Qualcomm Incorporated子公司Qualcomm Technologies, Inc.于今日阐释了其人工智能愿景——即以无处不在的终端侧人工智能对云端人工智能实现补充。在我们预想中的世界里,人工智能将使终端、机器、汽车和万物都变得更加智能,简化并丰富我们的日常生活。
近日,斯坦福大学和英特尔共同研发了一项技术。在向他们的人工智能系统输入5000张德国街道照片后,该技术可在人类的辅助下,让系统构建出一些模拟的虚构场景。
一位慈祥的父亲即将离自己而去,James难以接受这个事实。悲痛之余,他决定采取一种特殊的方式来缅怀父亲:利用人工智能技术,制作出一个机器人,完全模拟父亲的意识,让父亲拥有一个“不朽的化身”。
AI (人工智能) 对国家GDP产生的贡献知多少?答案是超乎想象,AI应用接受度越高的国家,将对其GDP产生贡献愈高。估计到2035年,人工智能AI有可能提高16个行业的企业盈利能力,平均提高38%的获利能力。同时,AI创造经济可能导致12个大经济体之16个行业的经济成长达14兆美元的额外总增加值(GVA)。
最新研究显示,美国近9成零售业者有意在2年内采用人工智能(AI)技术,作为拟订消费者互动策略的一环。这意味AI全面进攻各行各业的日子,可能比预期更早来临。
总结2016年一件有纪念意义的科技事件是阿法狗战胜围棋九段选手李世石,标志着人工智能算法达到了新的高度,同时也说明了人工智能未来发展的潜力,未来人工智能将会给工业服务业农业带来很大的影响。
目前的共享汽车,还需消费者必须持有驾照,而对于无驾照者(包括成年无驾照者、老年人、青少年、残疾人等),对不起,不能共享。而自动驾驶技术未来将为这类人群提供完美的解决方案,只需消费者掌握系统控制方法即可。
智能制造是中国制造2025的主攻方向,为什么要把它作为一个主攻方向?因为新一代信息技术和人工智能的快速发展,引起了人们的关注。这就给中国制造业追赶处于发展前列的美国、德国、日本制造业提供了机会。如果抓住机会,将新一代信息技术的发展和中国制造业转型升级的迫切需求结合起来,就会大幅提升中国制造的水平。
Qualcomm Incorporated(NASDAQ: QCOM)子公司Qualcomm Technologies, Inc.于今日阐释了其人工智能愿景——即以无处不在的终端侧人工智能对云端人工智能实现补充。在我们预想中的世界里,人工智能将使终端、机器、汽车和万物都变得更加智能,简化并丰富我们的日常生活。
其实,无论机器人智能化水平达到如何高的层面,终究只是辅助人类,提升人工生产效率的工具。就拿这次四川九寨沟地震事件来说,尽管写稿机器人所撰写的稿件内容一应俱全,但是关于此次地震的详细原因并没有描述,原因为何?目前大部分机器人稿件主要是通过现有数据、资料,快速搜集加工编制而成,而写稿机器人本身并不具备思考分析能力,这也就是人类区别于机器人的独特之处。
普渡大学研究人员开发了一种称为“有机体”的新型计算技术,模仿人类思维的工作方式,可以让计算机忘记不太重要的记忆,保留关键信息,为了实现这种能力,他们开开发了一种新型材料。它被称为镍铌酸盐,是一种陶瓷“量子材料”,是为这项工作创造有机体装置的核心。这些设备具备生物的一些特征,能够推进模仿人类大脑运作方式。
“中国地震台网”公众号随即发布了由机器人用时25秒自动编写的消息,这则消息共540字配发4张图片,介绍了速报参数、震中地形、人口热力、周边村镇、历史地震等大众普遍关注的内容,一时间,各家媒体争相报道。25秒内机器人完成了数据挖掘、数据分析、自动写稿的全过程,让我们见识了新一代智能技术助推下,人工智能与机器人结合的巨大威力和产业前景。
自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。
对于科技巨头们来说,人工智能市场大战在即,各家正忙着研发先进“武器”;而已经刺刀见红的是云计算市场。一条全球企业市场的“云化”之路,正在向前无限蔓延。
随着RX Vega的登场,AMD已经公布的显卡路线图的下一步就是Navi(仙后座)了。Navi推出的时间点是2018年,确认采用7nm工艺,预计是GF的第一代,DUV(深紫外)技术。
深度学习算法可以帮助计算机理解大量图像、声音和文本形式的数据,但其能力严重依赖于云端数据中心强大的计算能力。以安防领域的摄像头为例,摄像头采集到视频和图像数据之后需要借助网络上传至后台,后台计算完成后再返回到摄像头。
特斯拉CEO埃隆·马斯克(Elon Musk)周五就人工智能(AI)发出新的警告,称这种技术对人类的威胁比朝鲜核武器还要大。
博文中写到,通常人们很难想象,被寄希望于可以取代人类工作的人工智能也需要“休息”,但实际上适当的休息是谷歌deep-Q network(DQN)的关键部分。而整个DQN系统通过大量能够“离线”储存,并“回顾”的训练数据,进行模拟经验回收,让人工智能可以在过去的成功或者失败中继续学习。
由于受到技术瓶颈及硬件平台计算能力的限制,人工智能在安防行业的应用一直发展缓慢。但自从2010年以来,随着互联网海量数据的出现,使得深度学习发挥潜力。同时以GPU为代表的硬件平台计算能力的飞速提升,更进一步加速了深度学习技术的普及。
在德国,有一个新兴的出版社Inkitt,则是利用人工智能进行这项任务,让AI来选出最可能畅销的书,再进行出版。