Facebook的人工智慧研究機構FAIR剛剛開源並公開發表的聊天機器人就開始擁有了跟人類進行協商談判、進行討價還價的能力。通過監督學習+強化學習,這個聊天機器人不僅能理解字詞和語義的對應關係,還能針對自己的目標制定策略,跟別人進行協商討論達成一致。
AI 新聞
機器學習三兄弟概念大揭秘:「監督學習」「非監督學習」「強化學習」
在這篇文章中,我們將幫助你更好的理解監督學習、非監督學習和強化學習的定義的內涵,並從更廣闊的視角中闡述它們與機器學習之間的聯繫。深入理解它們的內涵不僅有助於你在這一領域的文獻中盡情的徜徉,更能引導你敏銳地捕捉到AI領域的發展和技術進步的氣息。
不平凡的2018 | 機器人十大年度進展全回顧
在過去的2018年,各個領域的技術都有了巨大的進步,機器人領域同樣如此。Science近日挑選了10款從實驗室的原型研究到推動各領域進步的商業機器人,濃縮了過去一年機器人領域值得回顧的重要進展。
如何構建多快好省的「知識圖譜即服務」?
知識圖譜作為一種特殊的圖數據,不僅人類可以識別且對機器友好。信息檢索、問答系統、推薦系統、電子商務、金融風控,這些生活中常見的應用場景都離不開知識圖譜的支持。如何構建一個「多快好省」的知識服務系統?微軟亞洲研究院機器學習組的研究員們基於自己的經驗,給出了他們的建議
2018年10大機器學習開源項目
本期將為大家推薦 10 個機器學習開源項目,統計了過去一個月中 250 個機器學習開源項目,並從中選取了本期的 Top10。平均 1483 Stars。
當訓練數據和測試數據不同時怎麼辦?
為了建立性能良好的機器學習(ML)模型,必須在來自相同目標分布的數據上訓練模型並進行測試。然而,有時我們只能從目標分布中收集到有限數量的數據。這些數據可能不足以構建所需的訓練/開發/測試集。
2種簡單的方式緩解RNN的優化問題
在上一節(如何理解RNN?(理論篇))的課程我們介紹了循環神經網路的基本結構,同時這樣的循環結構也會給優化帶來一定的困難,本文主要介紹兩種較為簡單的方式來緩解RNN的優化問題
如何理解RNN?(理論篇)
帶有循環結構的網路都可以被叫做循環神經網路(recurrent neural network),RNN可以非常有效的解決這個問題,從簡單的理論上來說,它可以處理任意長度的序列,並且不需要提前將N固定住,靈活性更高。
AI 數據集最常見的6大問題(附解決方案)
本篇文章會告訴你如何通過優化數據集來提升人工智慧訓練,得到更好的結果。