-
MIT最新研究:從胺基酸鏈片段直接預測蛋白質功能
就在幾個月前，DeepMind推出了AlphaFold系統，這個被稱為生物界「AlphaGo」的系統能夠預測並生成蛋白質然而，儘管有了數十年的研究和多種成像技術的輔助，我們仍然只了解到了無數蛋白質結構中的很小一部分，還有很多未知結構的蛋白質功能尚未揭曉。針對這一情況，來自MIT的研究人員開發出了一種方法，「學習」了蛋白質序列中每個胺基酸位置上容易計算的表徵。隨後，研究人員將這些表徵輸入機器學習模型，讓模型直接預測單個胺基酸片段的功能，而無需任何蛋白質結構的數據。
-
「蝴蝶效應」也能預測了?看機器學習如何解釋混沌系統
最近，美國馬裡蘭大學的研究表明，人工智慧算法可以預測混沌系統的發展趨勢。 在用Kuramoto-Sivashinsky方程的演進數據進行訓練後，計算機算法可以近似地預測火焰系統在未來八個李亞普諾夫時間（Lyapunov times）長度的演進。李亞普諾夫時間表示混沌系統的兩個幾乎完全相同的狀態需要多長時間才能呈指數發散。
-
前沿| MIT研發語音關聯的圖像識別系統,一次破解所有語言
語音識別系統，如手機上將語音轉換為文本的軟體，通常是機器學習的產物。計算機通過研究數以百萬的音頻文件和它們的轉錄，學習得到音頻的聲學特徵與詞語類型的對應關係。但目前轉錄是一項昂貴、費時的工作，因此語音識別的研究只限於少數經濟發達國家的語言。
-
前沿 MIT研發語音關聯的圖像識別系統,一次破解所有語言
MIT 研究人員研發了一種新的訓練語音識別系統的方法，它不依賴於轉錄抄本（transcription）。相反，這個系統的工作方式是分析圖像間的關聯和圖像的語言描述，而這些語言描述是在大量的音頻記錄中捕獲的。點擊閱讀原文查看論文。語音識別系統，如手機上將語音轉換為文本的軟體，通常是機器學習的產物。
-
像人類一樣預測物理世界有多難?新的機器學習方法正在攻克該難題
研究人員相信，通過一步步構建擁有上述能力的計算機系統，他們最終能夠幫助搞清楚關於人類在智力發展各個階段是如何使用哪些信息來處理問題的。在這個過程中，研究人員甚至可能得到一些用於研究機器人視覺系統的新思路。
-
以人為本的機器學習:谷歌人工智慧產品設計概述
只需要一名隊友扮演一方與「人工智慧」聊天 快速提示：巫師研究的參與者們與他們所認為的人工智慧系統進行互動，但是該自主系統實際上由人控制（通常是一個隊友）。 讓一個隊友模仿機器學習系統的行為，比如聊天響應、為參與者建議應該呼叫的人選或者作出電影推薦，這些行為可以假裝正在於「智能系統」進行互動。
-
...封面:MIT研究者用AI系統發現超強抗生素,能殺滅多種超級耐藥菌
然而，新的神經網絡可以自動學習這些表徵，將分子映射成連續的向量，然後用來預測它們的性質。Collins 在此之前已經開發出了可以訓練分析化合物的分子結構和關聯它們與特定特徵的機器學習計算機模型。在此基礎上，研究人員設計了尋找使分子有效殺死大腸桿菌的化學特徵的全新模型。
-
科學家使用機器學習模型加速理論物理研究
「這項特殊的工作表明，我們可以利用內置的粒子和核物理標準模型的對稱性來構建機器學習架構，並將我們的目標採樣問題加速幾個數量級。」這個月的論文是一系列旨在使目前難以計算的理論物理研究成為可能的論文中的一篇。「我們的目標是為理論物理學中數值計算的一個關鍵組成部分開發新的算法，」Kanwar說。
-
機器學習未來十年:你需要把握的趨勢和熱點
此次比賽成為AI歷史上裡程碑式的事件，也讓強化學習成為機器學習領域的一個熱點研究方向。強化學習是機器學習的一個子領域，研究智能體如何在動態系統或者環境中以「試錯」的方式進行學習，通過與系統或環境進行交互獲得的獎賞指導行為，從而最大化累積獎賞或長期回報。
-
NRC發布地球系統可預測性研究與發展研討會摘要
然而，在更廣泛的現象中繼續加速進展以提供可行的預測需要與用戶深入和持續的互動，了解可預見性和可預測性基礎的理論缺陷，提高建模、目標觀測、計算能力等基礎設施和資助，並特別關注地球系統科學和應用程式的可預測性研究。該研討會的目的是作為一種機制，徵求關於聯邦政府應該採取哪些方向的反饋意見，以提高對這些限制的理解。
-
MIT研發出腦控機器人:可使用腦波為機器人糾錯
選自news.mit.edu作者：Adam Conner-Simons機器之心編譯參與：微胖、晏奇、吳攀MIT 研發出的反饋系統能夠讓人類操作者僅通過大腦信號就能實時糾正機器人做出的選擇。研究論文可點擊閱讀原文查閱。為了讓機器人按照人類想法行事，它們就得理解我們。
-
法國研究人員研發新系統識別人類行為,準確率達...
同時，該系統基於水庫計算（Reservoir Computing）範式，經過訓練可以使用原始幀作為輸入，或使用定向梯度直方圖（Histogram of Oriented Gradients）提取一組特徵，以訓練識別來自KTH人體行為資料庫中六個人的動作。
-
Python機器學習7:如何保存、加載訓練好的機器學習模型
本文將介紹如何使用scikit-learn機器學習庫保存Python機器學習模型、加載已經訓練好的模型。學會了這個，你才能夠用已有的模型做預測，而不需要每次都重新訓練模型。本文將使用兩種方法來實現模型的保存和加載：Pickle和joblib。
-
MIT周博磊:CV本質上是一門科學研究
周博磊目前是 MIT 在讀博士生；知乎深度學習（Deep Learning）、機器學習、人工智慧話題優秀回答者，目前有近兩萬的知乎關注者。在 CVPR 2017 上，周博磊牽頭分別組織了一個 tutorial (http://deeplearning.csail.mit.edu/) 和 workshop (http://sunw.csail.mit.edu/)，獲得了不錯的反響。
-
物理所等利用機器學習方法預測材料性能獲進展
最近，中國科學院物理研究所/北京凝聚態物理國家實驗室（籌）汪衛華研究組博士研究生孫奕韜在研究員汪衛華、白海洋及中國人民大學物理系教授李茂枝的指導下，使用機器學習的方法，對二元合金的玻璃形成能力進行了系統分析，建立了合金成分與性能之間的關聯，並對可能的新材料進行了預測。
-
「機器行為學」正式誕生!MIT、哈佛等23位作者Nature長文綜述
因為很多現有的 AI 系統源於使用日益複雜的數據的機器學習手段，研究機器行為背後的機制，如上文所述，將需要繼續研究機器學習的可解釋性方法。除了前所未有的響應速度之外，機器學習的廣泛使用，自主操作和大規模部署的能力都是促使我們相信機器集群的交易行為本質上與人類交易者不同的原因。此外，這些金融算法和交易系統必須在某些歷史數據集上進行訓練，並對有限的各類預見情景作出反應，從而導致了難以對設計中新出現和無法預見的情況作出反應的問題。
-
機器學習時代的體驗設計(上):對創造人類行為學習系統的設計師和...
我們定義了一種不同的體驗設計，即人類行為學習系統用戶體驗。這是一個新的嘗試，因為：它創造了新的用戶體驗類型。它重新定義了人與機器之間的關係。它要求設計師和數據科學家之間緊密合作。接下來將會具體闡述這些內容的含義。新型用戶體驗如今，許多數字服務的設計不僅依賴於數據操作和信息設計，還依賴於用戶學習系統。
-
機器學習模型成為NASA最新預測颶風強度的背後技術
傳統上，在風暴或颶風醞釀時就預測它的危害程度是一個挑戰。然而，美國宇航局的新機器學習模型可以提高預測的準確性，並提供更好的結果。這個模型是通過提取多年的衛星數據訓練開發出來的，它聲稱可以預測颶風的強度，預報也更加準確。這使得人們可以在風暴真正來臨之前就做好準備。
-
人工智慧視域下機器學習的教育應用與創新探索
（三）機器學習的發展現狀機器學習的研究主要分為基於小數據和大數據環境下兩類。一般而言，小數據指的是基於內存的數據。基於小數據環境下的機器學習通常被認為是傳統的機器學習，研究問題主要包括理解並模擬人類的學習過程、研究計算機系統和人類用戶之間的自然語言接口、針對不完全的信息進行推理的能力、構造可發現新事物的程序[15]。
-
——機器學習算法有望實現地震的精確預測
Machine-Learning Algorithm Predicts Laboratory Earthquakes近日，美國新墨西哥洲「洛斯阿拉莫斯國家實驗室」團隊訓練了一個機器學習算法來試圖預測地震，該團隊還不確定這一技術能否用於現實地震的預測，目前僅為實驗室環境成果，但這項技術可能為地震預測領域的研究開闢了一條新的路徑。據統計，被地震奪走生命的人員數量十分驚人。