语音识别的模型层出不穷，其中语言模型包括了N-gram、RNNLM等，在声学模型里面又涵盖了HMM、DNN、RNN等模型...

中国和美国的深度学习处理器，哪一款产品能在商业上取得成功，很大程度上取决于技术以外的因素。就现在情况来看，大家基本处于同一起跑线，鹿死谁手，还未可知。

拉菲罗·安德烈，这位无人机教父还有另一个别称，就是“无人机魔术师”，因为他可以让无人机玩出各种让人意想不到的花样，就像有魔力一样。

三年前的“百度大脑”就已经具备了两三岁孩子的智力水平。百度今天同时拥有超大规模的计算资源、中国最大的GPU集群以及国内最为丰富（如果不是之一的话）的搜索、图像、视频、定位数据，那么，百度今天的“大脑”已经成长到了什么水平呢？

对于识别来说，首先要保障的是远场环境下的识别率，除了前面提到的麦克风阵列解决了前端声学的问题，还要有专门针对远场环境下，基于大量数据训练的声学模型，这样才能保证识别率满足交互需求。

在这场有关AI（人工智能）未来的战争中，英特尔表现得越来越激进。在最近发布的一些基准测试中，英特尔宣称Xeon Phi处理器比英伟达的GPUs快2.3倍。

360的团队演示如何通过干扰传感器，来让车上的半自动驾驶系统做出错误的决定。

当今各界对机器人视觉的关注，并不是能够实现完美抓物的核心问题。除了视觉，推动机器人抓物发展的还有另一样东西：触觉智能。

运动竞技开始不再像过去一样，只是由当初力量和技巧的比拼，在开始有大量运动装备的参与后，先进的科技变成现代体育竞技背后的隐性竞争。

EDN成立60周年之际，作为其庆祝活动的一部分，我将预测一下在下个60年，我感兴趣的十个消费类相关技术主题（包括可能灭亡的主题）将会如何演变。

在演讲中，最吸引眼球的则是王小川在大会上演示时，语音却可以实时转化为文字并上屏的技术。让小编带大家去深挖一下这一亮点技术是如何实现的，竞争对手及业内人士又是如何评价这一技术的呢？

Facebook 借助工具 Big Sur 训练人工智能，并持续分享其数据和工作原理。

自动驾驶系统是否应该不惜一切代价来保护它们的乘客，还是应该通过编程选择牺牲乘客，从而保护他人？

总体来说，几大无人机厂商的各个发展方向，在技术层面并无革新性突破，但近几年来无人机行业频频受到风投行业的亲睐，尤其是高通、GE、Intel等行业巨头都不惜重金投资无人机企业

基于多模态（简单说就是影像+传感器）的环境和交互理解，是两个充满了各种或明或暗的坑的领域，足以让很多假的猛士知难而退。