人工智能热度很高，但泡沫也很大。人工智能在视频领域的应用已经走入寻常人的生活，人脸识别，视频自动抠像技术已经比较成熟。除此之外，人工智能还能为视频应用带来哪些变化呢？鲍金龙撰文，描述了人工智能在视频应用中的实践探索，涉及编解码器、超分辨率等。

人工智能进入了一切领域——从自动驾驶汽车，到自动回复电子邮件，再到智能家居。 你似乎可以获得任何商品(例如医疗健康，飞行，旅行等)，并通过人工智能的特殊应用使其更加智能。所以除非你相信事件具有终结者般的转折，你可能会问自己，人工智能能够预示着工作场所或整体的业务线的什么利益。

日前，Uber 官网上的一篇文章详细介绍了基于 NLP 和机器学习构建的 COTA 客服系统。利用该系统，Uber 可以快速高效地解决 90％ 以上的客服问题，雷锋网 AI 研习社将原文编译整理如下：

Swift-AI - Swift高度优化的人工智能和机器学习库

对于很多开发人员而言，大数据应用的开发尚未上手，人工智能又已经泛滥，当前大数据公司也逐渐向人工智能靠拢。是否人工智能将成为应用的必要属性？开发人员应当如何透过现象直面技术本质并充实自身的技能？日前，明略数据董事长吴明辉接受CSDN记者专访，基于他的教育背景与创业实践解析了大数据与人工智能的技术脉络，以及明略数据面向人工智能技术的最新布局，包括对未来研发重点的思考。何去何从，开发人员可以从中得到启发。

几千年来，人们就已经有了思考如何构建智能机器的想法。从那时开始，人工智能 (AI) 经历了起起落落，这证明了它的成功以及还未实现的潜能。如今，随时都能听到应用机器学习算法来解决新问题的新闻。从癌症检测和预测到图像理解和总结以及自然语言处理，AI 正在增强人们的能力和改变我们的世界。

谷歌的 DeepMind 团队在今年 3 月刚刚使用 AlphaGo 击败了围棋世界冠军李世乭，现在他们终于把注意力转向了经典即时战略游戏《星际争霸 2》。

贪吃蛇游戏的人工智能算法实现。

在过去一年中，我们看到了很多某种人工智能算法在某个医疗检测任务中 「超越」人类医生的研究和报道，例如皮肤癌、肺炎诊断等。如何解读这些结果？他们是否真正抓住医疗实践中的痛点、解决医生和病人的实际需要? 这些算法原型如何落地部署于数据高度复杂、碎片化、异质性严重且隐含错误的真实环境中？这些问题常常在很多「刷榜」工作中回避了。事实上，从最近 IBM Watson 和美国顶级医疗中心 MD Anderson 合作失败的例子可以看出，人工智能对医疗来说更应关注的任务应该是如何帮助医生更好地工作（例如生成医疗图像报告、推荐药物等），而非理想化地着眼于取代医生来做诊断，并且绕开这个终极目标（暂且不论这个目标本身是否可行或被接受）之前各种必须的铺垫和基础工作。因此与人类医生做各种形式对比的出发点本身有悖严肃的科学和工程评测原则。这些不从实际应用场景出发的研究，甚至无限放大人机PK，对人工智能研究者、 医疗从业者和公众都是误导。

大数据和人工智能的浪潮正在席卷全球，众多热门词汇蜂拥而至：人工智能（Artificial Intelligence）、大数据（Big Data）、云计算（Cloud Computing）、机器学习（Machine Learning）、数据挖掘（Data Mining）、深度学习（Deep Learning）、强化学习（Reinforcement Learning）和数据库（Databases）。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、一知半解。

人工智能(AI)含义宽泛，从聊天机器人到自动驾驶汽车的很多东西都可以用这个词来描述。市场营销人员很喜欢赶时髦，乘着这股东风推销产品。

《IBM发布首个深度学习类脑超级计算平台IBM TrueNorth》 ：IBM 日前发布了一款用于深度学习的类脑超级计算平台 IBM TrueNorth。新智元芯片专家群的几位专家讨论后认为：TrueNorth 虽然与人脑某些结构和机理较为接近，但智能算法的精度或效果有待进一步提高，离大规模商业应用还有一段距离；但从长远来看，研究类脑计算是通往强人工智能的有效方法

Adam Harley的卷积神经网络3D视觉化模型能够让你一窥人工智能的内部工作。

从门户时代的专业传播，到用户参与的 web2.0 时代，再到多媒共生的众媒时代，如今媒体已经进入了『人机共生，万物皆媒』的智媒时代（SmartMedia）。