#機器學習

9 篇文章

【探索送貨機器人的奇幻一天】
1189

【探索送貨機器人的奇幻一天】

送貨機器人：一天的生活背景介紹近年來送貨機器人在智慧科技的推動下逐步普及化。這些看起來像購物車帶著雙眼燈的機器人，正成為城市中不可或缺的一員。一家名為 Serve Robotics 的公司，從約六年前的送貨服務 Postmates 中分拆出來，開始運營這些送貨機器人。Serve 與 Uber Eat

  • 江塵
  • 2023/11/1 上午 12:16:12
深入探索標記資料在機器學習中的角色
936

深入探索標記資料在機器學習中的角色

標記資料的重要性和挑戰什麼是標記資料？標記資料是訓練監督式機器學習模型所需的基本要求。監督式學習模型使用標記資料來學習和推斷模式，並將這些模式應用於現實世界的未標記訊息。標記資料的用途包括： 影象資料：一個基本的計算機視覺模型，用於檢測家中常見物品，需要將圖片標記為「杯子」、「狗」、「花朵」等。

  • 江塵
  • 2023/10/30 上午 05:11:09
人工智慧能提振我們的精神嗎？
861

人工智慧能提振我們的精神嗎？

人工智慧能夠提振我們的精神嗎？概述最近的資料顯示，矽谷的風險資本市場在過去一季度表現較為疲弱，儘管人工智慧（AI）的影響已開始在其他方面體現。本文將探討 AI 如何可能有助於提振我們的精神，並探討其技術進步帶來的潛在影響。約束的樂觀主義報導指出，過去一季度的全球風險資本市場依然在跌跌撞撞中度過。儘管

資料、使用案例和訓練模型之間的關鍵連結
1474

資料、使用案例和訓練模型之間的關鍵連結

資料和模型的複雜世界：AI 和分析策略在金融服務和科技行業的重要性介紹在當今的市場中，AI 和分析策略對於金融服務公司而言至關重要，而這一切都歸結於資料。在一場 VB Spotlight 活動中，Envestnet | Yodlee 的資料科學和創新主管 Om Deshmukh、Enova 的 CT

人工智慧只學習一次後能否理解相關概念？
778

人工智慧只學習一次後能否理解相關概念？

AI 能否在學習僅僅一個相關概念後掌握它？導言在過去的數十年間，哲學家和認知科學家傑裏·佛多（Jerry Fodor）和傑農·皮利欣（Zenon Pylyshyn）提出，人工神經網路，也就是推動人工智慧和機器學習的引擎，無法進行所謂的「組成性歸納」，即無法學會如何將新的概念應用到相關的情境中。然而自

AI 智商靠近及透過圖靈測試，當它成功後又會發生什麼？
767

AI 智商靠近及透過圖靈測試，當它成功後又會發生什麼？

AI 是否已接近透過圖靈測試？當它成功透過測試後會發生什麼？介紹自從 1950 年英國電腦科學家艾倫·圖靈提出了圖靈測試（Turing test）的概念，人工智慧（AI）逐步接近透過這一測試的可能性。圖靈測試旨在取證 AI 是否擁有與人類類似的智慧。然而測試本身存在一些局限性，並且有人質疑圖靈測試是

揭祕 AI 的解讀方法或許並非如此易懂
1118

揭祕 AI 的解讀方法或許並非如此易懂

AI 的解釋性或許不如人們所想簡介近年來隨著自主系統和人工智慧在日常生活中越來越普及，越來越多的方法出現，以幫助人類檢查這些系統的行為是否符合預期。其中一種方法被稱為 "正式規範"，它使用可以轉換成自然語言表達的數學公式。一些研究人員聲稱，這種方法可以用來明確解釋人工智慧將做出的決策，使之可被人類理

研究發現：深度神經網路和我們的視覺方式不同
812

研究發現：深度神經網路和我們的視覺方式不同

深度神經網路的知覺差異：模型與人類的認知概觀最新的一項研究指出，深度神經網路對於特定的影象或單詞的反應並不總是與人類感知保持一致。當這些神經網路試圖生成一個與給定的自然輸入（例如一張熊的圖片）產生相同反應的影象或聲音時，大多數生成的結果對於人類觀察者來說是無法辨識的。這表明這些模型在對待具有截然不同

  • 江塵
  • 2023/10/17 上午 02:00:21
機器人專家如何思考生成式人工智慧
938

機器人專家如何思考生成式人工智慧

機器人專家如何思考生成式人工智慧撰文：布萊恩·希特引言生成式人工智慧（generative AI）是近來我在《Actuator》新聞通訊中常提到的主題之一。我承認，在幾個月前，我對這個議題有些猶豫。作為一個長期報導科技的人，我經歷過無數次興奮和失望的炒作時刻。報導科技需要持有一些懷疑的態度，希望這些

«12345678910...17»