基于统计分词的中文邮件智能分类系统

区别于以往采取专家系统、基于语义分析及基于关键字比较的分类方法 ,根据文本数据学习的特点 ,采用支持向量机 (SVM )来实现电子邮件的智能分类方法 .通过SVM方法与其他几种分类方法试验测试 ,结果发现 ,SVM方法效果最好 ,能较好地用人工智能训练机器来取代人类对于电子邮件的分类及处理     

图书推介

正与机器人共舞[美]John Markoff著,郭雪译。浙江人民出版社,2015年11月第1版,定价:79.00元。从多维度描绘了人工智能的发展历程,直击了工业机器人、救援机器人、无人驾驶汽车、语音助手Siri等前沿领域,进而深入探讨了人工智能(AI)与智能增强(IA)的关系,而作者也剖析"人与机器谁将拥有未来"这一机器时代的核心伦理问题。在大数据时代,移动互联网催生了不计其数的数据量,而在机器人时代,互     

基于深度学习模型的非结构化数据标注方法研究

大型的、标记密集的数据集是利用大量在线论坛中发现的非结构化数据有效促进文本和图像分析的深度学习方法的创建.虽然这种非结构化数据包比租用的数据注释包花费更低,但它也更容易陷入自然语言应答的陷阱,因为数据的非结构化特性会使回答者可能无法正确回答所提的问题.为了解决这些问题,提出一种深度学习的方法来系统地识别混淆,并从Instagram收集的非结构化数据包注释的数据中提取答案.每个注释数据包含一个图像、一个机器生成的问题和一个非结构化数据包响应.本文使用一个基于Facebook人工智能研究的Pythia体系结构模型:(1)用R-CNN模型来识别突出的特征(自下而上);(2)问题文本用作上下文来衡量这些特征(自上而下).使用基于伯特BERT的分类器来重复训练来自问题和响应的文本特征(不包括图像特征)等任务.结果显示:基于伯特BERT模型(分类AUC-ROC=0.84,应答预测F1=0.77)优于Pythia体系结构(分类AUC-ROC=0.79,应答预测F1=0.46).此外,还提出了一种基于BERT的多任务并行训练模型(1)和(2)能够优于特定任务模型(分类AUC-ROC=0.84,应答预测F1=0.78).     

程度化的格值一阶逻辑及不确定性推理研究

1项目的研究意义人工智能的主要目标在于研究用机器来模仿和执行人脑的某些智力功能,并发展相关的理论和技术。人类主要的思维活动包括推理、判断和决策,这些思维活动反映了人脑所具有的某些智力功能,而这些智力功能大都包含着推理,因此人工智能研究的核心问题之一应该是使     

科技部部长:正在加紧起草人工智能治理准则

<正>5月16日,在天津举行的第三届世界智能大会上,科技部部长王志刚透露,正在加紧研究起草人工智能治理准则,近期将向全社会发布。王志刚认为,当前人工智能的发展除了得益于神经网络和深度学习算法方面的突破,还得益于计算力和数据的发展,实现了从人工设计智能向大数据习得智能的转变。同时,企业界、投资界的投入研发是人工智能的发展条件,我们应对人工智能保持谨慎乐观的态度,切忌浮躁,不能盲目跟风。他指出,当前人工智能仍是一个新兴领域,正处于从实验室走向产业化的起步阶段,还面临一系列挑战,还有许多基础性的科技难题没有突破。随着人工智能发展出新的突破和新的应用,需要考虑人与机器的     

大数据时代人工智能在计算机网络技术中的应用

随着现代高科技的迅猛发展,各种先进技术取得了较大的进步,比如计算机网络技术、人工智能技术等。在大数据环境下,计算机网络技术被广泛用于社会各个领域。人工智能与大数据理念的有效结合,极大地转变与提升了人们的生产生活等各个方面。     

《智能时代:大数据与智能革命重新定义未来》

正中信出版社大数据和人工智能迅猛发展,对社会和商业的影响日益深刻,从学术界到企业界,智能化浪潮的来临,已经成为共识。可以比肩于大航海时期和工业革命的此次变革浪潮,必然会对我们的技术发展、商业和社会都产生重大的影响。作者吴军在《智能时代:大数据与智能革命重新定义未来》中指出,首先,我们在过去被认为非常难以解决的问题,会因为大数据和机器智能的使用而迎刃而解,比如解     

人工智能翻译下的大数据语料库建设

机器翻译的质量依赖可供其学习的语料,随着人工智能的发展,语料库数据的建设成为实现翻译智能化和场景化的关键。人工智能翻译下大数据语料来源众多,互联网、企业数据库,用户生成内容和机器生成内容都将成为语料数据的来源;其类型也呈现出多样性特征,从传统的术语、文本、拓展到非结构化数据和知识图谱。鉴于此,人工智能翻译下的大数据语料库建设可以从基于第三方开源数据、众包翻译的共享模式、基于机器闭环学习模式和人机协同模式四个方面进行,未来的翻译教学也可依托语料库的建设成为翻译智能化中的重要一环。     

人工智能及其在机床加工中的应用

正人工智能(Artificial Intelligence,简称AI)的概念,最早是在1950年由英国科学家阿兰·图灵首次通过"智能机器"而引出的。在1956年美国达特茅斯学院举行的人工智能会议上,正式提出人工智能这一学科,并推出了"Dartmouth人工智能研究计划",其中提到将研究如何使机器应用语言,形成抽象概念,解决人类尚无法解决的各种问题。具体来说,人工智能是由智能机器所执行的与人类知识和思维有关的智     

培养AI-医学交叉人才

正从大众媒体到大型的医疗保健会议,到处都能看到人工智能将彻底变革生物医学的承诺。有时,我们仿佛已经站在了一个节点上:人工智能系统可以远程识别将要生病的人,完成诊断工作(不需要医生了),选择定制化的人工智能设计药物,及时把药物送到病人手上——当然了,要用人工智能驱动的自动驾驶汽车送药。即使未来这些都能实现,也需要非常长的时间。可以肯定的是,变化的步伐一直很快。在人工智能领域,深度学习进展迅速,它能让机器通过胸     

人工智能在机器翻译中的应用研究

针对人工智能在机器翻译中的应用现状和发展趋势,探讨了人工智能对于提高机器翻译效率、促进行业发展的新路径.首先,分析了人工智能在机器翻译行业中的发展趋势,并阐释了具体的应用方式;其次,立足国情,发掘中国在人工智能和机器翻译行业中的发展优势,并研究在大数据时代,提高机器翻译效率的方法.研究结果期望为中国基于人工智能的机器翻...     

区块链“再下一城”:数据流通

在2017年达沃斯论坛上,世界首个全球区块链理事会成立,中国无疑是其中一支重要力量.区块链作为“制造信任”的机器,集政策支持、资本加持、巨头力捧于一身.但要自证不靠“噱头”发展,仍需具体的场景应用,比如用数据流通来验证其适用性与可靠性.     

基于机器视觉技术的分拣机器人研究综述

随着机器视觉技术和人工智能的高速发展,当代机器人正朝着协作化、自动化、网络化以及智能化方向发展。为保障机器人作用的精准高效,机器视觉技术受到了极大的关注并被广泛应用于各领域。传统的分拣过程受物件特征的影响较大,而机器视觉技术具有速度快、信息量大、功能多的特点,并且能避免工人疲劳带来的误差,因而机器视觉技术在分拣领域表现出了良好的应用前景。基于此,详细分析和探讨了基于机器视觉技术的分拣机器人的组成、关键技术以及在各个行业的应用现状,具体阐述了相应的优势、存在的问题及可行性解决方案。最后,展望了分拣机器人结合机器视觉技术在人工智能大数据时代的发展趋势。     

智能化发展对银行从业人员工作影响研究 ——以兴业银行为例

智能经济和智能金融日益成为各银行发展的战略目标,究其根源是人工智能技术与银行的深度融合发展。本研究以兴业银行为例,首先,通过案例研究挖掘人工智能技术应用对银行从业人员在工作内容、岗位能力要求和工资等方面产生的影响;然后,通过数据检验其影响程度。最终得出以下结论：一是人工智能应用对银行从业人员的工作内容变化有显著影响,人工智能应用程度每提高1个单位,工作内容变动0.288个单位;二是人工智能应用对从业人员工资和岗位能力要求影响不显著;三是,人工智能技术应用对银行从业人员工作的影响呈现出渐进性微调的特点。最后,依据人工智能对银行工作的影响效果提出培训复盘与智能测评并重,人工赋能与机器赋能同步,人才培养与人才激励兼顾等管理策略。     

对人工智能现在和未来的思考

1956 年夏季,在美国达特茅斯(Dartmouth)大学,麦卡锡(McCarthy)和明斯基(Minsky)等人共同组织了用机器模拟人类智能问题的小型研讨会,其学术本质是探讨认知领域的复杂信息处理问题,并首次使用了"人工智能"这一术语[1].人工智能已经走过了60 多年的辉煌历程,期间最吸引人们眼球、引起轰动的就是不...     

人工智能产业该如何应用与落地?

<正>当前,国内人工智能领域一批优秀创业企业如雨后春笋般茁壮成长,从人工智能的底层技术,如语音识别、图像识别、机器视觉等,到人工智能的应用场景落地,一批企业在时代机遇与挑战中不断抉择与尝试……从上海市临港国际人工智能产业研究院(Slailab)发布的"aiindex"—2018年度人工智能创新实践领军企业榜单中不难窥出一二。让我们一同来看看,这些企业是怎样将人工智能产业加以应用落地的。     

人工智能的“斯普特尼克时刻”?

正1956年夏天,十余名科学家在美国达特玛斯学院举行的一次探讨用机器模拟智能的研讨会上,首次提出了"人工智能"概念。之后,美国的国防高级研究计划局(DARPA)项目、欧洲的"尤里卡"计划以及日本政府主导的高科技计划中,都出现了探索人工智能的项目。美国国防部从上世纪七八十年代开始,将人工智能作为新技术"高边疆"进行投资,其在1984年制定的"战略计算与生存能力计划"为开展人工智能和机器人研发应用奠定了     

计算能力或将成AI诊疗的又一“胜负手”

正数据、数据,还是数据。在医学人工智能(AI)领域,无论是医学影像识别、智能机器人,还是辅助诊疗、药物研发,都离不开庞大的医疗样本大数据作为机器训练的基础。仅靠"读书百遍、其义自见"就能培养"超级医生"吗?日前,国内首个专用于医学图像人工智能技术的研发平台"神农1号"(SINOSEEDS)超算中心诞生。这不禁让人思考:面对同样的医疗大数据进行学习,也有"聪明孩子"与"笨孩子"的区别。     

利用Grid的动态属性进行动态设计

在运用VisualFoxPro开发数据库应用系统时，我们经常需要用表格（即Grid对象）来显示和操作多行数据。文章就如何利用Grid对象的动态属性来动态控制表格的显示，比如高亮度显示当前记录行、将表格的奇偶行分别用不同的颜色显示等等，作了一些初步的探讨。     

人工智能在介入医学中的应用：现状与展望

人工智能是信息学的分支,包含了自动数据收集、处理、分析等过程。当前,人工智能与医学各专业结合越来越紧密,特别是医学影像方面,还诞生了影像组学。在介入医学方面,人工智能主要在患者筛查与治疗方案制定、风险预测和疗效评估、虚拟手术室等应用场景中发挥重要作用,它能帮助介入医师提高工作效率、手术安全性以及提供患者个体化治疗需要。未来还可以利用人工智能的自然语言处理,广泛收集病历资料,构建大数据,深化人工智能与影像组学的融合,提高疾病特别是肿瘤诊断和预测的准确性,并依托人工智能的高效率来优化手术室管理。