今日，富士通和微软公司宣布双方达成协议，在人工智能领域开展合作，以加速人们在公司工作方式的转变。 　　两家公司正在签署协议，共同构建改变人们工作方式的新方案。这些新的解决方案基于微软集成的云服务365，将结合富士通通过其全球通信平台的内部和外部部署，以及富士通的AI技术，富士通人工智能的Zinrai和微软Azure上的微软 AI平台服务，来整合其洞察力和经验。

在12月19日对员工的内部备忘录中，英特尔首席执行官Brian Krzanich表示，英特尔已经“彻底地”改变了，而且随着公司管理层将目光从核心个人电脑芯片市场扩展到这些新的增长领域，这种变化将会继续。

毫无疑问，人工智能几乎可以对所有的行业产生巨大的影响。虽然许多公司已经认识到人工智能是一种竞争优势，但随着技术的成熟以及组织对其功能和潜力的深入了解，这种认识只会越来越多。

12月21日，百度与华为共同宣布达成全面战略合作。双方表示，将在互联网服务和内容生态、AI平台和技术、移动和生态等方面展开全方位深入合作推动人工智能应用和全场景终端产业迅速升级。 　　对于此次合作，百度董事长兼CEO李彦宏表示：“百度和华为走到一起应该不令人意外，因为我们两家有很多相似的地方，两家都具有非常强烈的技术基因，都依靠自我研发的核心技术发展壮大。

人工智能是个“大领域”，涵盖了撬动产业革命的众多技术和算法。在不久之前小编就曾在《完整产业链才是AI时代脱颖而出的硬道理》一文中为大家简单介绍过人工智能的产业链结构，并且具体分析了其中的基础层部分，今天接着为大家介绍产业链中的核心部分——技术层。

从文本(文本到语音，TTS)生成非常自然的探测语音已经成为谷歌数十年的研究目标。在过去的几年中，TTS研究取得了很大的进展，一个完整的TTS系统的许多分类别部分都有了很大的改进。结合Tacotron和WaveNet等过去的工作思路，增加了更多改进，最终实现了新系统Tacotron 2，它采用的方法不使用复杂的语言和声学特性作为输入，相反，只使用语音示例和相应的文本记录进行训练的神经网络从文本生成类似人类的语音。

加利福尼亚的一家公司近日推出一台可能改变游戏规则的计算机，用来执行一种常见的机器学习形式。 　　这一举动引发了人们的这样一个愿景，即量子计算机利用量子物理的逻辑以违反常理的速度执行某些类型的计算，这可能对科技行业最热门的领域――人工智能，产生巨大的影响。

回顾2017年，常发表威胁论的马斯克也开始造芯片，英特尔发布Nervana神经网络处理器和人工智能芯片Loihi，英伟达推出进化版TITAN V 等等，这一年各个巨头可谓是在人工智能领域卯足了劲儿，经过这年如火如荼的积蓄，2018势必将是充满“硝烟”的一年。

最近发布了一款Chainer Chemistry，Chainer 扩展来训练和运行神经网络，用于一些生物学和化学的任务。

农业市场的人工智能(AI)在2016年的价值为4.322亿美元，到2025年预计将达到26.285亿美元，在预测期间的复合年增长率为22.5%。本研究考虑的基准年为2016年，市场预测为2017年至2025年。 　　根据最新的研究报告，人工智能农业市场预计将以22.5%的复合年增长率从2017年的5.1871亿美元增长到2025年的26.285亿美元。

D-Wave，量子计算系统和软件领域的领跑者，近日宣布参与英国一项有大量资金投入的项目，以利用量子计算算法改善物流和规划业务。该工作将集中于一个称为人工智能/分级任务网络规划技术的领域，用于对包括执法、电信和运输等领域的资源管理和业务进行优化。

随着企业对采用人工智能(AI)的需求不断增长，最近一份报告显示，有68.6%的印度企业可能会在2020年之前部署该产品。 　　近日，国际数据公司(IDC)对全球194个印度组织进行了调查，其中，英特尔委托撰写的报告显示，71%的企业正在考虑增加流程自动化这个关键的好处，但直到2020年，这一技术可能会耗费很多的时间来推动技术发展。

机器学习将使你的组织面临的安全威胁变得有意义，并帮助你的员工专注于更有价值的战略性任务。 在最简单的层面上，机器学习被定义为“在没有明确编程的情况下学习计算机的能力”。在大数据集中使用数学技术、机器学习算法本质上构建了行为模型，并使用这些模型作为基于新输入数据进行未来预测的基础。 比如，Netflix会根据你以前的观看历史记录为你推荐新的电视连续剧。

人工智能(AI)可能还没有准备好写出下一部大片，但麻省理工学院(MIT)媒体实验室的一位AI研究人员成功地使用机器学习来教授电脑关于电影的情感线。 与麦肯锡合作完成这个项目的研究人员使用机器学习来分析数以千计的视频，包括在Vimeo上发现的电影、电视节目和短片。该团队的研究人员表示，“我们开发的机器学习模型依靠深度神经网络”分析“影片的各种功能，并在第二阶段就评估他们的正面或负面情绪内容。”

器学习工程师、数据科学家和大数据工程师是LinkedIn的新兴职位。　　 LinkedIn：增长最快的工作是数据科学和机器学习 　　数据科学家的角色自2012年以来已经增长了650%以上，但目前在美国有35,000人拥有数据科学技能，而仍有数百家公司正在招聘这些角色。目前在LinkedIn上有1,829个机器学习工程职位。

在本文中，我们将使用Python在TensorFlow中实现一个非常基本的程序，以便在实际中看到它。

尽管机器学习和人工智能(AI)已经在供应链应用中使用了一段时间，但仍然存在着一场长久的军备竞赛，以新的方式在需求规划解决方案中更有效地利用机器学习和人工智能。

在好莱坞电影的情节线、杂志和新闻纸大量的封面上，人工智能(AI)和人类之间的较量引起了人们的高度关注。预言家们警告说，人工智能会带来失业、违反法律，开始战争。但是这样的预测关系到遥远的未来。现在的比赛已经不仅仅是人与机器之间的比赛，更是世界技术巨人之间的竞争，这些巨人们都在争得人工智能领域的领先地位。

与EPFL科学家一起，IBM研究团队已经制定了一个快速训练大数据集的方案。它可以使用单个图形处理单元(GPU)在不到一分钟的时间内就处理30G字节的训练数据集，比现有的有限内存训练方法快10倍。在加利福尼亚长滩举行的2017年NIPS会议上，这一结果有效地利用了GPU的全部潜力。

　随着科技的发展，世界将需要更多的能量。各个地方的政府和企业都正在投入数十亿美元的技术来收获，转换和储存电力。随着硅太阳能电池接近其性能极限，研究人员正在寻找基于钙钛矿和量子点的替代品。对于储存能量的电池的要求是必须更便宜、更高效、更持久。而且器件需要用安全和丰富的材料制造，如铜，镍和碳，而不是铅，铂或金。材料的生命周期分析需要显示出改善的碳足迹，以及与全球能源挑战的规模相匹配的能力。