在余凯看来，中美之间的差距表现在两方面，一方面是人才储备的匮乏，很多高校在很长时间内并没有人工智能专业，而在美国基本上大的院校都有人工智能教授。以美国卡梅隆大学为例，设有专门的机器人研究所，其中光教授就有100多位，纵向而言，中国布局的时间也比较晚。在余凯看来，中美之间的差距表现在两方面，一方面是人才储备的匮乏，很多高校在很长时间内并没有人工智能专业，而在美国基本上大的院校都有人工智能教授。以美国卡梅隆大学为例，设有专门的机器人研究所，其中光教授就有100多位，纵向而言，中国布局的时间也比较晚。早在2012年余凯回国在百度成立了人工智能团队，担任百度人工智能研究院执行院长，在他的记忆里，当时在高校招人非常困难，很多是在招进百度之后再自己培养。早在2012年余凯回国在百度成立了人工智能团队，担任百度人工智能研究院执行院长，在他的记忆里，当时在高校招人非常困难，很多是在招进百度之后再自己培养。其次从产业链而言，谷歌(微博)或者Facebook的人工智能团队不仅可以从斯坦福等院校招人，还可以从微软、IBM、HP等大公司挖走人工智能领域的人才，“当时别的企业还想着从百度挖人，无论从科研教育还是整个产业界，起步都是晚的，规模还是小的。”其次从产业链而言，谷歌(微博)或者Facebook的人工智能团队不仅可以从斯坦福等院校招人，还可以从微软、IBM、HP等大公司挖走人工智能领域的人才，“当时别的企业还想着从百度挖人，无论从科研教育还是整个产业界，起步都是晚的，规模还是小的。”至今余凯仍会频繁去美国参加一些学术会议，让自己保持更多的思考，“国外技术创业比较多，大家探讨的是数学公式及算法，而在中国大部分在讲趋势、概念，如果PPT上放上公式就变得很无聊，心态比较浮躁。”至今余凯仍会频繁去美国参加一些学术会议，让自己保持更多的思考，“国外技术创业比较多，大家探讨的是数学公式及算法，而在中国大部分在讲趋势、概念，如果PPT上放上公式就变得很无聊，心态比较浮躁。”资本驱动之下，人工智能成为创业最火热的领域，也在加速人才的流动。根据华创资本发布的《2016早期企业薪酬调研报告》来看，人工智能和大数据领域类的早期企业在过去一年的员工离职率高达44%，人员流动活跃。资本驱动之下，人工智能成为创业最火热的领域，也在加速人才的流动。根据华创资本发布的《2016早期企业薪酬调研报告》来看，人工智能和大数据领域类的早期企业在过去一年的员工离职率高达44%，人员流动活跃。“付不起工资、抢不到人”成为人工智能企业在人才招聘方面面临的最大博弈。“人才比较少，需要的公司又多，人工智能的人员成本因此居高不下。”戴文渊表示，“我们想要寻找突破常规的人才，需要找到能够将30分的东西做到60分甚至80分的人才，例如目前做深度学习的人有很多，但迁移学习的人才就非常少。”“付不起工资、抢不到人”成为人工智能企业在人才招聘方面面临的最大博弈。“人才比较少，需要的公司又多，人工智能的人员成本因此居高不下。”戴文渊表示，“我们想要寻找突破常规的人才，需要找到能够将30分的东西做到60分甚至80分的人才，例如目前做深度学习的人有很多，但迁移学习的人才就非常少。”“德才兼备”是余凯选人的标准，所谓德即对人工智能本身的热情，愿意为之做长期奋斗，而不是短期的。“大部分人是在赶时髦，如果冰天雪地的时候心还是热的，那才叫热情”，才则是数学功底、统计功底、编程能力等等。“德才兼备”是余凯选人的标准，所谓德即对人工智能本身的热情，愿意为之做长期奋斗，而不是短期的。“大部分人是在赶时髦，如果冰天雪地的时候心还是热的，那才叫热情”，才则是数学功底、统计功底、编程能力等等。“优秀的人才、优质的研究永远匮乏，好比人工智能领域论文从每年800篇涨到3000篇，但真正出色的论文在数量上基本不会有太大变化，许多人是在随大流、挖坑灌水、解决细枝末节的问题，产生的真实价值并不大。”黄畅补充道。“优秀的人才、优质的研究永远匮乏，好比人工智能领域论文从每年800篇涨到3000篇，但真正出色的论文在数量上基本不会有太大变化，许多人是在随大流、挖坑灌水、解决细枝末节的问题，产生的真实价值并不大。”黄畅补充道。与O2O、电商等产业不同，人工智能的技术创新仍旧需要长期且基础性的理论研究工作，如何从顶层设计出发，加强人工智能基础理论研究和核心技术突破，加强人工智能科研人才、技术人才的培养与引进，才是人工智能发展的持续动力。与O2O、电商等产业不同，人工智能的技术创新仍旧需要长期且基础性的理论研究工作，如何从顶层设计出发，加强人工智能基础理论研究和核心技术突破，加强人工智能科研人才、技术人才的培养与引进，才是人工智能发展的持续动力。一派繁荣之下，正视人工智能的作用变得更为重要。“相较于告诉人们人工智能能做什么，目前更重要的反倒是告诉人们，人工智能不能做什么。”余凯笑着说道。结合当下的发展情况人工智能仍然面临诸多挑战。一派繁荣之下，正视人工智能的作用变得更为重要。“相较于告诉人们人工智能能做什么，目前更重要的反倒是告诉人们，人工智能不能做什么。”余凯笑着说道。结合当下的发展情况人工智能仍然面临诸多挑战。首要挑战就是数据不足的问题。众所周知，人工智能建立在海量数据基础之上，通过大数据训练，来优化算法模型，以人脸识别技术为例，训练这一算法模型需要至少百万级别的图片数据。首要挑战就是数据不足的问题。众所周知，人工智能建立在海量数据基础之上，通过大数据训练，来优化算法模型，以人脸识别技术为例，训练这一算法模型需要至少百万级别的图片数据。目前人工智能主要是监督式学习，有监督的训练就需要带标签的数据，因此数据的质量和精准度及输出结果密切相关。“如何剔除数据中的噪音、垃圾信息，获取优质且带有标签的数据成为新挑战，也正是因为这个原因，半监督式甚至无监督式学习方法必然成为未来的研究热点。”黄畅说道。目前人工智能主要是监督式学习，有监督的训练就需要带标签的数据，因此数据的质量和精准度及输出结果密切相关。“如何剔除数据中的噪音、垃圾信息，获取优质且带有标签的数据成为新挑战，也正是因为这个原因，半监督式甚至无监督式学习方法必然成为未来的研究热点。”黄畅说道。另一大挑战在于深度学习的推广和场景迁移能力不足，每个领域的数据都需要重新收集、标准和再训练，很难进行跨领域推广。这些挑战也是人工智能工业界和学术界急需突破的问题。“在招聘的过程中，学习深度学习的人很多，而懂得迁移学习，具备思辨能力的人很少。”戴文渊表示。反映到人才培养和教育而言，如何引导并鼓励学生进行跨领域、原创性的探索研究尤为重要。另一大挑战在于深度学习的推广和场景迁移能力不足，每个领域的数据都需要重新收集、标准和再训练，很难进行跨领域推广。这些挑战也是人工智能工业界和学术界急需突破的问题。“在招聘的过程中，学习深度学习的人很多，而懂得迁移学习，具备思辨能力的人很少。”戴文渊表示。反映到人才培养和教育而言，如何引导并鼓励学生进行跨领域、原创性的探索研究尤为重要。例如今年AAAI最佳论文来自斯坦福大学计算机科学系的Russell Stewart、Steno Drmon，他们所撰写的论文《用物理和特定领域知识让神经网络进行不带标签的监督学习》，就是将物理知识与深度学习相结合，通过跨领域研究给AI带来新的。例如今年AAAI最佳论文来自斯坦福大学计算机科学系的Russell Stewart、Steno Drmon，他们所撰写的论文《用物理和特定领域知识让神经网络进行不带标签的监督学习》，就是将物理知识与深度学习相结合，通过跨领域研究给AI带来新的。
值得注意的是，联想PC出货量的增长率已经基本接近天花板，而4年投入12亿美元研发后并不是说马上奏效，关键是能不能很快推出拥有市场影响力的产品。
只要我们发力，同时从硬件、软件、材料等多方面着手进行研究、布局，这样，中国在量子机上的发展，就不怕会落后于欧美国家。
曾经的芯片巨头，正在全面拥抱着人工智能的转型。但是前有老对手微软的压力，中有NVIDIA的截杀，后有谷歌等互联网新贵的追击，英特尔如何用人工智能未来之？
自从人工智能与机器人的发展快车道后，所谓“机器人要抢走我们工作”的新闻就没停过。虽然这些新闻中大多数都是对未来的预测和展望，但其中也有很多干货。
据BizJournals时间4月18日报道，英特尔突然取消了该公司盛大的年度开发者大会“英特尔开发者论坛”（Intel Developer Forum，简称IDF）。如今，越来越多的科技公司不再钟情盛大的公司活动，而是转而开办更多小型的集中会议。
乐视与易到创始人周航接连隔空对呛一地鸡毛，乐视钱荒再次被推到风口浪尖。4月18日凌晨，周航称，勿泼脏水，请乐视解决司机和用户的。
为推动“美国优先”，特朗普迈出收紧外籍人士签证的第一步：审查给高科技岗位高薪外籍人士发放工作签证的H1B签证制度。这可能是硅谷的烦。
面世十年，iPhone酝酿新变化。在引入OLED面板、3D传感器、升级双摄像头等变革之下，iPhone 8引领的“超级周期”近在眼前。
推荐：