AI文章和报告中运输

1 - 人工智能系统将亮相网络，以提高其性能

信息提取包括分类存储在纯文本数据项，并且是机器学习研究的科学家的一个重要领域。上周，来自麻省理工学院的一个研究小组在介绍协会关于自然语言处理实证方法计算语言学会议的新途径信息提取的机器学习系统，并赢得了最佳论文奖。相反，尽可能多的数据可能，球队的获胜方式采取不同的路线，侧重于更小的数据集喂养他们的系统，人类所使用的类似的过程 - 如果你正在阅读一份文件，你不明白，你可能会做在网络上搜索，找到的文章，你是能够理解的。这种新的系统方法做类似的东西;如果系统的信心分数是评价一个特定的文本低，它会查询更多信息，从网上拉起的新文章了一把，与一组特定条件的相关性。在未来，这种模式可能会在审查数据库应用到稀疏的数据，并节省大量的时间。

1 - 卡内基梅隆将$ 1000万从所构成的人工智能K＆L盖茨要研究的伦理问题

由于“机器学习”一词日益升温，在“机器人”（如谷歌趋势表示）的兴趣并没有太大的在过去三年改变。因此，如何一个地方的多是有机器人机器学习？

“机器学习”是听到过更经常在启动和比“人工智能”大数据界的术语，有趣的是，谷歌趋势确认什么是已经通过技术小道消息听到：

有一两件事，所有的新兴企业需要什么？一个伟大的标语。请参见“大脑的botsTM”，并自动认为Neurala，总部位于波士顿的公司在开发大脑模仿软件的成本效益，高效率，更智能机器人的前沿。与Neurala的CEO Massmilano范思哲最近的一次采访揭示了该公司的渊源，发展，以及对未来的憧憬光。
Neurala在2006年开始了它之后，范思哲和同学的博士研究生，谁是波士顿大学攻读计算神经科学，参加了创业的历程“为了好玩”后来才知道神经基础的技术有深刻的商业意义。这些经验反馈的想法萌生到Neurala的种子。该组织的第一个项目是与其他BU的同事，谁是致力于开发为美国陆军狙击手检测机器人协作。之后的最初几年中采取更consultory方法，Neurala决定在2011年建立一个软件业务。