為了撫慰宅男們孤獨的心,日本一家名叫 Vinclu 的公司最近研發(fā)出了一款治愈系“二次元女友”,這下宅男們無處寄托的情感終于有了著落!
迪拜警方打擊犯罪的手段不一定是最實用的,但一定是最吸引眼球的。眾所皆知迪拜警方配備蘭博基尼等超跑來追捕罪犯,現(xiàn)在用上了類似科幻電影《少數(shù)派報告》或《疑犯追蹤》中的人工智能犯罪預測系統(tǒng)來打擊可能出現(xiàn)的犯罪,借助大數(shù)據(jù)和機器學習,迪拜警方部署了“中東中東航天成像SIME ”開發(fā)的基于AI的全新犯罪預測軟件。
技術進步的速度甚至連段子手都跟不上了,“明明可以刷臉吃飯,卻偏偏要靠才華”,生物識別技術在人工智能和大數(shù)據(jù)的支持下飛速進化,刷臉作為常見的生活場景越來越成熟了,刷臉如刷卡幾乎已經(jīng)是一種趨勢。
一種新的人工智能系統(tǒng)能夠用靜態(tài)圖像生成短視頻,這些視頻能夠模擬接下來發(fā)生的事。
近來扎克伯格向記者公開演示了他2016年的作品,一個類似Jarvis的人工智能助手,從記者的描述來看,這人工智能助手大部分時候還比較不錯,但在語音交互環(huán)節(jié)則不太理想。
很快的,又經(jīng)過了一年,2017 年的消費者趨勢公布,這次條列出的十大趨勢,幾乎圍繞在物聯(lián)網(wǎng)與混合虛擬現(xiàn)實,在這當中排行第一的,就是人工智能將串聯(lián)物聯(lián)網(wǎng)裝置而無所不在。
科學技術是第一生產(chǎn)力。尤其是前沿科技,向來是各個國家關注的重點之一。除了人工智能外,英國政府科學辦公室近期還發(fā)布了一份量子技術報告《量子時代:技術機會》(The Q
扎克伯格日前公開了他自己打造的AI管家,從演示結(jié)果看,其語音識別功能差強人意,而語音識別技術卻在今年各大公司報道中屢次取得突破,是當前AI發(fā)展代表領域之一。這就涉
等你下一次不管是用谷歌搜索引擎搜索問題也好,還是在谷歌地圖上找一家電影院的位置也罷,請你記住,在你看不見的地方,正有一個巨大的大腦在為你提供相關搜索結(jié)果,使你
自從廣大女性網(wǎng)友的“公公”說先給自己定下掙它一個億的小目標之后,很多人便開始付諸行動了,都喜歡在年初時給自己定個小目標以激勵自己。Facebook的創(chuàng)始人扎克伯格也不例外。。
由手機控車向車載網(wǎng)絡過渡,存在著大量應用機會,自動駕駛與無人駕駛之間,輔助技術與相關硬件是剛需,智能剎車片、智能油控、甚至幫助完成自動駕駛的擋風玻璃,都是未來的剛性需求。共享出行的身份適配與智能個性化,最大限度減少共享體系的人力投入。
在機器人向智能化的發(fā)展中,多機器人協(xié)作系統(tǒng)是一類具有覆蓋性的技術集成平臺。如果說單個機器人的智能化還只是使個體的人變得更聰明,那么多機器人協(xié)作系統(tǒng)則不但要有一批聰明的人,還要求他們能有效地合作。所以它不僅反映了個體智能,而且反映了集體智能,是對人類社會生產(chǎn)活動的想象和創(chuàng)新探索。
鋰電池爆炸,不僅影響消費者的安全,也讓“問題廠家”遭遇滑鐵盧。所以,確保鋰電池安全,已成為業(yè)界的當務之急。固體鋰電池,在安全性能方面,遠遠超過液體鋰電池。但是,從眾多候選材料中,選擇最佳的固定鋰電池材料成為了一個巨大科研挑戰(zhàn)。然而,斯坦福大學研究人員人工智能和機器學習方法應對這一問題并取得顯著成果。
互聯(lián)網(wǎng)已經(jīng)在中國改變了我們整個社會和每個人的生活。未來五年,互聯(lián)網(wǎng)的風口和趨勢到底在哪里?
最近關于制造業(yè)的熱門話題,或許就是圍繞特朗普上臺后,美國企業(yè)是否回歸美國本土制造的爭議和討論。事實上,這對長期以來依賴來自美國訂單的部分中國制造業(yè)企業(yè)來說,倘若包括蘋果、通用電氣這樣的制造業(yè)訂單大幅減少,如何應對此次「巨變」后的陣痛,從而真正實現(xiàn)自身的轉(zhuǎn)型,成為擺在當下中國制造業(yè)企業(yè)面前的一個巨大難題。
人工智能風靡全球,各種頭條都圍繞著AI行業(yè)展開,各家公司也在緊鑼密鼓組建自己的AI團隊。這股熱潮能維持下去嗎?
當高性能、低功耗以存儲器為中心的片上系統(tǒng)與物聯(lián)網(wǎng)設備和云服務器相結(jié)合時,能夠?qū)崿F(xiàn)怎樣的情形呢?
日本東芝公司開發(fā)出一款可用于人工智能深度學習的腦型芯片。這款1.9毫米的腦型芯片,集成3.2萬個像腦細胞一樣的電子回路于一體,這些回路自帶計算單元及配套的存儲單元,可以并行處理大量連續(xù)模擬數(shù)據(jù)信號,對其中的數(shù)據(jù)特征進行學習,同一腦型芯片中眾多回路協(xié)調(diào)起來,最終形成像腦神經(jīng)回路一樣的系統(tǒng),完成人工智能所需的大量信息數(shù)據(jù)的復雜計算、處理和深度學習任務。
來自美國斯坦福大學的研究人員使用人工智能和機器學習的方法,通過實驗數(shù)據(jù)構(gòu)造預測模型,去學習如何辨認化合物的好壞,從大規(guī)模的數(shù)據(jù)庫中,篩選出合適的材料。
計算能力大幅提升,深度學習算法不斷提高,機器學習變得更加強大,與此同時數(shù)據(jù)量的急劇增長也大大推動了這些算法的發(fā)展,人工智能從此 進入了加速增長的新階段。經(jīng)過了60多年,人工智能的發(fā)展已接近臨界點,完全具備 實現(xiàn)大規(guī)模商用的潛力。人工智能的迅速發(fā)展可能更有利于科技板塊,因為這一行業(yè)具有相關的人才、技術和資金,更易于推動人工智能的發(fā)展和普及。