原创 DeepMind的年度報告:虧損42億再創新高,收益仰賴谷歌母公司

{"type":"doc","content":[{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null},"content":[{"typ

原创 機器學習對抗攻擊是一顆“定時炸彈”

{"type":"doc","content":[{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null},"content":[{"typ

原创 十年三度易主,被孫正義60億賤賣,波士頓動力還有“光明的未來”嗎?

{"type":"doc","content":[{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null}},{"type":"blockq

原创 FPGA在深度學習應用中或將取代GPU

{"type":"doc","content":[{"type":"blockquote","content":[{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null

原创 深度學習是否被大肆宣傳

深度學習研究領域是否存在過分誇大的現象?如何看待媒體界和公衆對深度學習的誤解? 本文最初發表在 TechTalks 網站,經原作者 Ben Dickson 授權,InfoQ 中文站翻譯並分享。* 本文系“Demystifying AI”

原创 混合智能系統正在悄悄解決深度學習問題

過去幾年中,深度學習技術重新燃起了人們對人工智能的興趣,它幫助解決了計算機視覺、自然語言處理以及語音識別領域中的許多關鍵問題。然而,隨着深度學習的成熟以及它從炒作高峯到幻滅低谷的轉變,它所缺少的一些基本組成部分漸漸浮出水面。 在去年,深度學

原创 研究人員發現:基於文本的AI模型容易受到改述攻擊

由於自然語言處理(NLP)的進步,越來越多的公司和組織開始利用AI算法來執行與文本相關的任務,例如:過濾垃圾郵件、分析社交媒體帖子和評論、評估簡歷以及檢測假新聞。 但是,真的可以相信這些算法能夠可靠地執行任務嗎?IBM,亞馬遜和德克薩斯大學