作者 | 李梅、黃楠編輯 | 陳彩嫻過去十年，深度學習取得了驚人的勝利，用大量參數和數據做隨機梯度下降的方法已經被證明是有效的。而梯度下降使用的通常是反向傳播算法，所以一直以來，大腦是否遵循反向傳播、是否有其它方式獲得調整連接權重所需的梯度等問題都備受關注。圖靈獎得主、深度學習先驅 Geoffrey Hinton 作為

公眾號/? ScienceAI（ID：Philosophyai） 編輯 | 蘿卜皮除了一些活組織之外，很少有材料能夠在長時間暴露于意料之外的環境負載情況下自主學習表現出所需的行為。在不斷變化的條件下（例如，內部損壞程度的上升、不同的夾具場景和波動的外部負載），仍然有更少的材料可以繼

遇事不決，量子力學！相信很多朋友都聽過這句略帶諷刺的網絡流行語。它出自某部科幻作品，暗指劇情中那些解釋不通的、奇奇怪怪的現象，都可以用“量子力學”來蒙混過關。19世紀末，量子力學的提出為解釋微觀物質世界打開了一扇大門，它徹底改變了人類對物質結構及相互作用的理解。已有實驗證明，量子力學解釋了許多被預言、無法直接想象的現象

圖片來源@視覺中國文｜腦極體如果問一個問題——能夠進行深度神經網絡計算的芯片有哪些？大家給出的答案可能五花八門：CPU、GPU、DSP、NPU……過去幾年里，電子計算已經成為實現人工智能算法——尤其是深度神經網絡模型——

“在3.6萬平方公里的土地上，我們部署了22萬顆傳感器，將地下的管井、水網，地面的土壤、交通數據，空中的大氣數據進行了全面的采集，全面的結構化，上傳到云端進行全面的展示。”?2016年9月，阿里云宣布與無錫合作打造無錫鴻山物聯網小鎮，這是他們一年來的成果。?阿里對物聯網的投入遠不止于此，10月12日，阿里云在2017杭

網易科技訊4月19日消息，據《衛報》報道，談到機器人的未來，遞歸神經網絡之父、德國計算機科學家尤爾根?施米德胡貝（Jürgen Schmidhuber）在受訪時表示，“未來機器人對我們的關注將會如同我們對螞蟻的關注一樣。”他還稱，人工智能將會在2050年超過人類智能。機器智能在柏林西部的一個倉庫后面的一個工作室中，一群

BI中文站 4月4日報道有朝一日，智能手機將會完全消失，就如同此前的尋呼機和傳真機那樣。這一天或許不會很快到來，但應當會比人們預想的時間來得早。當然，距離我們徹底放棄智能手機，可能至少還需要十年八載的時光。（如果到2027年時，我們都成為機器人，那么筆者將高興地為這一錯誤判斷而道歉。但目前來看，這一判斷不會錯。）

今天企業、碼農、風險資本、政府機構都伸長脖子望著人工智能。這個人工智能機器學習領域已可開挖的黑金，千軍萬馬擠獨木橋的洪流，走向何處，他們真的知道嗎？如今媒體大V們隨手甩出的“深度學習”的概念，不明覺厲的深度神經網絡（DNN)、卷積神經網絡（CNN）、深度置信網絡（DBN)、卷積深度置信網絡（CBDN)，少有人知曉，它們

神經網絡在計算世界中掀起了一陣風潮。研究人員使用它們來訓練機器學習廣泛的技能，對象識別、人臉識別、自然語言處理、機器翻譯。所有這些技能，現在都已成為機器程序。因此，研究人員有極大的興趣創造能力更強的神經網絡，從而拓寬人工智能的領域。這項研究的重點是創建類似神經元的電路，即所謂的神經形態芯片。但是如何讓這些電路更快一點呢

【AI世代編者按】很難想象，未來50年中還有別的技術比人工智能對人類世界的影響更大。目前，機器學習技術正幫助我們的計算機自學各種技能，因此各種突破指日可待，無論是醫療診斷，還是自動駕駛汽車。與此同時，人們也產生了越來越大的擔憂。誰將控制科技？技術是否將搶走我們的工作？人工智能危險嗎？美國總統奧巴馬很愿意回答這些問題。近