开源TRFL：强化学习构建模块库

　　可再生能源等无碳技术有助于应对气候变化，但其中许多尚未充分发挥其潜力。考虑风力发电：在过去的十年中，风力发电场已经成为无碳电力的重要来源，因为涡轮机的成本急　　　　　 [ 阅读全文 ]

　　在DeepMind，研究平台团队构建基础架构以增强和加速我们的AI研究。今天，我们很高兴分享我们如何开发TF-Replicator，这是一个软件库，可帮助研究人员以最小的努力和以前　　　　　 [ 阅读全文 ]

　　 Google的人工智能AlphaGo在他自己的游戏中击败了世界第一，这有多重要？ 　　这是世界上最古老的棋盘游戏，但它可能是技术革命中新的重大发展的背景。　　 Google的A　　　　　 [ 阅读全文 ]

　　为什么你不应该使用机器学习来代替真正的NLP。有两种自然语言处理... 　　今天，业界领先的NLP建立在人工智能基础之上，可以检测数据中的模式，然后可以利用这些模式来　　　　　 [ 阅读全文 ]

　　 Manuel Le Gallo的研究将激发新一代极其密集的神经形态计算系统。 （来源：IBM Research - Zurich）　　受人类大脑运作方式的启发，苏黎世IBM研究院的一组科学家模仿　　　　　 [ 阅读全文 ]

　　 IBM研究院的科学家 - Almaden已经证明TrueNorth大脑启发的计算机芯片具有100万个神经元和2.56亿个突触，可以通过深度网络有效地实现推理，这些网络在几个方面达到了最　　　　　 [ 阅读全文 ]

　　培训计算机以准确识别图像中的内容时，数量很重要。他们看得越多，他们学到的就越多。但是，使用深度学习从大量图像中训练新的视觉识别模型很快就会成为瓶颈，特别是对　　　　　 [ 阅读全文 ]

　　虽然今天的大多数问答（QA）系统都擅长回答有关特定领域或主题的简单问题，但对能够跨多个不精确的域和实体回答问题的系统的需求不断增长。　　 IBM Research的AI Foun　　　　　 [ 阅读全文 ]

　　 摘要：IBM Research使用 新 分布式深度学习软件在arXiv中发布接近理想的 扩展，从而实现了记录通信开销和在64个IBM Power系统中，通过256个NVIDIA GPU，Caffe深度学习　　　　　 [ 阅读全文 ]

　　虽然建造人造系统并不一定需要复制自然 - 毕竟，飞机飞行而不像鸟一样挥动翅膀 - 人工智能和机器学习的历史令人信服地证明，从神经科学和心理学中吸取灵感可以带来重大　　　　　 [ 阅读全文 ]

　　科学家们已经取得了惊人的进步，使机器能够理解语言并处理图像，例如面部识别，图像分类（例如“猫”或“狗”）和文本翻译。今年夏天在都柏林的IBM研究实验室工作的重点　　　　　 [ 阅读全文 ]

　　在人工智能的各种探索领域中，深度学习是一个令人兴奋且日益重要的研究领域，它具有帮助计算机理解和从数据中提取意义的巨大潜力，例如：破译图像和声音。　　为了帮助　　　　　 [ 阅读全文 ]

　　 IBM科学家Thomas Brunschwiler和Rahel Straessle正在开发机器学习算法来解释物联网数据。　　慢性阻塞性肺病，即慢性阻塞性肺疾病，是一种进行性肺病，引起呼吸困难，　　　　　 [ 阅读全文 ]

　　在2016年9月加入剑桥的IBM Research之前，我在马萨诸塞州综合医院（MGH）完成了为期三年的博士后培训计划，并与哈佛大学的教师密切合作。现在，MGH和IBM Research之间的　　　　　 [ 阅读全文 ]

　　与EPFL科学家一起，我们的IBM研究团队已经开发出一种快速培训大数据集的方案。它可以使用单个图形处理单元（GPU）在不到一分钟的时间内处理30千兆字节的训练数据集 - 比　　　　　 [ 阅读全文 ]