首页 文章 精选 留言 我的

精选列表

搜索[开源AI],共10000篇文章
优秀的个人博客,低调大师

AI神器帮你锁住艳照,裸照爱好者的福音

你的手机有没有一些不可描述的照片? 比如,聚众YP? 围观“艺术” 3D裸男? 女王调教? 总之,这些照片可能是自己,也可能是别人的,但统统都是不安全的,难道你没有遭遇过爸妈随便翻翻相册的尴尬吗? 更何况还有好莱坞明星频频传出裸照被公开事件,以及国内多起艳照门等前车之鉴,存在手机上的果照被修电脑、iCloud 被黑、Instagram 账户密码被撞库等姿势花式泄露。 这里要给大家安利一款最近雷锋网宅客频道(微信公众号:letshome)编辑在外网发现的某自动隐藏果照神器,麻麻再也不用担心看到熊孩子裸照了。 “裸体”构想 这款软件的名字是“Nude”(裸体),可以说相当直白了。 创造这款软件的是两位来自加州大学伯克利分校的年轻人——Jessica Chiu and Y.C. Chen。他们在最近的 TechCrunch Disrupt 大会上推广这款应

优秀的个人博客,低调大师

平安是这样用 AI 干掉“枪手”的

就像人们总先看到某个人的闪光点一样,平安烙进人们思维中的固有标签就是金融,更准确一点说,是保险。 但除了金融之外,平安正在涉足教育领域。目前他们正利用人脸识别技术解决考试过程中的考生‘审查’工作。 传统监考模式的弊端所在 以往,当考生进入考场时,需将身份证、准考证放在课桌的左上角,监考老师拿着一本印满考生黑白照的花名册一个一个地比对。 从考生这边来说,由于紧张或者慌忙可能会忘记携带相关证件,另外考试过程中,老师走近的比对工作会让某些考生分神,影响考试;从监考老师这边来看,他们的工作量也很大,要在很短时间内尽可能地去确保照片与考生本人一致。 从某种意义上来说,在监考老师等各方的努力下,‘考试’已然成为当今中国相较公平的土壤之一了。 但现况总不是那么完美,每次大考之后,各种枪手替考新闻层出不穷,甚至有些权贵人士花点钱就可以‘冒领’别人成绩,很多穷

优秀的个人博客,低调大师

不知道这些AI知识,可能你就out了!

更多深度文章,请关注云计算频道:https://yq.aliyun.com/cloud 最近,我有幸与人工智能领域相关企业的决策者进行交谈。 其中几名高管已经被投资者询问了他们的机器学习方向的战略,以及他们现有机器学习项目的情况。 那么为何机器学习会突然成为公司董事会讨论的话题呢? 大家都知道,从一开始计算机就被设计成帮助人类解决各种问题。 传统的软件工程就是针对某个问题进行编程。换句话说,就是我们告诉计算机一个能解决某个问题的算法,并让它来执行。现实世界中很多问题可以被描述成某个算法。 比如,小学算数中,我们用加法来解决计数问题。一旦现实问题被抽象成了算法,计算机能比人类更快速,更高效地执行它们。 不过,人们也渐渐的发现了这种过程的局限性。对于类似图像识别这类问题(例如,判断照片中是否是一只猫),在人类看来是如此的轻而易举,然而想把这类问题描述成一种高效的算法却并不容易。由于对象的特征有可能被隐藏起来,我们不能简单的用“有四条腿”或“有两只眼睛”来对判断是否是猫的照片。而且,照片中还可能只显示了猫的一部分,问题就演变为识别猫的某个部位,进而使得问题变得愈加复杂。 以上对于传统编程来说的难题却恰恰是机器学习的强项。我们并不需要告诉计算机如何解决这个问题,而是使用样本来训练计算机,使其学习算法本身。 我们用大量标记为猫的照片来训练计算机(有监督学习)。 通过这种方式,算法得到了演进,最终能够识别出各种猫的图片。 与传统软件工程不同,机器学习中的计算机考察的是神经网络中的边际权重。 这个原理与人类大脑中的学习过程非常相似,依靠神经元的相互通讯来完成。而人类很难对这个具有边际权重的网络做出全面的解释。在这种情况下,深度学习应运而生,并被证明了它的成功。深度学习是多种机器学习方法中的一种,目前也成为了人工智能中的一门学科,是计算机科学研究的主要分支之一。 早在2012年,一支Google研究小组成功地训练了一个由16,000台计算机组成的网络,这个网络能通过处理千万记的视频图像,来识别出猫或任何指定的事物对象。而其中他们就采用了深度学习技术。 许多现实世界中的问题更需要通过机器学习的方式来解决。这是由于许多问题常常需要我们发现数据中的某种特征或模式,例如从图像中识别出某个对象,从语言中提取目标文本,从交易数据中侦测到可能的欺诈行为。 这里有一个简单的例子。假设,我们有许多传感器在发送并接受数据。为了确保它们的正常工作,我们需要对它们进行实时的监测,一旦其中的某台机器发生故障,我们就要进行及时的处理。通过监测,我们可以从导致故障的数据流中发现某些固定的模式。 一旦了解了这些模式,就可以在日常运行期间侦测这种模式。一旦这种模式出现,就能提前预测到可能发生的故障,从而提高运维的效率。 虽然机器学习的原理并不新鲜,但它越来越受到人们的追捧。这有三个主要原因:首先,得益于大数据技术,我们有了充分的样本数据可以被用来训练计算机。 其次,我们现在拥有了前所未有的计算能力,特别是在云计算的基础下。 第三,一系列开放源码的项目使得几乎每个人都可以利用这些机器学习的算法为自己的项目进行研发。 机器学习并不是传统软件工程的替代品,而是对其做了很好的补充。 机器学习提供了许多有用的工具,使我们能够解决更多传统软件工程解决不了的问题。 机器学习带来了许多新的机会,同时现有的系统也越来越多地采用了机器学习技术。 其中,遵循模式的重复操作就是一个典型的例子。 想象一下,一个应用系统有着多达一百多个功能,但其实用户每天一般只会使用其中的几个功能。 通过观察用户操作步骤,计算机可以学习并预测用户的下一步操作,从而提高效率。另一个例子就是分配和转换数据(例如,用于填充数据仓库的ETL作业),计算机在这个过程中学习重复的数据和对象,并对其中的步骤进行自动化并提高性能。 在其他领域我们也可以找到这样的场景:针对不同学生(特别是“大型开放式在线课程”或MOOC课程)定制个性化的学习材料、对疾病的早期诊断、定位正确的在线营销目标群体、自动识别数据质量问题,或是在线交友网站的自动匹配。 由于其出色的功能,Spark(与Hadoop组合)已经成为机器学习主流的大数据框架。 Talend也正在往这个方向发展,而且它更进一步,使用了更高效的建模作业。在使用建模以后,就能降低复杂性,同时也使得它的底层技术有了自己的独立性。由于这些技术在不停的改进中,因此只有少数这方面的专家才能运用得法。 虽然目前只有少数专家才需要真正了解机器学习领域的算法细节,但是另一方面,机器学习概念的普及也同样重要。从大量的样本中发现某种模式最终拓展了计算机可以解决问题的类别,具体来说是就是自动化的决策过程,这正是计算机学到的东西。它从训练数据中积累知识,之后利用学到的知识对新数据做出决策。 一方面,我们可以直接利用机器学习的训练结果让决策过程更智能、更准确。 另一方面,我们也可以对其他领域的机器学习的结果进行分析、改进,使其适合自己的业务领域。 总而言之,如今计算机已经不仅能够遵循明确的指令(比如,算数计算),还可以通过样本来进行学习(比如,前面提到的图像识别)。在不同的场景下,这两种方法都有着本身的特点和优势。 然而,如果我们能换种思路,把这两种方式结合在一起,那可能在人工智能方面我们又会向着最终目标更进一步。 本文由北邮@爱可可-爱生活老师推荐,阿里云云栖社区组织翻译。 文章原标题《What Everyone Should Know About Machine Learning》,作者:Gero Presser 是德国QuinScape GmbH 创始人及CEO。译者:friday012 审阅:阿福,海棠,李烽 文章为简译,更为详细的内容,请查看原文。

优秀的个人博客,低调大师

阿里巴巴摘得LSVC桂冠 打造领先AI视频技术

近日,ACM MM2017的LSVC(Large-scale video classification)竞赛正式公布了本次比赛的获胜名单,来自阿里巴巴的iDST((Institute of Data Science & Technologies)团队凭借高精确性的算法顺利摘得桂冠。 ACM (Association for Computing Machinery ) 是一个世界性计算机从业人员的专业组织,创立于1947年,是世界上第一个科学性及教育性计算机学会。作为ACM下属的专业组织,ACM MM是国际上多媒体领域的顶级盛会。今年的LSVC竞赛便是ACM MM中的一项重要赛事,相较于其它几项竞赛,LSVC竞赛对于学术性提出了更高的要求。 据了解,阿里巴巴也将以铂金赞助商的身份参加今年10月23日在美国加州召开的ACM MM2

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册