Politik

Author Archives: Lennart

内涵段子被封杀,开车鸣笛也有可能惹麻烦

Published by:

Som alla diktaturer gillar den den kinesiska regimen inte att folk skapar sociala nätverk, speciellt inte om dessa träffas i levande livet och dessutom skämtar och stojar.

Raymond Zhong, Paul Mozur och Iris Zhao skriver i New York Times: Horns Honk, and Censors in China Get a Headache
Läs fortsättningen här

Skillnaderna mellan AI, Maskininlärning och Deep Learning.

Published by:

Ett sätt att skilja mellan de tre koncepten är att AI är en s.k. paraplyterm som bl.a. består ML och DL. Och DL är en del av ML som sysslar med att bygga komplicerade saker som förarlösa bilar, robotar och diagnoser av sjukdomar i röntgenbilder, medan ML sysslar med något “enklare” problem som rekommendationer på Amazon och liknande.

Djuplärning och Maskinlärning vad är skillnaden?

Published by:

Bra snabböversikt. Och Djuplärning är mer komplicerad mee mer komplicerade neuronnät. Så om vi tänker komplicerade AI-lösningar som förarlösa bilar så har vi svaret.

Intervju med Apples nya AI chef John Giannandrea

Published by:

Apples försök att hämta in på Googles och Facebooks försprång på AI-området hänger nu på des nye AI-chef John Giannandrea. Så vad han har att säga är utomordentligt viktigt.

Chexnet, lunginflammation och AI: djuplärning inte så enkel som man trott

Published by:

Artificiell Intelligens, som omfattar Maskinlärning, Djuplärning, Neuronnät och många andra teknologier utvecklas idag i allt snabbare takt. Så snabbt att experter har börjat tala om medborgarlön som en nödvändighet för att förhindra massarbetslöshet under de närmaste decennierna, allteftersom AI tar över all större delar av arbetslivet.

Ett bra exempel på hotet är ett projekt från Stanforduniversitetet, tillsammans med Berkeley ett av världens ledande forskningsuniversitet på AI-området:CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning.
Läs fortsättningen här

Att skapa självlärande modeller med djupinlärning i fintech blir enklare.

Published by:

Möjligheten att skapa en modell genom att tagga, dvs att märka eller sätta etiketter på existerande data och sen träna upp ett neuronnät för att skapa en djupinlärings-modell blir enklare. Fortfarande en uppgift som kräver en eller flera datavetenskapsmän, men ändå ett steg i rätt riktning.
Läs fortsättningen här