AI一分钟|阿里AI鉴黄师或将取代人类;特斯拉私有化空头潜在利润超10亿美元

640?wx_fmt=png


阿里 AI 鉴黄师,或将取代人工鉴黄师


近日,阿里巴巴集团安全部向媒体介绍了 AI 鉴黄的有关工作:当用户输入一张图片,AI 将返回一个 0-100 之间的分值。这个分值非线性地标示了图片含色情内容的概率。据阿里安全部高级算法专家威视介绍,假设一天要审核 4 亿张图片,单纯由人工来审,如果一人一天审 1 万张,就需要 4 万人。而经由 AI 鉴黄后需要交由人工审核的量大约只需 20 万张,这样只需要 20 人,大大节省了人力。


不仅在识图领域,AI 鉴黄还覆盖到了语音、视频等多媒体领域,目前已经可以识别中文、英文、日文、俄文等语言,还可以识别中国多省份方言,无语义的呻吟声也能识别。(via.澎湃新闻)


三星新专利曝光:AI 识别顾客面部表情,或用于线下零售


近日,三星向世界知识产权办公室提交了一份专利,该专利中包含一种基于深度学习的算法,以识别用户在注视设备时的表情,包括惊喜、高兴、快乐、愤怒和悲伤等。据悉,这一专利可能会被用于将来的线下零售店中。


谷歌死磕亚马逊 Echo 产品线:将发布屏幕版智能音箱


据日经新闻引述消息人士称,在今年底圣诞购物旺季之前,谷歌将发布一款配置显示屏的智能音箱,这款产品将酷似亚马逊同样配置显示屏的 Echo Show。谷歌准备首批销售300万台配置屏幕的智能音箱。而 Canalys 数据显示,亚马逊在去年一共只销售了 31.5 万台 Echo Show。(via.腾讯科技)


马斯克欲将特斯拉私有化,空头潜在利润超 10 亿美元


自特斯拉 CEO 埃隆·马斯克(Elon Musk)在Twitter上表示要将特斯拉(Tesla)私有化以来,卖空者累积潜在利润超过 10亿美元。


尽管马斯克在 8 月 7 日推销了买断计划,以此化解短期卖空者“攻击公司”的能力,但迄今只导致 130 万做空交易平仓,仍有 3340 万股空头头寸未平仓。截至上周五收盘时,特斯拉股价比马斯克宣布私有化前水平低了 19 %。据金融分析公司 S3 Partners 介绍,在此期间空头头寸按市价计值增加了 12 亿美元。(via.FT中文网)


微软推出人工智能心脏病风险预测指标 API


据外媒报道,微软推出了由人工智能支持的心脏病风险评分 API,供大型印度医院网络 Apollo 使用。这个 AI 工具考虑了 21 种风险因素,包括饮食、吸烟和吸烟偏好等生活方式属性以及通过呼吸率、高血压、收缩压和舒张压反映的心理压力和焦虑,并将对治疗计划提供丰富的见解和早期诊断。(via.cnBeta)


 ——【完】——


在线公开课 知识图谱专场

精彩继续


时间:8月23日 20:00-21:00

添加微信csdnai,备注:公开课,加入课程交流群

参加公开课,向讲师提问,即有机会获得定制T恤或者技术书籍


640?wx_fmt=jpeg

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值