跳转到主要内容

超算或帮延长人类寿命至少10年以上

editor Chen 提交于

超级计算机,简单来说就是一种能够以比普通计算机快得多的速度进行运算的机器。这种机器最早出现在1960年代,但自那以后其性能已经被大大增强了

<center><img src="http://intel.eetrend.com/files/2017-03/博客/100005548-17457-1.jpg&quot; alt=""></center>

目前世界上最强悍的超级计算机是由中国科学家研制的“神威·太湖之光”计算机,该系统峰值运算性能为12.5亿亿次/秒,持续性能为9.3亿亿次/秒。这款超级计算机的研制成功体现了中国在这一高技术领域的强大实力

3月23日消息,据国外媒体报道,超级计算机的进步将加速人类在新药开发和整个医学领域的进展,从而有望让我们的寿命在目前的基础上再延长数十年之久。

机器视觉与计算机视觉的区别?

editor Chen 提交于

计算机视觉与机器视觉,<strong>首先是应用场景不一样,就像@Vinjn张静 回答的那样:你把摄像头对着人就是CV,对着车间就是MV。</strong>

计算机视觉和机器视觉应用场景不同,就像拉货车和载客车是的,侧重点不同而已,一个侧重人工智能分支,一个侧重工业应用!简单说起来的话,计算机视觉偏重于深度学习并且偏向软件,机器视觉偏重于特征识别同时对硬件方面要求也比较高,不过随着对智能识别要求越来越高的发展,这两个方向毕竟会互相渗透互相融合,区别也仅仅限于应用领域不同而已。

<strong>其次,我感觉最大的区别,在于技术要求的侧重点不一样,甚至差别很大。</strong>

<strong>计算机视觉,</strong>主要是对质的分析,比如分类识别,这是一个杯子那是一条狗。或者做身份确认,比如人脸识别,车牌识别。或者做行为分析,比如人员入侵,徘徊,遗留物,人群聚集等。

除了自动驾驶这些新技术也能大幅提高驾车体验

editor Chen 提交于

毫无疑问,关于自动驾驶和无人驾驶这些曾经只属于未来的概念,现在已经逐渐走到了我们的身边。虽然现在越来越多的汽车厂商更关注全自动驾驶汽车,但是对于驾驶员本身来说,也同样值得关注。

目前汽车想要实现完全的无人驾驶,还需要许多年的时间,但是半自动驾驶已经成为了很多高端汽车的标配功能,而半自动驾驶也必须要学会更好的理解驾驶员的习惯,并且通过机器学习和计算机视觉系统,来提高驾驶安全性。

而对于半自动驾驶和辅助驾驶来说,其实还有三个方面需要进一步的改进,才能提高驾驶员的驾驶体验和行车安全。

<strong>1、驾驶员识别</strong>

汽车共享虽然是一个比较新鲜的概念,但是却可以进一步提高自动驾驶汽车的水平和成熟度。不同的用户开始分享同一辆汽车,不仅有利于环保,而且能够更有效的将大部分时间处于空闲状态的汽车利用起来,节约经济成本。而在不同乘客的识别上,同样可以提升一定的便利性。<strong>汽车会利用计算机视觉系统来分析不同驾驶员和乘客的身份,然后自动调整乘客喜欢的配置和使用习惯。另外,通过深度学习和人工智能系统可以进一步访问乘车人的信息,而一旦人工智能系统识别成功,那么就会自动调整空调温度、座椅位置、后视镜角度、音乐音量等。</strong>

未来电路不僵硬 华人教授团队开发柔性电极

editor Chen 提交于

目前,智能服饰开始出现在我们的生活中。而若要使服装既能像真正的电子产品一样科技化,又要让它们的电路不会像树枝一样僵硬而束缚我们的行动,那就要让电路变得既灵敏又有韧性才行。现在这种电路材料貌似已经被找到了, 近日美国斯坦福大学华人教授鲍哲南领导的研究团队在新一期美国《科学进展》杂志上发表报告称,他们开发出了一种导电性和拉伸性极佳的高分子材料,可用于可拉伸塑料电极。这种柔性电极也可作为可穿戴电子器件。

<center><img src="http://imgtec.eetrend.com/sites/imgtec.eetrend.com/files/201703/forum/9…; alt="未来电路不僵硬 华人教授团队开发柔性电极" width="600"></center>

谷歌说要用神经机器翻译系统译出全球103种语言

editor Chen 提交于

【网易智能讯消息】谷歌一直都希望机器翻译出的话会听起来比较自然,符合各个地方人们的说话方式。因此,去年,谷歌不再专注于短语的机器翻译,而是创建了一个名为“谷歌神经机器翻译”(GNMT)的人工智能翻译系统。现在,该公司表示正在将GNMT可翻译的语言扩大到印度语、俄语和越南语。

GNMT的翻译质量比基于短语的同类翻译产品要高,因为它考虑的是整个句子语境,而不是将句子分解后直译。它需要把每个词组与前后文联系起来。对于汉语普通话这样的语言来说,联系上下文很重要,因为在这些语言中,单词的含义是不同的,它们的含义取决于它们与哪个词组搭配。

去年,谷歌可以开始翻译汉语普通话,随后扩展到对英语、法语、德语、日语、韩语、葡萄牙语和土耳其语的翻译。据TechCrunch网站报道,全球约有三分之一的人口会说这几种语言,他们在所有谷歌翻译使用者中所占的比例超过了35%。最终,谷歌计划在app中使用神经机器翻译系统来翻译全球103种语言。

2017年VR硬件营收或达36亿美元 拓展消费市场仍需深化体验

editor Chen 提交于

特约撰稿 王斌

VR初入市场便遭到了冷漠对待,这个被预言为将会改变未来世界的科技在当下似乎并没有获得大众较高的接受度。然而,这好像也并没有太影响到VR的发展。市场研究公司SuperData刚刚发布的一份消费者VR报告显示,全球VR硬件营收预计在2017年将达到36亿美元,同比增长142%。

但Super Data的数据还揭示,在去年一整年内,VR设备的出货量仅仅为630万台,实现18亿美元的营收。虽然这个数字并不小,这样的成绩也没有让VR受到沉重的打击,但是不得不承认的是,这确实是远远低于各方期待的目标。

<strong>VR硬件营收走高,仍不受消费者拥戴</strong>

SuperData发布消费者VR报告表明, 2017年全球VR硬件营收将同比增长142%。其中,像 谷歌 Daydream这样的高端移动头显在出货量上,要比廉价的移动头显增幅更多,预计今年出货量将达到2100万台,比2016年增长两倍以上,而廉价的移动头显(谷歌Cardboard)在今年的出货量为5900万台,比2016年减少了8400万台。

作为一种先进的技术,VR能够把人类的想象实现,在进入市场之后,想来必定会掀起一波热潮,获得一大批用户的拥戴,但是现实总是骨感的。

维基百科有6000多个机器人编辑,他们之间会吵架吗?

editor Chen 提交于

转载于:PingWest品玩微信公众号

很多人可能都听说人工智能已经可以写文章了,但是你可能不知道编辑机器人早就已经是维基百科最重要的贡献群体之一。

2001 年,维基百科引入了机器人编辑者的概念,任何用户可以为自己研发的机器人单独建立一个维基百科帐号,只要根据维基百科社区官方的规定对帐号进行标注,即可让机器人参与维基百科的编辑。

2014 年,机器人在维基百科的所有语言中完成了 15% 的编辑动作,他们识别、撤销破坏行为,锁定遭到频繁篡改的页面、识别错别字和病句、创建不同语言之间的链接、自动导入站外内容、进行数据挖掘、识别侵权的内容并为新手编辑者提供引导等等。

关于5G:人们在讨论什么?

editor Chen 提交于

据悉,在2018年韩国平昌冬奥会将会率先采用5G技术,2020年东京夏季奥运会器件会采用增强版5G技术。然而目前就有很多运营商在积极进行5G网络的测试了,甚至有的运营商设定的目标是在2017年推出商业性应用。是的,我们即将迈入一个精彩的5G世界。

<strong>5G:全面性的通信网络</strong>

关于5G,直观上的理解就是带来速度/数据传输速率的提升,当然最初确实是这样的。5G标准属于一站式网络,兼容市场上所有的应用领域,从低带宽到低功耗的IoT节点以及超高清身临其境体验。为了满足这些要求,5G采用更宽的频谱,sub-GHz面向于IoT应用需求,1到6GHz面向于宽带设备,6GHz/mm以上面向超高带宽应用的需求。

为了更便于大家理解,5G标准制定组织和社区对使用场景和应用类型进行了划分,大体分为以下三类:
● 增强型移动宽带(eMBB),面向高带宽需求的应用,例如高清远程监控、远程医疗和远程手术等
● 大型机器型通信(mMTC),面向快速增长、大容量密集型IoT节点/应用,例如智能仪表、智能建筑、智能城市和资产跟踪等
● 超高可靠性和低延迟通信(URLLC),面向要求更加苛刻的应用,例如自动驾驶、医疗保健和工业自动化等

Google大脑工程师详解:深度学习技术能带来哪些新产品?

editor Chen 提交于

量子位 | 李林 整理编译

提到深度学习,你可能会想到认猫、认脸,或者下围棋、翻译……其实,这项技术还能用在很多你意想不到的地方。

那么,“深度学习的最新进展能带来哪些产品上的突破?”

Quora上就有这样一个问题,而Google Brain的研究工程师Eric Jiang也给出一个最高赞的答案。下面就是Jiang的回答,大周末的,让我们一起来涨涨姿势:

Deep Learning是指包含以下特征的一类机器学习技术:

▪ 大规模神经网络(包含百万级的自由变量);

▪ 高性能计算(上千个并行处理器);

▪ 大数据(例如百万级的彩色图像、棋谱等)

目前,深度学习技术已经在众多领域达到了先进水平,例如视觉、声音、机器人、自然语言处理。深度学习最近的进展吸收了统计学习[1, 2]、增强学习和数值优化的思想。关于这个领域的概况,见参考文献[9, 10]。

我下面列出一些借助目前的深度学习技术才可能实现的产品类别,排名不分先后:

定制化数据压缩、压缩感知、数据驱动的传感器校准、离线AI、人机交互、游戏、艺术助手、非结构化数据挖掘、语音合成。

<strong>定制化数据压缩</strong>

黑科技!比5G还要快10倍的这项技术可能在2020年问世

editor Chen 提交于

研究人员已经研发出一种太赫兹发射器,该发射器的数据传输速度要比5G至少快10倍,而该技术有望在2020年实现应用。为期五天的2017国际固态电路会议 ( ISSCC) 于2月5号到9号在加利福尼亚州的旧金山举行,根据安排,太赫兹发射器将会在这次电路会议上被展示,这种传送机能够将一个DVD上的全部内容瞬间发送完毕。

Minoru Fujishima 是日本广岛大学的教授,也是太赫兹研究者之一。他说:“太赫兹也能与卫星进行超高速连接,而与卫星的连接,只能通过无线。这也有好处,比如,它极大地促进了动态网络连接的发展。其它可能的应用包括快速将资源下载到移动设备,基站之间实现超快速无线连接。”

据了解,该研究小组研发的是一款频率在290GHz 到 315GHz 的发射器,能够实现105Gbps的通信速度。虽然这个范围的频段现在还没有被分配,但值得注意的是它处于275GHz 到 450GHz 范围内,该频段将在国际电信联盟无线电通信部门组织的2019世界无线电大会上进行讨论。

去年该研发小组就曾向大家展示了通过使用正交调幅(QAM)大幅提高300GHz 频率的无线连接速度的研究成果。今年,他们展示的是更快的发射器,单个通道数据速率比之前快六倍。作为集成电路发射器,它首次实现单个通道速率超过100 Gbps.