作者：王嘉仪、魏子敏
华为的迅速增长并不是一蹴而就的，至少从近几年的研发投入上看，它比中国任何一家公司都努力。
欧盟下属联合研究中心近日公布了2018年度全球企业R&D研发投资排行榜(EU Industrial R&D Investment Scoreboard)。报告研究了全球经济实力爬升强劲的国家和地区，包括2500家公司2个财政年度的研发投入。这些公司占据了世界上90%商业性研发投入份额。
从这份榜单中可以看到，全亚洲仅有三个国家进...
编译：张秋玥、倪倪、Aileen
作为急诊室医生，Richard Zane经常会思考软件能够如何帮助患者。这里的难题在于工程师和医生来自不同的世界。
Zane同时也是科罗拉多州UCHealth的首席创新官。他说，他遇到的大多数技术人员从未见过医院内部是如何运作的，也没有深入了解过医生的需求。
“我们发现，科技公司往往对医疗保健的运作方式有一种先入为主的观念，”Zane告诉CNBC。他说，在并未学习相关知识的情况下，他们...
编译：王嘉仪、蒋宝尚
特斯拉自动驾驶汽车又撞了。这一次被他撞的不是开着汽车的人类，而是一个机器人，它的身价是每天2000美元，租金。
在CES开幕之际发生这样的事故，自然引起了很多人的怀疑——会不会又是一个公关噱头。因为此前俄罗斯机器人公司Promobot就曾表示，在CES大会之前就已经有一个机器人在拉斯维加斯街道上被特斯拉的Model S“杀死”。
这一交通事故发生在天堂路，当地6日晚，当时Promobot工程...
作者：魏子敏、蒋宝尚、王嘉仪
和去年一样，CES 2019国际消费电子展的第一场发布会依然由英伟达开启，这也是英伟达在2019年的第一场发布会。
英伟达的此次发布会相当高产，CEO黄仁勋宣布了两款重磅发布：
新卡RTX 2060发布，售价349美元，约合人民币2400元，1月15日下周开售。
搭载新卡的笔记本发布，17种类型，1月29日发售。
除此之外，黄教主还在现场宣布了一系列合作和新动作。
一起来看...
编译：Ivy、睡不着的iris、魏子敏
距《老友记（Friends）》最后一集播出至今已有13年之久，但人们对它热情几乎未减分毫。至少文摘菌每次吃饭的时候都会随机选择一集《老友记》佐饭。
来自印度的数据科学家Yashu Seth也是资深《老友记》粉丝，一次观看中，他开始思索，到底谁才是《老友记》中真正的主角？
是有情人终成眷属的Ross 和Rachel 吗？是讽刺幽默的Chandler 吗？是洁癖星人Monica吗？是妇女之友Joey吗？...
编译：李雷、籍缓、狗小白
2018年再次证明了IT故障是普遍而没有偏见的，它可以发生在任何国家，不论是大公司还是小公司，不论是在商业、非营利组织还是政府组织中。
下面回顾了一些2018年弄出大新闻的各种故障和其他IT问题。
航空公司：延迟仍然存在，但比前几年少
与过去三年相比，今年由于计算机相关问题导致的航班取消和延误数量略有减少，尤其是在美国。 但仍有一些重大事件发生。
...
编译：狗小白、张秋玥、Aileen 人类天生存在许多认知偏差，而这对科学进步危害巨大。科学研究倾向于偏好既有研究方法，进而导致许多研究体系中的内在特性被忽略。 因此，研究者很可能不幸花费毕生追索错误无意义的方向。回顾历史，科学长河中充斥着许多后人证明为错误因而毫无价值的研究。 Sabine Hossenfelder在她粒子物理学领域中写过这认知偏差。她在《迷失在数学中(Lost In Math)》一书中探索了一群世上最具...
编译：魏子敏、蒋宝尚、王嘉仪
新年伊始，海外媒体VentureBeat电话访谈了包括吴恩达、Yann Lecun在内的四位人工智能领域领军者，询问了他们对于过去一年人工智能领域发展的看法，以及他们认为新一年人工智能和机器学习可能产生的突破。
不约而同，几位大咖都同意，过去一年公众对于人工智能的理解有了很大进步，包括恐慌的减少和对其局限的认知。对于未来可能产生的突破，吴恩达和Yann Lecun都强调了“少样本学习”，让算法可...
作者：魏子敏、蒋宝尚、王嘉仪
一篇来自谷歌和斯坦福2017年的研究今天在twitter和reddit上被热议。
在这个让人啼笑皆非的研究里，为了完成图像转换的任务，CycleGAN在训练过程中通过人类无法察觉的某种“隐写术”，骗过了它的创造者，给自己留下了隐秘的“小抄”，然后顺利完成了任务。
这个小插曲催生的论文也因此被命名为“CycleGAN, a Master of Steganography”（CycleGAN，一个隐写术大师），被当年的NeurIPs...
编译：M.Y.Love、张弛、蒋宝尚
在世人的眼中，欧洲的人工智能发展非常强劲，虽说比不上中国和美国，但是在前面数3个数，也可能看到欧洲的影子。
但是，苹果和微软的前任高管，谷歌中国的前任总裁，著名的风险投资家和人工智能专家李开复表示，欧洲甚至没有资格获得AI铜牌奖章。
在接受采访的时，他认为以下几点是欧洲没有能力角逐前三的原因：
没有风险投资企业家生态系统；
从未建立过任何成功的消费者互...
编译：杨威
对于许多人来说，人脸识别已经迅速从技术创新阶段转变为生活使用，因为全世界至少有数百万人愿意忍受机场、iPhone或Facebook应用场景中用软件扫描他们的面孔。
但最近纽约大学AI Now研究所的研究人员发出强烈警告，不仅针对如今无处不在的人脸识别应用，还有其更邪恶的表亲：所谓的情感识别技术。该技术可以通过你鼻子的形状，嘴巴的轮廓和你微笑的方式找到你内心隐藏的信息。
这听起来像是来自从19世...
编译：Ivy、钱天培
近日，谷歌艺术与文化部的Damien Henry与英国舞蹈编导Wayne McGregor合作，共同研发了一种能够预测特定风格舞蹈动作的人工智能。
这个工具可以根据数百小时的视频片段生成自创的舞蹈编排，所有的资料都来自于Wayne McGregor自己以及他公司的十位舞者的档案。
在观看了他们的舞蹈动作视频后，AI可以抓取出这些舞蹈家的个人风格，并创造类似风格的独舞编排。
McGregor对科学和技术并不...
编译：杨威、周家旭、张南星、Aileen
2018即将收尾，2019即将开启，我们将带大家纵览专家们对AI的分析和预测。我们向专家们提了个问题：你认为2018年数据科学与分析的主要进展是什么？2019年会怎样发展？
虽然我们讨论的是数据科学和数据分析，但在大多数答案中AI都是主要内容。这些专家所提到的内容包括人工智能的进步（真实情况和炒作参半）；数据科学和数据分析的民主化，例如自助分析；以及“万事皆自动化”，例如数据...
编译：Ivy、胡笳、云舟
Edouard Harris是一名在YC创业公司工作的物理学家，他的工作就是帮助毕业新生获得第一份机器学习相关的工作。
从自己的经验出发，Harris认为，一位目标明确的应聘者如果只需要做一件事情，那就是，从准东家的立场出发，找到他们最需要的，建立一个个人的机器学习项目池。
在这篇文章中，他会告诉你如何做到这点。
当然，“押宝”有风险，各位读者模仿需谨慎。建立这样的项目是个耗时...
编译：Javen、茶西、Aileen 公民数据科学家（Citizen Data Scientist ， CDS）的概念始于2017年，在2018年火爆全球。 似乎可以将CDS看作公民科学家概念的延续，这个概念背后的想法是：技术辅助工具已经非常先进，自动化调参工具的出现、各种MOOC自学平台上课程和实验室层出不穷，所以现在，如果付出足够多的学习时间，似乎所有人都可以迅速具备收集和分析数据的能力，也就是，成为一名“数据科学家”了。 这...
监制：钱天培
1901年，天文学家、数学家Simon Newcomb表示，人类不可能造出比空气更轻的飞机。1908年，莱特兄弟的飞机试飞成功。
二战过后，美国人公开表示，长距离火箭遥不可及。没过多久，俄罗斯的巨型火箭率先进入了外太空。
时间转到今天。当AI浸入各行各业的同时，对AI的质疑也纷至沓来。AI寒冬是否又会再次到来呢？OpenAI的联合创始人兼CTO Greg Brockman在近日的一次演讲中发表了他的看法：
不...
作者：魏子敏、蒋宝尚、王嘉仪
最近几年，研究者往计算机视觉领域的顶会投的论文越来越多。下图就能明显看出这一趋势，尤其是从2016年开始，论文提交的数量成指数型增长。如此激烈的竞争也让很多研究者颇为焦虑，到底什么样的论文更容易被顶会收录呢？
来自弗吉尼亚理工学院的Jia-Bin-Huang教授利用神经网络生成了一个识别好坏论文的分类器，通过输入论文的整体版面的视觉情况（就是看“脸“）来使分类器预测一...
作者：魏子敏、蒋宝尚 每一年，《科学（Science）》杂志都会评选年度十大科学突破，今年的评选于当地时间20号刚刚新鲜出炉。除了十大年度科学突破(runners-up)外，今年还增加了三个年度科学故障（breakdowns）的评选项目，其中，贺建奎和他的争议项目基因编辑，入选这一年度最大“breakdown”。 《科学（Science）》用一个视频解释了今年的十大突破。 再一起看看这十个科学研究。 Science发...
编译：韦梦夙、张秋玥、蒋宝尚
结合了数据与机器学习的产品可成为解决用户需求的利器。它们能够创造一条可以帮你避免激烈竞争的“数据护城河”。
当前已经有了一些非常经典的案例，例如谷歌搜索引擎以及亚马逊产品推荐系统，两者利用数据与机器学习做出的改进都吸引了更多用户使用它们的产品。
但是机会并不会只青睐技术巨头：各个领域各种规模的公司都在投资它们自己的数据产品。在Coursera，我们使用机器学习帮助...
编译：张秋玥、蒋宝尚
文字语音转换圈内流传这么一则真假未知的故事：一个研究者花了数月（甚至数年）调整他/她的语音生成模型，使其语音样本听起来效果非常好。最后他们发现，他们从头到尾都误用同一语音文件进行训练，最终模型只是完全符合该语音文件特征所以才拥有如此流畅的语音样本输出。这个故事到现在都让人不寒而栗。
想象一下另一则恐怖故事：你是个小实习生，老板让你搭建一个判断识别“Yes”与“No”的语音...
