暂无个人介绍
人类级别的表现、人类级别的精度……在开发AI系统的企业中,我们经常会听到这类表述,其指向范围则涵盖人脸识别、物体检测,乃至问题解答等各个方面。随着机器学习与深度学习的不断进步,近年来越来越多卓越的产品也开始将AI算法作为自身的实现基础。那为什么为什么AI感知与人类感知无法直接比较?此篇文章会和大家娓娓道来。
近十年来,制造商为了不断提升他们的利润,已经纷纷转向自动化解决方案。自动化和机器视觉正在逐步增强,甚至被人工智能所取代。下面,让我们看看 2020 年基于人工智能的视觉检测的应用价值。
人工智能(AI)和机器学习(ML)在物理安全市场上引起了轰动,将视频分析提升到了新的准确性水平。实际上,这些术语已成为整个行业的通用流行语。但是,人工智能和机器学习对物理安全行业产生影响的潜力远远超出了他们改善视频分析的能力。
尽管人工智能的出现受到了雇主和雇员的不同程度的怀疑和恐惧,但在远程工作中,它的潜力不可低估。
近日,工业和信息化部人才交流中心发布了《人工智能产业人才发展报告(2019-2020年版)》。AI 人才缺口达 30 万,月薪 35k 却人才难觅,人才发展报告揭秘国内 AI 人才发展现状。
人工智能训练师是一个“国家认定”的新职业,属于今年 2 月人力资源和社会保障部等三部门发布的 16 个新职业之一。他们需要使用智能训练软件,在人工智能产品实际使用过程中进行数据库管理、算法参数设置、人机交互设计、性能测试跟踪及其他辅助作业。
计算机视觉在从文档、产品和多维产品中收集智能方面非常流行。以下是计算机视觉在这些文档上的工作原理。
AI技术已达如此高度:去码、上色6到飞起 在图片处理领域这块,AI刷的存在感越来越多。早前笔者就介绍过AI无损放大图片、AI去除马赛克、AI自动给线稿上色之类的玩法,现在,又有人给笔者推荐了一个AI黑科技——黑白照片一键变彩色。
还没搞懂人工智能吧,要不,让图灵“亲自”给你讲讲?
随着现代技术的发展和完善,生活变得越来越舒适。虽然以前人们认为同时进行复杂的操作是不可能的,而如今计算机使这一任务变得很容易了。
关于人工智能在当今科技界的发展水平,学术界、产业界和媒体界可能会有不同的看法。我经常听到的一个说法是:现在基于大数据与深度学习的人工智能是一种完全新颖的技术形态,它的出现能够全面地改变未来人类的社会形态,因为它能够自主进行“学习”,由此大量取代人类劳力。
人工智能正迅速成为区别业务优劣的因素。下面来看看你即将需要为人工智能精英团队填补的关键职位和技能。
问问题是学习的好方法之一。但有时你不知道从哪里开始,或者该问什么 —— 尤其是在你还比较熟悉的异常检测之类的话题上。在这种情况下,最好倾听别人的问题,让他们的思路来指导你的学习。
果机器学习有望创造可观的价值,那么问题来了:这些价值将在哪里产生呢?在本文中,笔者将介绍三种类型的公司创造并获取价值的方式:应用机器学习的传统公司、构建无行业属性机器学习工具的公司以及构建垂直集成机器学习应用的公司。
本次视频空无达摩院通过图像视觉、语言交互、自然语言处理、决策智能四个方向以及应用产品的介绍,向大家分享机器智能技术的发展,通过分析“大数据+算力”,讲解当今AI发展的动力,最后给大家分享了AI关键技术,希望通过技术创造新商业。
第一财经选择与久经考验的阿里云携手,共同保障大会期间的海量用户访问下的平稳运行,提供了广覆盖、高并发直播的流畅体验。
自动送货车撞上玻璃、扫地机器人撞碎玻璃伤行人……如今这些事件也即将成为过去式。大连理工大学等单位研发了一个玻璃检测神经网络,能够利用 AI 在真实环境下检测玻璃。
透明抠图问题作为抠图问题的一种,其采用的方法和模型构建与通常的模型有所不同,透明抠图需要将环境光,折射率的影响纳入计算,而一般的折射光图又很难获得,因此透明抠图的模型在过去一直难以建立,或者说很难达到令人满意的效果,达摩院视觉算法团队通过双分支解码器(Object Mask获取,Opacity预测),颜色纠正模块,对图像实现高精度透明抠图。
使用越多的人工智能技术进行保护,就越有可能应对使用先进技术的黑客。下面是人工智能应用于数据安全保护的几种方式。
AI 更像是一个在努力成长却不够成熟的孩子,它前进的步伐,取决于“原生家庭”指引的方向,也有无数的人在为AI的向阳而生而奋斗着。
需要渗透测试服务出现了一个世纪以来时,在系统的攻击变得频繁。许多公司开始丢失其敏感数据,从而以最坏的方式影响了客户。敏感数据的丢失恰恰是我们何时(以及为什么)看到另一个技术行业兴起的时候。
7月11日,为期三天的世界人工智能大会(WAIC)成功落幕,三天的时间里,围绕人工智能,全世界最前沿的技术和商业力量在上海汇聚、交流和呈现未来世界的蓝图。
随着AI已经能够在生产生活各个领域创造出人类都难以发明出来的新事物,那么,我们是时候该认真探讨“AI是否可以拥有专利权”这一有趣而又棘手的问题了。
双马像是来自不同的星球,因人工智能而聚首,一方支持人类文明,一方推崇科技智能,在世界人工智能大会上演了一场“功守道”。今年受疫情影响,马云与马斯克并未亲临大会现场,而是以视频的方式分别发表了演讲,这与去年二人并肩而坐、侃侃而谈“人类 PK 技术,谁是赢家?”的景象大不相同。但两位“大牛”的发言仍然妙语连珠、引人深思,犹如隔空对话,俨然是去年对话主题的延续。经此一“疫”,“双马”对于人工智能如何赋能人类,较去年有了新的理解。
在机器学习的监督学习中,我们的目标是让模型不断学习带有标签的历史数据,从而提高模型在该领域的泛化能力。一般情况下,在上述的过程中,模型所学习的历史数据都是事先准备好的(数据采集,预处理,打标),有多少数据,模型就学习多少数据。换言之,模型在被动地学习我们事先提供的数据。本文分享一种主动学习方法,让模型参与“学习样本”的选择,根据不同策略,对样本池中的所有样本进行区分,提升模型性能。
随着金融数据规模的日益增长与 AI 技术的发展,机器学习模型在金融银行业被广泛使用。高性能的机器学习模型虽然在预测能力上表现突出,但是因为模型过于复杂的结构而引发的黑盒问题,却不利于机器学习模型的大规模使用。无法解释的黑盒模型在使用过程中暴露出来的安全风险和不公正问题,使人们对黑盒模型的使用变得越来越谨慎。为了应对黑盒模型的不可解释的问题,科学家们提出了可解释机器学习的研究。可解释机器学习分为内在可解释模型的研究和模型的事后解析方法两大方向。
什么是搜索的时效性?有哪些特征?如何优化?本文分享神马搜索在搜索排序时效性问题上的实践和探索,从基础特征优化开始,通过标注数据进行排序和召回模型优化,以及时效性排序的召回体系和收录体系。较长,同学们可收藏后再看。
经济学家关心的一个重大问题是:人工智能会对就业带来怎样的冲击?一个似乎取得了共识的观点是:人工智能暂时会给就业市场带来冲击,导致结构性失业剧增,但长期来看,由于新技术开辟了新经济领域,这种失业问题不一定会比现在更严重。
视觉目标跟踪 (visual object tracking) 是计算机视觉 (computer vision) 领域的一个重要研究问题。通常来说,视觉目标跟踪是在一个视频的后续帧中找到在当前帧中定义的感兴趣物体 (object of interest) 的过程,主要应用于一些需要目标空间位置以及外观(形状、颜色等)特性的视觉应用中。本文旨在对跟踪做一个尽量全面、细致和具有时效性的综述,研究跟踪的定义、应用、架构、算法以及评估等方面的内容。联合作者:图希,恬宁,崇北,昆虚,明烁。 文末福利:免费下载《15分钟开发视觉AI应用》电子书。
随着深度学习的飞速发展,已经创建了完整的神经网络体系结构主机,以解决各种各样的任务和问题。 尽管有无数的神经网络架构,但对于任何深度学习工程师来说,这里有11种必不可少的知识,它们分为四大类:标准网络,递归网络,卷积网络和自动编码器。
在最近的COVID时代,教育已转变为大型企业。小学,中学和高等学校的学习取得了巨大的进步,几乎每年都有破记录。这就是AI如何改变教育技术领域。
计算机视觉领域的 AI 顶会 CVPR 2020 刚刚落下帷幕,与往年更专注图片识别不同,学术界和工业界的研究方向逐渐转向了更难的视频分割和三维视觉等领域。本次,阿里巴巴拿下了四项比赛的世界冠军,其中就包括 CVPR 2020 的 DAVIS 视频目标分割比赛,本文将详细解读这项冠军技术背后的原理。
探索家庭中智能技术的惊人可能性,这些场景可以看到我们需要的东西,并以各种方式帮助我们解决问题。
在这个追求高清画质的时代,我们对渣画质的容忍度越来越低。在知乎上搜索「低分辨率」、「渣画质」,会看到一大片诸如「如何补救清晰度低的照片」、「如何拯救渣画质」之类的问题。那么,将渣到马赛克级别的画面秒变高清,是一种怎样的体验?新AI 算法告诉你。
近日,在2020阿里云“全速重构”峰会上,阿里巴巴副总裁许诗军提到一个数字“11182”,在海口抗疫期间,利用AI技术在2小时内完成11182次外呼,极大提升防疫人员工作效率,而这背后正是智能外呼机器人技术的应用。
计算机视觉最主要的应用是面部识别,这种技术经常被用于安全和执法领域。但是,在本文中,我想介绍一些计算机视觉技术不太明显的用途。特别是以下的三个行业,可能会从这种技术趋势的发展中受益匪浅。
视觉技术作为人工智能之眼还在不断地认识世界,认识的事物从少到多,从模糊到清晰,从认识到理解。每一阶段都是一座里程碑,从人工智能流行之初,达摩院就对这个人工智能之眼有着深厚的兴趣。本次向大家介绍,达摩院之计算机视网膜修复工程。
未来 3 到 5 年内,哪个方向的机器学习人才最紧缺?今天我们就来梳理一下。全栈式工程师在初创公司受欢迎,领域专精的算法人才在大公司很吃香,应用型人才能够快速提升业务,而工程化是落地的重要一环。
阿里云为此次新冠肺炎AI诊断系统的部署提供了全球加速解决方案,通过全球加速GA产品,依托阿里巴巴遍布全球的优质传输网络,可以有效提升全球数据访问的稳定性。
进步是否会持续不减,摩尔定律式的理论在未来几年或即将碰壁,仍有待观察。
人工智能这几年发展的如火如荼,不仅在计算机视觉和自然语言处理领域发生了翻天覆地的变革,在其他领域也掀起了技术革新的浪潮。无论是在新业务上的尝试,还是对旧有业务对改造升级,AI 这个奔涌了 60 多年的“后浪”,正潜移默化的影响着我们传统的技术架构观念。
阿里云研究院高级战略专家王岳表示,越是看似离 AI 技术遥远的行业,一旦与其发生化学反应,所产生的能量将会是巨大的。在未来相当长的时间,行业内专家与行业外数据科学家的跨界组合将会是推动工业智能落地的关键力量。
最新的调查告诉我们在企业领域 AI 应用到了怎样的程度(已经从原型向生产阶段过渡),调查还涉及具体技术和工具的流行程度,应用者面临怎样的挑战,以及其它一些问题。
随着科技的发展,人工智能与数据科学已经在体育领域发挥越来越重要的作用。世界上鲜有事物无法量化,而能够量化的一切,都可以使用数据分析加人工智能的组合进行精确预测。
根据《市场与市场人工智能网络安全预测报告》,预计到 2026 年,人工智能网络安全市场规模将从 2019 年的 88 亿美元增长到 382 亿美元,年复合增长率为 23.3%。
如果你对人工智能和机器学习这两个词的含义、用途和优势感到困惑的人之一,下面我们将分享人工智能和机器学习之间的关键区别。
机器学习是人工智能的一个子集,它通过示例和经验教会计算机执行任务,是研究和开发的热门领域。我们每天使用的许多应用程序都使用机器学习算法,包括 AI 助手,Web 搜索和机器翻译。
近期阿里云视觉智能开放平台上线了【体验中心】板块,在体验中心里用户可以系统的体验视觉智能开放平台的能力并能进行可视化的在线调试,除此以外还可根据不同的工作岗位制定不同的体验路线。
RPA+AI,正在成为 AI 领域看得见的一股潮流,各类厂商都不约而同的朝着这个方向前进。
5 月 29 日消息,全国科技工作者日来临之际,一个特别的藏品入选中国科技馆“2020 数字馆藏”——阿里巴巴达摩院 AI 识别标注的第一张新冠肺炎 CT 影像。达摩院AI作为科技抗疫的历史见证,被写入中国科技发展史。