“以神经元为模型的超导计算芯片可以比人脑更快、更高效地处理信息。”《科学进展》（Science Advances）于近日所描述的这一成就是开发用于模拟生物系统的高级计算设备的关键基准。它可以打开更自然的机器学习软件的大门，虽然许多障碍仍然可以在商业上使用。

DeepMind近期开源了Psychlab。Psychlab通过一系列典型的任务证明其人工智能体（Artificial Agent）的行为的可靠性：包括视觉搜索、连续识别、多目标搜索等任务。同时也提供了简单实用的API，使其他研究者可以在其基础上轻松构建自己的任务。

人工智能可以说是继电气化之后，另一波为产业带来变革的新动能，未来每一个产业都离不开AI化的趋势。没有人可以真正的看到新兴技术背后的发展前景，但可以确定的是，人工智能已经悄然来到我们的身边。 　　近日，阿里巴巴技术委员会主席王坚在《麻省理工科技评论》新兴科技峰会 EmTech China 上发表了演讲，从城市交通入手，探讨了机器智能时代面临的问题与解决方案。

在这篇文章中，将解释一些在keras中经常需要的常见操作。首先，如何保存模型并使用它们进行预测，从数据集中显示图像并从加载系统中图像并预测其类别。

昨天在我们的网站上已经有一篇介绍迁移学习的文章，简单的将迁移学习的基本情况进行了概述，在今天的这篇文章中，将讨论迁移学习的两个应用，概述自然语言处理和计算机视觉领域的相关例子。

虽然人工智能的时间范围不可预知，但现在它已经潜移默化地影响着我们的生活。AI机器学习的一个分支，受到了专家们的特别关注，因为它可能会对世界上的最重要的行业都产生影响。

人工智能在2017年引发了大量的头条新闻。PLC基金管理公司Man Group首席执行官卢克·埃利斯（Luke Ellis）表示，“如果计算能力和数据生成以目前的速度持续增长，那么25年内在机器学习领域可能投入99％的投资管理。” 　　尽管有不少乐观的评论出现，但目前人工智能的进步还没有转化为卓越的回报。据Wired的消息，过去几年的定量基金平均未能超越对冲基金（自身未能超越市场表现）。

迁移学习的一般概念是利用从任务中学到的知识，在只有少量标记数据可用的设置中，可以使用大量标记数据。创建带标签的数据是昂贵的，所以最佳方法是利用现有数据集。 　　在传统的机器学习模型中，主要目标是基于从训练数据中学习到的模式推广到看不见的数据。通过迁移学习，尝试从已经学习完成不同任务的模式开始，启动这个泛化过程。本质上，不是从一个（通常是随机初始化的）空白表单开始学习的过程。

这里有几个选项可以加速你的机器学习原型。效果最明显的是使用GPGP，因为一张合适的Nvidia显卡会让你回到1K到2K之间。别忘了，你可能需要升级电源和散热风扇。但是，如果你的部门（像大多数人一样）处于预算限制之下（尽管也许你只是把它当作学习经验，或者仅仅是为了娱乐的目的），那么可能需要找到一个加速处理和节省大量资金的中间地带。

在机器学习中，有一种叫做“没有免费的午餐”的定理。简而言之，它指出没有任何一种算法能够适用每一个问题，而且它对于监督式学习（即预测性建模）尤其重要。

今日，亚马逊智能零售店Amazon Go正式向公众开放。消费者可以直接走进商店，拿下货架上的货物然后离开，整个过程不需要排队结账。该店位于西雅图，占地1800平方英尺。亚马逊公司表示，“Just Walk Out ” 技术利用计算机视觉、传感器融合（sensor fusion）技术以及深度学习算法来提供这种无缝的购物体验。　　

在机器学习中，有一种叫做“没有免费的午餐”的定理。简而言之，它指出没有任何一种算法能够适用每一个问题，而且它对于监督式学习（即预测性建模）尤其重要。

本文中所做的预测是通过“机器学习在企业中”的这个视角分享的。因此，可能涉及机器学习研究中令人兴奋的世界的曲折和变化比较少，这里更关心的是当期望利用技术达到其季度、年度或更长期的战略业务目标时，典型的企业的相关经验。

有不少人不太明白数据科学、机器学习、AI之间的区别，今天，小编就做个简单的科普。 但这并不是唯一的准确的标准，不是所有符合每个定义的东西都属于这个领域。这也不是一个确定职业的好标准，比如，很多人会表示写作是他们生活中的一部分，但他们却不是作家。 　　

在本教程中，我们将看到如何将上下文对话添加到你的应用程序，Alexa skill，Google Home操作或聊天机器人。 　为交互而构建的会话应用程序也有两个方面：最终用户可以问“今天发生了什么事？”而你的机器人会根据这个事实回答一个有趣的事实，也可能会补充表示，“你想让我给你发一个这篇文章的链接吗？’’然后最终用户可以表示，“不，请把它送交我的办公室”等方式批准。

本文将介绍一种使用微软的Bot Framework创建一个智能机器人应用程序的方法。 首先，我们需要下载ngrok软件。但是，什么是ngrok？

人工智能已经存在很长时间了。然而，由于这一领域的巨大进步，近年来它已成为一个流行语。人工智能曾经被称为是属于书呆子和天才的领域，但由于各种库和框架的发展，它已经成为一个相对“友好”的IT领域，并且已经有很多人参与其中。

在我们的生活中有一场新的军备竞赛，但是我们不是在谈论核战争，除非我们给机器启动发射的代码。人工智能是我们覆盖的关键技术之一，在过去的几年里，它一直处于一个疯狂的增长的过程。从医疗保健到招聘的行业已经接受了AI带来的高效率和竞争优势。就连可口可乐都想整个可乐加AI。

“撒币”、“瓜分百万奖金”、“直播答题”……2018 刚开年，互联网行业又出现一个新玩法，短短十几天内，四五个直播答题软件相继火了：王思聪投资的 “冲顶大会”，映客推出的 “芝士超人”，今日头条旗下西瓜视频推出的 “百万英雄”，360 旗下花椒推出的 “百万赢家”，还有新浪一直播将推出的 “黄金十秒”。

深度学习是机器学习的一个子集，都是人工智能的子集。机器学习与深度学习不完全属于一个拳击淘汰赛中，深度学习是机器学习的一个子集，而它们都是人工智能（AI）的子集。但是，在机器学习和深度学习的定义和用例方面，市场上存在很多混淆，现在让我们来澄清一下混淆。