ai

人工智能PM系列文章(一)AI产品经理,应掌握哪些技术?

AI产品经理应该懂技术吗?应该掌握哪些技术?AI产品经理应该懂技术吗?美国的麻省理工学院(Massachusetts Institute of Technology)专门负责科技成果转化商用的部门研究表明:每一块钱的科研投入,需要100块钱与之配套的投资(人、财、物),才能把思想转化为产品,这样的情况还是在不考虑产品是否被市场认可的前提下。1:100,就是科学家的专利到产品

2018 AI 产品趋势:喧嚣的追风者和静默的收割人

HomePod终于发售了,看似迟到的苹果,却是有更大的考量。AI浪潮太喧嚣,拉长视角,谁在打肿脸,谁在等着收割?毫无疑问,在消费科技品领域,AI产品有泡沫。故事要从2014年说起。那一年底,亚马逊低调发布了智能音箱Echo,苹果发布了第一代Apple Watch智能手表。比起AI浪潮,那个时候大家谈论更多,是智能硬件、可穿戴设备。Fitbit和Jawbone,小米和bong

陆奇加盟百度一年:百度 All in AI,李彦宏 All in 陆奇

本文转自公众号“腾讯深网(ID:qqshenwang)”,作者:韩依民。陆奇扭转了局面,至少从百度过去一年的股价表现来看是这样。与同处第一阵营的腾讯阿里相比,百度的市值仍旧落后许多,但这一上升势头,依然为百度赢得了不少资本市场以及舆论对其的信心——信心所换取的时间,正为百度当前急需,它需要时间去实践新故事。在过去的 52 周里,百度股价最低为 166 美元,最高为274.

分析称 99% 的公司在接触 AI,谁能跑赢谷歌、微软们?

除非你创造了通用的多用途人工智能,否则就没有免费的午餐。即使你是风投的宠儿,你也必须为你的客户走到终点。即便有了TensorFlow或OpenAI等人工智能框架的支持,相比主流网页开发人员,人工智能仍然需要深层知识和理解。如果你已经建立了一个工作原型,你就可能是这个房间里最聪明的人。恭喜你,你成了高级俱乐部的成员。在Kaggle上,你甚至可以通过解决现实世界的项目赚到可观的

科技巨头新策略:用开源吸引 AI 社区成员,然后控制一切

研究在AI发展中起着至关重要的作用。这些科技巨头必须尽其所能助力AI的发展。编者按:本文编译自Venturebeat原标题为Tech giants are using open source frameworks to dominate the AI community的文章。根据最近麦肯锡全球研究所的数据,去年谷歌和百度等科技巨头在AI上花费了200亿到300亿美元。这其

AI有1%的问题

人们过度神话了AI,认为他无处不在,但现实并非如此。现在关于人工智能有大量报道,有的认为人工智能有益,也有人担忧人工智能会对人体有害。Databricks公司联合创始人兼CEO Ali Ghodsi 要大家保持克制。Databricks来自加州大学伯克利分校AMPLab实验室,致力于ApacheSpark的开发。Ali Ghodsi说为他们公司500名客户提供的服务中有73

创新工场李开复:AI的强大与虚弱

人类最重要的器官,不是大脑,而是内心。虽然物理学家霍金说人工智能的崛起可能是人类文明的终结,Elon Musk也多次强调人工智能可能带来的威胁,并坚称人工智能将毁灭人类,最多只有10%的几率让它更安全。不可否认,AI的快速发展将给每个个体带来一系列的挑战,但李开复博士坚定站在AI的乐观面。为什么他非常乐观地看待AI的发展?我们如何有效应对AI带来的挑战?成功的抗癌经历让他更

AI:连漫画都看不懂,谈什么毁灭世界?

任何事物都有其局限性,AI也并非无所不能。作为一个AI垂直自媒体的作者,我工作中的很大一部分就是替AI“带路”,然后告诉人类读者们,你们的这项和那项工作都要被AI替代了。一直以来,人类似乎都站在一个毫无还手之力的弱势地位,或许未来真的像一些悲观者想象中那样,我们有AI司机、AI售货员、AI诗人,但人类自己却成了可怜的乞讨者。直到今天,我第一次发现有一项工作AI在一段时间以内

AI产品之路(二):机器学习

关于机器学习,你了解多少呢?上篇文章里,主要分享了关于机器学习、深度学习的基本概念和他们之间的区别,最后介绍了有监督学习方式中的回归。其实我在最后留下一点小问题,那就是如果数据不是线性关系的话,怎么回归?这篇文章就会回答这个问题,主要分享监督学习和非监督学习中的三大类:监督学习方式下,回归中的“非线性回归” 监督学习方式下的“分类” 非监督学习方式的“聚类” 关

AI+ 招聘的第一站,也许是为共享经济提供员工背景审查

降低用户对外卖、快递和网约车的担忧,是AI提升社会效率的另一种方式在人工智能产业结合的诸多可能性当中,人工智能+招聘服务很可能是最复杂的。毕竟这东西涉及最复杂的资源:人。人才资源的资质、证书、业绩、履历加在一起,可能组成一个极为复杂的迷宫。而且很多时候招聘之间的感觉和判断非常微妙,需要依靠HR经验与思考的地方非常多。用AI替代人类,绝对个任重道远的工程。但另一方面,人力资源