专栏名称: AI前线
我们专注大数据和机器学习,关注前沿技术和业界实践。每天发布高质量文章,技术案例等原创干货源源不断。同时有四千人的社群微课堂,每周一次业界大牛技术分享,也希望你能从这里分享前沿技术,交流深度思考。
目录
相关文章推荐
人工智能与大数据技术  ·  投资人向腾讯元宝提15条建议,马化腾深夜回复 ·  昨天  
CDA数据分析师  ·  《CDA一级教材》电子版上线CDA网校,助你 ... ·  3 天前  
大数据分析和人工智能  ·  告别996,DeepSeek真的非常强大! ·  3 天前  
天池大数据科研平台  ·  Gemini大升级!谷歌引爆程序员革命:编程 ... ·  2 天前  
数据派THU  ·  大数据智能学术论坛第一期 | ... ·  2 天前  
51好读  ›  专栏  ›  AI前线

AI,离我们是近还是远?免费下载《AI生态》月刊

AI前线  · 公众号  · 大数据  · 2017-09-24 18:00

正文


策划|Tina
编辑|Vincent Natalie
InfoQ 的使命是希望能够推动软件技术的发展,我们十年如一的传授着基于实践、可信赖的内容,关注并报道处于“创新”与“早期应用”阶段的颠覆性技术。我们的《架构师》月刊想必你们知道,现在出于这个目的,我们策划了新的月刊:《AI 生态》。

更多精彩文章请添加微信“AI 前线”(ID:ai-front)

人工智能火了,我们被各种“AI”相关名词包围,以前无人问津的 AI 会议门票短期就能售罄,“Deep learning”更是直接空降技术成熟曲线顶端。从走在前沿的科技公司,到努力创新的传统行业,都在声称要押注人工智能这个“风口”。百度强调战略从此就是“All in AI“,联想说赌上身家性命押注 AI,微软说全力押注 AI 不再"移动和云"优先...

而我们很多程序员又觉得人工智能离自己遥远,自己的工作中并不曾涉及到任何机器学习相关知识。人工智能有哪些应用场景?在哪里能落地?自己需要学习人工智能技术吗?

所以我们需要一个中立客观的观点,在一片喧嚣中能对人工智能得到正确的认识,来判断到底要不要“追”这个风!

InfoQ 的使命是希望能够推动软件技术的发展,我们十年如一的传授着基于实践、可信赖的内容,关注并报道处于“创新”与“早期应用”阶段的颠覆性技术。我们的《架构师》月刊想必你们知道,现在出于这个目的,我们策划了新的月刊:《AI 生态》。

在这个月刊中,包含四个栏目:

  1. 生态评论,如当今人工智能的领军人物对技术和行业的评价

  2. 重磅访谈,与大师探讨技术与应用

  3. 落地实践,业界一些落地场景和方式

  4. 企业机器学习平台,AI-first 趋势下,首先得构建自己的人工智能平台产品

下面是我们的创刊号内容:

PS:关注公众号后后台回复“AI”可免费下载!

生态评论
吴恩达:人工智能是新电能

2017 年 2 月,前百度首席科学家、Coursera 的联合创始人 Andrew Ng 在斯坦福 MSx 未来论坛上的一个演讲,吸引了全球的眼球。 他认为,人工智能 (AI) 对未来许多行业带来的变革,如同 100 多年前,美国“触电”一样——电对制造、运输、农业(尤其是冷藏)、医疗等等带来了划时代的变革。AI 驱动着百度的搜索和广告,调度百度外卖的快递员,选择路线,和预估运送时间。AI 正在彻底改变金融工程,对物流的转变进行了一半,医疗和自动驾驶刚开始,而前景巨大。和“电”带来的变革一样,很难想象哪个行业不会被 AI 改变。

我们整理了这个演讲,从而形成了这篇文章,包含了吴恩达的很多有意义的看法,如:在哪些产品里能用到 AI,AI 的发展趋势,如何保护 AI 业务,AI 的良性循环与炒作的非良性循环,AI 产品管理,短期内 AI 有哪些机会等等。

最重要的是,吴恩达认为 AI 永恒的春天已经到来!

Michael Jordan:人工智能发展到了什么地步?

Michael Jordan 是伯克利教授、人工智能领域的顶级专家,他发表了一些对于未来的发展趋势的预见。他认为“现在我们的交通和金融行业,在我们身边的每一个行业、每一个模块,现在都出现了智能化的趋势”,但是“有时候机器了解的信息是不够的,做出的决策往往也是不对的,它没办法意识到我们周围环境的变化”,“我相信我们真正要关注的不仅仅只是这样一种技术的发展,到目前为止,在我们这代人身上还看不到这种高水平的人工智能的出现”。他总结说人工智能需要花几十年努力,需要大家一起合作,认真考虑怎么解决目前技术上的挑战。

重磅访谈

专访 ImageNet 冠军颜水成团队

如何将比赛成果在企业中落地?

2017 年 7 月 26 日,计算机视觉顶会 CVPR 2017 同期举行的 “超越 ILSVRC” Workshop 上,宣布计算机视觉乃至整个人工智能发展史上的里程碑——ImageNet 大规模视觉识别挑战赛于 2017 年正式结束,也就是说 2017 年是 ImageNet 的最后一届。在 2017 年 ImageNet Large Scale Visual Recognition Challenge 2017 (ILSVRC2017) 的收官比赛中, 360 公司与新加坡国立大学合作团队拿下了物体定位任务的冠军。InfoQ 因此联系到颜水成团队,进行了这次采访。颜水成重点评价了 ImageNet 各阶段模型特点和意义,同时讲解了如何将学术成就落地到 360 公司产品中,而且他认为深度学习的低门槛已经能面向普通开发者。







请到「今天看啥」查看全文


推荐文章
人工智能与大数据技术  ·  投资人向腾讯元宝提15条建议,马化腾深夜回复
昨天
大数据分析和人工智能  ·  告别996,DeepSeek真的非常强大!
3 天前
山西老乡俱乐部  ·  送给做公公婆婆的10句话!
8 年前
全球健身指南  ·  减肥,千万别这么吃!
7 年前
玩转手机摄影  ·  照片美成仙,而实际上拍照的时候却...
7 年前
中信研究  ·  【房地产】长效机制的五个特点
7 年前