在元素周期表内多达一百多种的元素中，存在着大量潜在的新材料可用于应对我们当前遇到的技术难题和社会挑战。然而，由于缺乏导向性，特别是对于某些受制备过程影响较大的材料体系，从海量的组成空间中搜索可行方案是一个相当缓慢和昂贵的过程。
谷歌研究部门本周推出了一款AR显微镜，它可以在机器学习技术的帮助下实时地检测出癌细胞。利用一般的显微镜查找癌细胞是一个非常困难且耗费时间的过程，而且医生要研究和处理大量的信息。但是，AR显微镜能够迅速找出癌细胞，并将它们突出显示出来。
开源方法本身十分适合消除偏见程序的设计。内部谈话、私人软件开发及非民主的决策制定引起了很多问题。开源社区能够进行软件公开的谈话，进行大众化，维持好与大众的关系，这对于处理以上问题是十分重要的
机器学习方法正在成为众多学科科学探究的一部分。 机器学习（ML）是可以从数据中学习计算机算法的研究和构建。我们脑海里对新材料的发现以及化学合成基本还停留在传统的研究人员身穿白大褂，手里拿着各种化学试剂的场景。
以深度学习、自我升级为主要特征的人工智能有望将人类各方面智能拓展到极限，从而在各领域做到极致。人工智能的研发在全球如火如荼，自2015年以来，各发达国家都将人工智能列为本国高科技发展战略重点，一场人工智能全球竞赛已拉开帷幕。
传统的运维方式基本都是依赖人工和静态规则，它们无法适应于动态复杂变化的场景。而人工智能可以让运维具备机器学习和算法的能力，从而在动态变化场景的复杂条件下，能够做出高效准确的决策判断。我们需要具有从“基于专家经验”到“基于机器学习”的观念转变。
尽管人工智能和机器学习成为学术研究的热点领域已经有数十年了，但是尚未成为风险投资的主流。由于计算硬件、商品化和其他开源软件框架的发展，以及数据爆炸式增长，近十年投资机器学习和人工智能成为企业的首要事项，而投资者也开始纷纷效仿。
北京时间3月16日凌晨消息，今天，谷歌发布了《2017年度Android安全报告》。这是该公司第四次发布此种安全报告，旨在告知用户Android移动操作系统的多种安全保护层级和该系统的不足之处。此次发布的报告中的亮点在于，60.3%的潜在恶意应用（PotentiallyHarmful Apps，PHAs）都是由机器学习技术检测出来的。
长久以来，人工智能和机器学习一直被吹捧为实现自动化和提高生产力的灵丹妙药，但很多技术挑战阻碍了人们的采用。从2007年职业生涯初期开始，Google应用人工智能技术总监Ron Bodkin就一直参与开发和部署机器学习。现在，工作十多年中，Bodkin终于看到这项技术开始走向成熟。
围绕机器人程式的炒作——比如，部分或全部使用自然语言处理、机器学习、计算机视觉和其他AI技术来帮助消费者提问或解答问题、购物并完全其他事情的应用——或许已经不再似最初那样常被提及，但有一家迅速崛起的创业公司正在为创业圈构建类似的程式，其所在领域，也就是所谓的机器处理自动化，近来发展也相当迅速。
会员中心
