一种“仿人脑超级计算机”已经在美国空军服役。这种超级计算机采用了IBM的TrueNorth神经形态64芯片阵列，适合飞机以及尺寸、重量和功耗受限的其他嵌入式、移动和自动系统等潜在应用使用。这种电子大脑拥有超过6400万个神经元和160亿个突触，其神经突触阵列可以执行实时的模式识别和感觉处理，而且速度和精度都要高于人类大脑，功耗只需10W。

语音前端处理最为重要的目标是实现释放双手的语音交互，使得人机之间更自然的交互。这一过程中，又有哪些关键问题需要解决？

目前打出“无人商店”的招牌的企业不少，从单人/多人，半自动/全自动这两个衡量指标我们可以将它们分为4大类。涉及刷码进门、刷脸进门、刷手掌静脉进门、扫码支付、IC标签+RFID(无线射频识别) 支付、用户行为分析支付等诸多技术。

如今，几乎每个人都认为 AI 势必带来一场全面革命。汽车厂商们尤其乐意强调这些，因为机器人车将提高安全性，减少拥堵，让生活更便捷。但如何教机器学会开车是一个很大的挑战。美国车辆管理局的规则树立了一个起点，提供了一些基础概念，比如“行人量”。

在过去的五年中，深度神经网络已经解决了许多计算困难的问题，特别是计算机视觉。因为深度神经网络需要大量的计算力来训练模型，所以我们经常使用多块 GPU 或云端服务器进行分布式地训练。实际上，在深度神经网络模型经过训练后，它只需要相对较少的计算资源就能执行预测。这就意味着我们能将模型部署到低功耗的边缘设备中，并且在没有网络连接的情况下运行。

人工智能革命的来临又会为我们带来哪些新的市场机遇？IoT、移动通信和云服务到底需要怎样的芯片技术？5G射频设计的挑战与机遇又在哪里？

随着算法、计算能力和大数据这三大人工智能要素的发展，人工智能范式迁移已现端倪，技术和产业两个维度的“奇点时刻”正在临近。

在 LSTM 循环神经网络面临长序列输入时，我们应该怎样应对？Jason Brownlee 给了我们 6 种解决方案。

机器人要眼观六路，耳听八方，行走天下，胸有丘壑。而这一切都离不开一颗强劲的大脑——高性能计算平台和高效算法。

鉴于人工智能的全面发展以及合作开发自主驾驶汽车的商业和科技公司的大量声明，自主驾驶的前景似乎不言自明。科技公司和汽车制造商都坚持自己提出的在2019年到2021年之间推出首批4级/5级自主驾驶汽车的承诺。商业和投资方都理解并鼓励在自主驾驶汽车领域的这些商业愿望。然而事实真相是，工程技术人员仍在为诸多目前还没有技术解决方案的问题而烦恼。

在上周新加坡举办的 IEEE 机器人与自动化国际会议上，他们找来了游戏大作《侠盗猎车手5》，试图通过该游戏证明虚拟世界也能训练深度学习系统识别物体。这种方法靠谱吗？

科技融入职业体育会产生很奇妙的化学反应

对创业者来说，“深圳硬件厂商”是个令人生畏的群体，他们眼光或许算不上长远，但动作比大多数人都快。在硬件创业最火的时候，甚至有人讽刺道，“你们（创业者）是不是不上淘宝？”

2017年6月8日，是中国恢复高考制度 40 周年。早前我们就了解到，今年将有两位特别的考生会亮相高考，它就是成都“准星数学高考机器人AI-MATHS“，以及北京的智慧教育机器人Aidam。

Imec以OxRAM技术为基础，开发出基于电阻和磁内存单元数组的机器学习加速器，更有助于降低成本和功耗...