(jù)在地球上觀測到的太陽和火星的運行軌跡，一種受大腦啟發(fā)的機器學(xué)習(xí)算法計算出了太陽位于太陽系的中心。而天文學(xué)家花了幾個世紀才弄明白這個道理。
關(guān)鍵字：人工智能機器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)

2020年的信息安全：人工智能（AI）在各種信息安全系統(tǒng)中的廣泛涌現(xiàn)

在過去的幾年中，信息安全一直都是基于防病毒方案、隔離技術(shù)和加密技術(shù)的組合。政府機構(gòu)和信息安全公司愿意采用跟蹤互聯(lián)網(wǎng)流量的方法，并根據(jù)其簽名查找可疑材料。這些技術(shù)重點是在出現(xiàn)問題后去檢測惡意軟件，并去實現(xiàn)良好數(shù)據(jù)與惡意軟件之間的隔離。但是，如果惡意軟件未被檢測到，它可能會在系統(tǒng)后臺中潛伏數(shù)月甚至數(shù)年，并在以后變得活躍。
關(guān)鍵字：信息安全機器學(xué)習(xí)

學(xué)AI之路，從探索特征出發(fā)

　　高煥堂（臺灣VR產(chǎn)業(yè)聯(lián)盟主席，廈門VR/AR協(xié)會榮譽會長兼顧問）　　摘?要：AI機器學(xué)習(xí)的基礎(chǔ)活動之一就是提取特征。本文通過舉例和比喻來領(lǐng)悟特征的含義，以及理解特征提取的方法和目的。而且，從人為的特征提取，開始思考由AI機器自動提取特征的途徑，邁向深度學(xué)習(xí)之路?！　? 從認識特征出發(fā)　　1.1 以狗和兔子為例　　據(jù)說古代有一位小公主（例如大清時代的格格），常常到荒郊野外去玩，攜帶一只狗去出行。為什么她要攜帶狗呢? 因為狗兒天生就最熟悉兔子的特征，而且兔子的特征也最吸引狗兒們，所以狗兒喜歡又擅長于探索
關(guān)鍵字： 201911 AI 機器學(xué)習(xí) 提取特征

從物聯(lián)網(wǎng)到汽車的邊緣設(shè)計

從家居或商業(yè)應(yīng)用，到互聯(lián)車輛，邊緣計算貫穿整個物聯(lián)網(wǎng)。隨著數(shù)據(jù)量的增加，這種計算需要具有最優(yōu)網(wǎng)絡(luò)安全功能與最高功能安全級別的強大互聯(lián)邊緣計算平臺。創(chuàng)新通常成波出現(xiàn)（圖1）。一些創(chuàng)新浪潮遵循著發(fā)展路徑，例如，從早期的大型機到小型計算機，最后過渡到如今眾所周知的緊湊型計算機，這種變化是循序漸進的。考慮到計算能力隨時間推移變得更加強大、外形尺寸更加緊湊、軟件開發(fā)更加簡單，這種過程也非常合理。其他創(chuàng)新浪潮則更加劇烈。從手機到智能手機的過渡以及向物聯(lián)網(wǎng)的快速轉(zhuǎn)變就是這樣的例子。圖1：創(chuàng)新浪潮：物聯(lián)網(wǎng)和人工智能是邊緣
關(guān)鍵字：物聯(lián)網(wǎng) 機器學(xué)習(xí)

人工智能和機器學(xué)習(xí)讓網(wǎng)絡(luò)更智能、更簡單、更安全

思科2019年6月11日宣布推出旨在簡化網(wǎng)絡(luò)管理并讓網(wǎng)絡(luò)更加安全的軟件創(chuàng)新。如今，隨著企業(yè)越來越多地投資數(shù)字技術(shù)，不斷增多的工作負載往往讓IT團隊疲于應(yīng)對。為了減輕這一負擔(dān)，并使IT能夠?qū)Ｗ⒂谔峁﹦?chuàng)新，思科推出了全新的人工智能和機器學(xué)習(xí)功能，讓IT團隊能夠利用獨特的網(wǎng)絡(luò)洞察，快速高效地開展工作。在這些擴展功能中，思科還推出了能夠在整個企業(yè)網(wǎng)絡(luò)上提供更高效地管理用戶和應(yīng)用的創(chuàng)新功能，包括園區(qū)網(wǎng)絡(luò)和廣域網(wǎng)、以及數(shù)據(jù)中心和物聯(lián)網(wǎng)邊緣等。
關(guān)鍵字：人工智能機器學(xué)習(xí) IT

Cortex-M：網(wǎng)絡(luò)邊緣的機器學(xué)習(xí)

　　摘?要：介紹ML，特別是ML如何從云滲透到網(wǎng)絡(luò)的邊緣?！　￡P(guān)鍵詞：人工智能；機器學(xué)習(xí)；邊緣；Cortex-M　　人工智能(AI)及其子集機器學(xué)習(xí)(ML)均代表著人類生存的重要發(fā)展里程碑。雖然人們?nèi)匀辉跔幷撘恍┑赖聠栴}，但AI和ML所提供的潛在好處實在令人難以抗拒?！　I是一個非常廣泛的主題（如圖1），在這里詳細介紹ML，特別是ML如何從云滲透到網(wǎng)絡(luò)的邊緣?！　? 什么是機器學(xué)習(xí)？　　“機器能夠思考嗎？”這個問題促使偉大的科學(xué)家Alan Turing開發(fā)了“圖靈測試(Turing test)”，今天這
關(guān)鍵字： 201910 人工智能機器學(xué)習(xí) 邊緣 Cortex-M