首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

亚马逊用AI创造时尚,让设计师和造型师统统站一边

目前,亚马逊已经取得了初步的成果。 据外媒报道,亚马逊正准备让人工智能算法来替代时尚造型师和设计师。据了解,他们的研究人员正在研究相关的机器学习系统,以便更有效的发现最新时尚趋势并做出反应,甚至是创造时尚。 就在上周,亚马逊还举办了一场机器学习和时尚研讨会,向到场嘉宾公布了自己的亮相人工智能成果: 一个是由位于以色列的亚马逊研究人员所开发的一种机器学习算发。通过分析附加到图像上的几个标签,其便能够推断出某些搭配是否将能够被视为时尚; 还有一个是由旧金山亚马逊研究中心Lab126开发的一种机器学习算发。在运用

00

【智驾深谈】智驾时代,智能为王:谈互联网企业的机会所在

【新智元导读】长久以来,自动驾驶技术被划分为两个阵营,一个源自车企,由一群汽车电子工程师构成的“全区域部分自动驾驶”,试图将该技术以新功能的形式添加到汽车进而盈利。新智元上周的译稿“全球汽车巨头突围自动驾驶3大途径”中进行了分析,优势就在于可以利用现有汽车平台来整合并购新技术。另一个则是源自Darpa,由一群机器人学家构成的“特定区域全自动驾驶”派,以Google为首,试图通过大数据和人工智能技术来革新驾驶体验。 最近跟很多好友都探讨,在这么一个智能驾驶风口浪尖的时候,源源不断涌入的互联网企业,拿什么跟老

03

人工智能:智能优化算法

优化问题是指在满足一定条件下,在众多方案或参数值中寻找最优方案或参数值,以使得某个或多个功能指标达到最优,或使系统的某些性能指标达到最大值或最小值。优化问题广泛地存在于信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域。优化方法是一种以数学为基础,用于求解各种优化问题的应用技术。各种优化方法在上述领域得到了广泛应用,并且已经产生了巨大的经济效益和社会效益。实践证明,通过优化方法,能够提高系统效率,降低能耗,合理地利用资源,并且随着处理对象规模的增加,这种效果也会更加明显。 在电子、通信、计算机、自动化、机器人、经济学和管理学等众多学科中,不断地出现了许多复杂的组合优化问题。面对这些大型的优化问题,传统的优化方法(如牛顿法、单纯形法等)需要遍历整个搜索空间,无法在短时间内完成搜索,且容易产生搜索的“组合爆炸”。例如,许多工程优化问题,往往需要在复杂而庞大的搜索空间中寻找最优解或者准最优解。鉴于实际工程问题的复杂性、非线性、约束性以及建模困难等诸多特点,寻求高效的优化算法已成为相关学科的主要研究内容之一。 受到人类智能、生物群体社会性或自然现象规律的启发,人们发明了很多智能优化算法来解决上述复杂优化问题,主要包括:模仿自然界生物进化机制的遗传算法;通过群体内个体间的合作与竞争来优化搜索的差分进化算法;模拟生物免疫系统学习和认知功能的免疫算法;模拟蚂蚁集体寻径行为的蚁群算法;模拟鸟群和鱼群群体行为的粒子群算法;源于固体物质退火过程的模拟退火算法;模拟人类智力记忆过程的禁忌搜索算法;模拟动物神经网络行为特征的神经网络算法;等等。这些算法有个共同点,即都是通过模拟或揭示某些自然界的现象和过程或生物群体的智能行为而得到发展;在优化领域称它们为智能优化算法,它们具有简单、通用、便于并行处理等特点。 **

01

人民网三评智能算法,矛头直指今日头条,技术又一次为平台背了锅

智能算法有其该担的责,但用户也该反思自己。 从9月18日到20日,连着三天,人民网每天一文,三评智能算法,矛头直指今日头条——一个依靠数据挖掘推荐引擎的内容分发平台。 显然,人民网此次是“怒”了。而做为矛盾中心,今日头条到底做了什么,才会引来如此“关注”? 人民网认为,智能算法作为新技术,在加入内容分发平台后,犯下了“三罪”: 1.垃圾新闻过多; 2.私人订制信息易造成用户自我封闭; 3.促使内容生产者媚俗化并削弱其创造力。 但镁客君想说,在这连番的指责中,智能算法并没有原罪。 从技术本身来说 算法并没有原

00

人工智能:用众包的方式学习驾驶汽车

导语:有些驾驶任务对于人类来说简单得不值一提,但对于机器来说很难完成。现在研究人员已经开发出一种新的方法,让人工智能机器通过向人类大众学习驾驶。 今年可谓是人工智能机器日新月异的一年。在人脸识别、物体识别、语言理解等许多我们人类一直以来都占据上风的任务上,人工智能突然开始追赶上甚至超越了人类完成任务的表现。 然而,对于一些繁杂工作的完成情况,人工智能机器仍然落后于人类。这些工作包括相对简单的家务劳动,如熨烫衣物,以及相对高级的任务,如驾驶。不过,智能机器在这些领域的成就进展缓慢,并不是因为它们不能执行这些任

07

Video++董慧智:让AI融入消费级视频,我们打开了视频的“黑盒子” | 镁客请讲

在董慧智看来,他们现在还只是做着“视频互联网”生态的底层工作,未来的AI+视频还有更多的可挖掘空间。 “哎哎哎,这个人还蛮帅的,你帮我搜搜他是谁。” “可以。这是哪部剧?他演的人叫啥?” “《xxxx》,他演的是xxx。” 打开浏览器,输入“xxxx演员表/xxxx xxx”,然后,关于这部视频或是这个人的一大串信息开始涌现。 有没有觉得这个过程很熟悉?是的,这种情况在我们看视频的时候经常会碰见,至于感兴趣的对象,可以是人,也可以是某个物品。 然而令人想不到的是,因为人工智能的加入,这一以往被我们忽视的“差

00

实践中的联邦学习:落地应用案例讲解

数据的资产属性赋予了数据巨大的价值,数据的使用有极其广阔的前景;而用户对隐私保护的要求又极大限制了数据的使用。 在这种两难的情景下,基于数据隐私保护技术实现的分布式训练范式——联邦学习——应运而生,受到学术界和工业界的广泛关注。 为了帮助读者们更好地将联邦学习进行落地应用,博文视点特地邀请到微众银行资深人工智能算法专家黄安埠老师为大家直播分享“实践中的联邦学习——落地应用案例讲解”,从实战的角度,讲述联邦学习部分已落地的应用案例,既可为工业实践者提供案例,又可引领初学者入门。 分享主题:实践中的联邦学习—

03
领券