그것의 기계 학습에 대 한 알려진 인공 지능 기술, 뜨거운 무대에 지금 이다.

우리가 전에 여러 번 언급 한 인공 지능 기술을, 그것의 기계 학습에 대 한 뜨거운 무대에 지금입니다. 기술 바이, 마이크로소프트, 페이 스 북, 구글 같은 회사에 대 한 컴퓨터 비전, 언어 인식, 및 텍스트 분석 기술 개발을 주도하는 많은 신생 (일부는 획득 제품 출시 되기 전에)에 대 한 기본 기술 되 고. 기계 학습의 개발이 성공 많은 매체 주목 받았다.

하지만 당신은 무엇을 보고 있어 아마 단지 피상적 현상. 많은 연구에서에서 일어나 큰 비 웹 회사, 그리고 큰 웹 회사에 의해 관련 연구도 하지 공개 되었습니다, 몇 가지 주요 혁신으로 및 imagenet 기록 주의를, 지불 되 고 하지만이 지역에서 진행을 중단 하지 않았다.

단지 최근에 Google의 DeepMind 팀, 시스템을 만드는 소위 "신경 네트워크 튜링" 알고리즘을 건물에 그들의 초기 작업에 보고 하 고 페이스 북 "일반" 비디오 분석 3D 기능 마이크로 소프트 연구원 수 있습니다 일부 유형의 깊이 대 한 획기적인 학습 알고리즘 믿고 보이고 있다.

우리는 회의 구조 데이터 회의에 추가 결과 중 일부를 내년, 토론할 것 이다 하지만 정말 깊은 지역 학습의 진행 상황을 이해 하 고 싶은 지난 주에 몬트리올, 퀘벡, 일본군의 회의 수 있습니다 당신에 게 대답. 이--해마다 회의 깊은 학습에 의해 점점 점유 된다. 올해 받은 411 논문의 상위 100 일반적으로 사용 되는 단어 포함 단어 "깊은" (모델에 따라 테마 스탠포드 대학 박사 과정 학생 Andrej Karpathyde의), 즉 두 번의 46 시간 23 작년.

별도 깊이 연구 세미나 포스터 수 급증 28에서 작년 47 올해. 더 큰 연구 혁신의 일부 보고 되어 있다 (예를 들어, karpathy 연구의 신경 네트워크 조합의 두 종류 자동 생성 이미지 제목), 다른 잠재적인 중요 한 일은 광범위 한 대중의 우려를 흥분 하지.

Yoshua bengio-, 학습의 깊은 서클에서 잘 알려진 인 캐나다에서 몬트리올의 대학에서 연구원은 지금까지 회사의 실험실 그의 팀이 바쁜 것 같다 하는 매력을 거부 했다. Bengio 올해의 일본군 종이, 5 공동 저자 중 하나로 나열 되지만 그의 이름을 번역 하는 Skype 또는 페이 스 북 사용자가 발표 음주 사진을 체크 아웃 하려고 하는 뉴스에 자주 나타나지 않습니다.

최근 TEDx 대화에서 Enlitic CEO 제레미 하 워드 번역 및 의료 영상, 발전에 대해 얘기 하 고 그는 또한 어떻게 소프트웨어 회사에 의해 개발 된 의사 훈련 단 몇 분만에 의료 이미지를 분류 하는 컴퓨터도 보여주었다.

내가 여기서 강조 하 고 싶은 그 순간, 기계 학습에 얼마나 많은 연구를 수행 되고있다는 말하는 게 아니에요 없으며 그것에 인간 인공 지능에 의해 촬영 되는 경고입니다. 나는 사실, 그들 중 많은 사람들이 언론에 의해 과소 평가 하지만 여전히,이 분야에서 사람들이 해야 계속 시간 말씀 드리고 싶어요.

기계 지능, 다음 국회 의원, 국가 안보 기관에 미치는 영향에 대 한 우리의 인프라를 준비 하는 경우 ethicists, 경제 무슨 일이 일어날 것, 그것을 정의 하는 방법에 상관 없이 알고 있어야 해야 합니다. (인공 지능 연구의 다른 분야, 폴 알 렌은 돈을에 따르고 컴퓨터 실용적인 지식을 주는 것을 시도 하는 프로젝트)

텍스트 링크: 단지는 빙산의 일각 (Zebian/웨이 웨이)는 우리가 깊은 학습에 대해 무엇을 읽고합니다

무료 구독 "CSDN 클라우드 컴퓨팅" 마이크로-편지 공개 번호, 실시간 파악 원래 클라우드 뉴스!

가장 전문적인 클라우드 컴퓨팅 서비스 플랫폼에서에서 CSDN 클라우드 컴퓨팅, 대용량 데이터, 가상화, 데이터 센터, OpenStack, Cloudstack, Hadoop, 스파크, 기계 학습, 지능형 알고리즘 및 다른 관련된 클라우드 컴퓨팅 전망, 클라우드 컴퓨팅 기술, 클라우드 컴퓨팅 플랫폼, 클라우드 컴퓨팅 연습 제공 클라우드 컴퓨팅 산업 정보 서비스.