我是谁？你想过吗？ 当我有了对生死的思考的时候，就对死亡很恐惧。总是希望如果人能永生该多好。随着科技的不断进步，很多不可能的事情变为可能。克隆技术的出现让我们的身体的部分可以被替换。如果我们的身体大部分被替换了，那么我还是我吗。换句话说，如果我的所有记忆和思维模式，包括知识、技能、个性、记忆被移植到另外一个我的克隆身体.... 查看详情
基于网络搜索的知识库填充方法 目前公开的知识库中（比如：Freebase，NELL和YAGO），尽管数据量看似很大，但依然是高度不完善的。比如Freebase中，有70%的人出生地是未知的，有99%的人种族信息是未知的。Google在文章 Knowledge Base Completion via Search-Based Qu.... 查看详情
机器智能：强人工智能什么时候出现？ 在遗传学、纳米技术和机器人技术革命中，最深刻的是机器人技术，它所涉及的非生物智能的创造超过了非增强性的人类。较高的智能处理定然会超过低智能处理，它将令智能真正成为更加强大的力量。 在GNR中，R代表机器人技术，我们都想了解的真正问题是强人工智能，也就是人工智能超越了人类。有几个原因可以解释为什.... 查看详情
Google 的大规模稀疏数据相似对查找算法 在大量数据中找出相似的数据，是一个常见的问题。最Naive的算法需要数据量的平方级别的计算时间，这在百万以上数据量上是不可忍受的。在实际应用中没有最佳解法，需要根据数据情况设计合适的算法。Google的“Scaling Up All Pairs Similarity Search”这篇论文适用于千万.... 查看详情
机器学习中的一些注意事项 本文参考Communications of the ACM 2012年第10期的 "A Few Useful Things to Know About Machine Learning"，对其中的一些要点进行阐述。 1.泛化的重要性 机器学习的基本目标是对训练集中的样例进行泛化，这是因为不管我们.... 查看详情
对 Web 数据的高性能聚类 由于工作中需要对大量数据进行聚类，因此阅读了论文“Efficient Clustering of web-derived data sets”。该论文中的方法，从时间复杂度上来说，要优于k-means。 Web数据的特点是数据量大、高维、特征稀疏，类别和特征都符合Zipfian分布。对这类数据.... 查看详情
人工智能——指数级增长的技术 人类创造技术的节奏正在加速，技术的力量也正以指数级的速度在增长。指数级的增长是具有迷惑性的，他始于极微小的增长，随后又以不可思议的速度爆炸式的增长。如果没有仔细留意他的增长趋势，这种增长将是出乎意料的。 继续阅读 → 查看详情
当我有了对生死的思考的时候，就对死亡很恐惧。总是希望如果人能永生该多好。随着科技的不断进步，很多不可能的事情变为可能。克隆技术的出现让我们的身体的部分可以被替换。如果我们的身体大部分被替换了，那么我还是我吗。换句话说，如果我的所有记忆和思维模式，包括知识、技能、个性、记忆被移植到另外一个我的克隆身体.... 
目前公开的知识库中（比如：Freebase，NELL和YAGO），尽管数据量看似很大，但依然是高度不完善的。比如Freebase中，有70%的人出生地是未知的，有99%的人种族信息是未知的。Google在文章 Knowledge Base Completion via Search-Based Qu.... 
在遗传学、纳米技术和机器人技术革命中，最深刻的是机器人技术，它所涉及的非生物智能的创造超过了非增强性的人类。较高的智能处理定然会超过低智能处理，它将令智能真正成为更加强大的力量。
在GNR中，R代表机器人技术，我们都想了解的真正问题是强人工智能，也就是人工智能超越了人类。有几个原因可以解释为什.... 
在大量数据中找出相似的数据，是一个常见的问题。最Naive的算法需要数据量的平方级别的计算时间，这在百万以上数据量上是不可忍受的。在实际应用中没有最佳解法，需要根据数据情况设计合适的算法。Google的“Scaling Up All Pairs Similarity Search”这篇论文适用于千万.... 
本文参考Communications of the ACM 2012年第10期的 "A Few Useful Things to Know About Machine Learning"，对其中的一些要点进行阐述。
1.泛化的重要性
机器学习的基本目标是对训练集中的样例进行泛化，这是因为不管我们.... 
由于工作中需要对大量数据进行聚类，因此阅读了论文“Efficient Clustering of web-derived data sets”。该论文中的方法，从时间复杂度上来说，要优于k-means。
Web数据的特点是数据量大、高维、特征稀疏，类别和特征都符合Zipfian分布。对这类数据.... 
晓多·
新闻中心
晓多·
新闻中心