最新热点

用户界面设计过程涉及到许多创造力的迭代，这个过程通常从一张白纸上开始，设计师和工程师分享彼此的想法，尽力设计出客户想要的场景或工作流程，一旦有了初步的设计作品，它通常通过照片捕获，然后手动翻译成可在Web浏览器中工作的HTML页面。这种翻译需要花费许多时间和精力，并且通常会延缓设计的过程。

在图像到图像合成的研究领域热火朝天的当下，英伟达又放大招，联合 MIT CSAIL 开发出了直接视频到视频的转换系统。该系统不仅能用语义分割掩码视频合成真实街景视频，分辨率达到 2K；

天天嚷嚷着人工智能，知道人工智能咋搞出来的不？知道啥是机器学习不？知道啥是专家系统不？

在朋友圈的画作展示中，有抽象派、也有写实派等等诸多类型，当然既然是绘画，自然要评判个美丑，但只要敢晒出来的，自然是自信心爆棚，感觉自己绘画功底是了得的，脸上自己贴金，于是不禁发问，为什么是个人都敢拿起“画笔”创作一番？为什么有的人画的好，有的人画的那么烂？别不承认，或许烂的那个就是你！

腾讯优图实验室的新算法，可以处理非特定场景中的图片模糊。算法基于一种被称为“动态模糊”的模糊模型假设。它为每个像素的运动单独建模，因而可以处理几乎所有类型的运动模糊。比如，上图中，由于相机抖动而产生的平移和旋转，每个人物的运动轨迹都不相同。经过腾讯优图实验室的新算法处理后，图片已经恢复到几乎完全清晰，甚至背景中的书籍上的字也清晰可辨。

计算机视觉是目前深度学习领域最热门的研究领域之一。它位于计算机科学（图形，算法，理论，系统，体系结构），数学（信息检索，机器学习），工程（机器人，语音，NLP，图像处理），物理学（光学），生物学（神经科学）和心理学（认知科学）。由于计算机视觉代表了对视觉环境及其背景的相对理解，许多科学家认为该领域由于其跨域掌握而为人工智能铺平了道路。

不久前，谷歌公布未来人工智能新布局，整合之前零散分布并各自独立于云计算业务部的各个机器学习团队，成立了新组织，并任命一位华人女性为新组织的首席科学家。消息一出，令业界震惊又兴奋。

我对图像处理一直很感兴趣，曾经写过好几篇博客。前几天读到一篇文章，它提到图像其实是一种波，可以用波的算法处理图像。我顿时有一种醍醐灌顶的感觉，从没想到这两个领域是相关的，图像还可以这样玩！下面我就来详细介绍这篇文章。

据《纽约时报》报道，所谓的神经网络大大推动了人工智能的发展，但理解计算机如何作出决策却十分困难。谷歌的研究人员正在学习机器是如何学习的。

大多数人都同意人工智能将是我们这个时代的决定性技术，但我们的预期却有很大的不同。要么人工智能将成为一个完美的仆人，引领一个生产力和休闲的新时代（Alexa），或者AI将掌控我们，把人类和生物历史的灰堆联系在一起（Elon）。

雷锋网 AI 科技评论按：2017年马上就要过去了，而 AI 也在2017年中得到了快速发展。研究人员们提出了很多有趣而又富有开创性的工作。而作为 AI 从业人员的我们，也不禁会对明年 AI 的发展有了更多的憧憬。

科技已经为我们带来了许多惊喜，特别是科技与人文的结合，更是让科技造福了更多特殊人群。比如为了视觉障碍者，包括微软、Facebook以及eSight等公司，此前就曾利用AI或AR技术，帮助他们更好地“看到”和“听到”世界。

据外媒Venturebeat报道，AI的工作效率无疑是很高的，不像会受到情感因素干扰的人类，AI可以非常快、非常准确，毫无障碍地完成我们交托给它的任务。

如果你曾经感觉到有一点头脑迟钝，请你不必担心。科学家们已经发现蜗牛仅使用两颗脑细胞就能做出复杂的决定。

不得不说，虽然人工智能这词里面既有人工又有智能，但是它跟人体最复杂的器官——人脑差得还有点远。但是根据最近发表在《Frontiers in Systems Neuroscience》的一篇论文，如果其发现属实的话，人类似乎离开发出类似人脑思维的AI不远了。

假设你从来没有见过菠萝。有一天，有人送了你一个菠萝。尽管你这辈子只见过这一个菠萝，但你只用一眼就看出了菠萝的特征。第二天，你去水果店，很快就能从一堆苹果、葡萄、柚子中认出菠萝来。你甚至还能在纸上画出菠萝的简笔画。

美国标准和技术研究院（NIST）的研究人员称，新研发的超导开关不久可使电脑像人类一样做出决策，实际上可使电脑成为人工大脑。终有一天，这种新技术可使高级人工智能（AI）系统应用到从交通到医学等各个领域，成为我们日常生活中不可分割的一部分。

据英国《卫报》报道，数以百万计的人因伤病或先天性问题丧失了说话的能力。但科学家发明的定制化数字声音也许能让他们重新“开口说话”。

学习是获得新的或加强已有的知识、行为、技能或价值观的行为。“人类有学习的能力，然而随着人工智能的进步，机器学习已经成为一种资源，它可以增强甚至取代人类的学习，”工程师兼心理学家Peter Rudin对Singularity2030网站说。

机器阅读理解，虽然看起来只是让AI上阵来一场考试。但是却是自然语言处理技术中，继语音判断、语义理解之后最大的挑战：让智能体理解全文语境。