類似先前爆紅的 App Prisma，微軟的照相 App Pix 用上 AI 輔助。Pix 改版後更加運用 AI 的實力，加入仿藝術家風格的功能，能夠輕易將照片轉成為藝術畫。微軟 Pix App 原先就有不少協助拍攝最好照片的功能，如在一系列照片挑出沒有手震的一張，然後刪除其他張。這次 Pix App 更新加入 Pix Style 功能，能將拍下來的照片轉換為藝術畫作。微軟強調...

眼見伊波拉疫情越來越嚴重，全球知名的醫藥和生技公司都投入到找出治療方法的研究中，現在世界衛生組織就證實，2015 年 1 月時就會看到伊波拉疫苗進入到人體試驗階段。

轉載從: 開眼電影網布魯斯威利X麥克切克里斯《火線獵殺令》大銀幕正面交鋒！ 布魯斯威利與麥克切克里斯兩人因相似的「光頭」造型，時常被影迷們誤認，麥克切克里斯接受訪問說：「導演也挺大膽的，竟然不怕觀眾因為我們的髮型而混淆角色！」 googletag.cmd.push(function() { googletag.display('div-gpt-ad-1557821465943-0'); }); ...

本文為整理作者阿薩姆在知乎「未來 3~5 年內，哪個方向的機器學習人才最緊缺？」問題下的回答，對機器學習有興趣的朋友不妨參考看看。既然身在業界，那麼我就談談業界未來幾年需要什麼樣的機器學習人才。不談學界主要還是因為大部分人最終不會從事研究，而會在應用領域奮鬥。相較而言，業界對人才的需求更保守，這和學界不同。這受限於很多客觀因素，如硬體運算能力、資料安全、演算法穩定性、人力成本開支等。這個答案可能更適合兩類人：1. 在校學生。2. 工作不久想轉行的朋友。特別厲害的技術大腕建議探索適合自己的路線，而我只能談一談適合大部分人的路線。在回答前，我還是忍不住吐槽那種簡單回答 「深度學習」、「大數據」、「NLP」、「機器視覺」的人。以上領域的小方向多如牛毛，以自然語言處理（NLP）為例，細分有自然語言生成、自然語言理解，還有不同語言的語言模型。任一個方向花幾十年研究也不為過，只給幾個字答案和買彩券有什麼差別……因此大部分機器學習實踐者還是腳踏實地吧。盲目追逐熱點很容易跌進陷阱，而鞏固基礎、尋找自己擅長的領域和機器學習交叉點，可幫助你在就業市場保持炙手可熱，成為業界最想要的人才。0. 背景工業界未來需要什麼樣的機器學習人才？老生常談──能將模型用於專業領域的人，也就是跨領域讓機器學習落地的人。有人會問現在不就需要這樣的人嗎？答案是肯定的，我們需要並也長期需要這樣的人才，現階段機器學習落地還有各種各樣的困難。這種需求不是曇花一現，這就跟 web 開發是同樣道理，從火熱到降溫也過了十年。一個領域的發展有特定週期，機器學習的門檻比 web 開發高且正在日出期，所以大家致力於成為「專精特定領域」的機器學習專家不會過時。什麼是特定領域的機器學習專家？舉個例子，我以前曾回答 「人工智慧會否取代財務工作者」 時提到，我曾在某個公司研究如何用機器學習自動化一部分稽核工作，但遇到的最大困難是我自己對稽核的了解有限，而其他稽核師對我的工作不是非常支援，導致進展緩慢。所以如果你有足夠的機器學習知識，並對特定領域理解良好，職場供需中你肯定站在優勢方。以一個問題「阿薩姆：反欺詐（Fraud Detection）用到的機器學習模型有哪些？」回答為例，特定領域的知識幫助我們更能解釋機器學習模型的結果，得到老闆和用戶的認可，這才可說是演算法落了地。能寫程式碼、構建模型的人千千萬萬個，但理解自己在做什麼，並結合自己的領域知識，提供商業價值的人少之又少。調侃一句，哪個方向的機器學習人才最缺？答：每個領域都需要專精的機器學習人才，你對特定領域的理解就是你的武器。當然，給雞湯不給湯匙很不厚道，所以我會再給一些具體建議。再次申明，這裡我僅建議以就業為主的朋友，走研究路線有不同建議，本文不再贅述。1. 基本功說到底機器學習還是需要一定的專業知識，這可以透過學校學習或自學完成。但有沒有必要通曉數學，擅長最佳化呢？我的看法是不需要，大前提是要了解基本的數學統計知識即可，更多討論可看我在「阿薩姆：如何看待『機器學習不需要數學，很多算法封裝好了，調個包就行』這種說法？」的答案。最低程度我建議掌握五個小方向，對於現在和未來幾年內的業界夠用了。再次重申，我對演算法的看法是大部分人不要造輪子、不要造輪子、不要造輪子！只要理解自己在做什麼，知道選什麼模型，直接呼叫 API 和現成的工具包就好了。 回歸模型（Regression）。學校課程其實講更多分類，但事實上回歸才是業界最常見的模型。比如產品定價或預測產品的銷量都需要回歸模型。現階段比較流行的回歸方法是以數為模型的 xgboost，預測效果很好，還可以自動排序變數重要性。傳統的線性回歸（一元和多元）也還會繼續流行下去，因為良好的可解釋性和低運算成本。如何掌握回歸模型？建議閱讀《Introduction to...

「華生」其實就是一部人工智慧機器──IBM 赫赫有名的 Watson。據日本東京大學報導，近日 IBM 人工智慧 Watson 利用 10 分鐘時間診斷出一名 60 歲女病人患上罕見的急性骨髓性白血病，還找到最適合她的療法，目前患者已經可以出院。在此之前，該患者在東京大學醫科學研究所進行了半年的治療，而且病情改善很慢，醫生對其病症遲遲不能確認，曾懷疑其患有敗血症。到底 Watson 是如何用短短的 10 分鐘診斷出醫生一直沒確認的病情呢？報導稱 Watson 將病人的基因變化與 2,000 萬篇癌症研究論文數據庫進行比較，提供準確的診斷並且提出先進且適合的治療方案。由於基因數據很大，要對病人病情進行診斷又需要足夠多的對照數據，而且要將數據導出做為研究樣本，因此對於復雜的病情，醫生往往很難在短時間能做出診斷。而人工智慧 Watson...

用肉眼看不出來的細胞要怎麼樣才能移動他們呢？由麻省理工大學、賓夕凡尼亞州立大學以及卡內基美隆大學的合作團隊有答案，他們一同發明新的技術「聲波鉗」，能夠在立體的空間內利用聲波操縱細胞。