要强大的“黑匣子”,还是“可解释”的机器学习?| 清华AI Time激辩

  • 时间:
  • 浏览:2

煮酒论AI,看看大牛为何在么在说

2017年ACL的五个NLP深度图学习趋势 (二):可解释性和注意力(Interpretability and Attention)

最新信息瓶颈理论,打开深度图学习的万能黑匣子

AI研究的盲点:无解的神经网络内在逻辑

数据科学、机器学习和AI的区别

埃森哲推出AI测试服务,深度图学习算法的“黑匣子”难题或将不再

商汤科技徐立:AI 将在10 年内创造一一另另4个印度和联 国的总产值

AI算法透明时要时要,黑箱和可解释性可繁复为优化难题

Jeff Dean和李飞飞在清华谈AI:非常Excited,必须一口吃成胖女人 人

揭秘人工智能(系列):深度图学习是不是过分夸大?

唇枪舌战,7位顶级专家激辩“AI + 医疗”(上)

2017年ACL的五个NLP深度图学习趋势 (二):可解释性和注意力(Interpretability and Attention)

独家对话AAAI、ACM、ACL三会会士Raymond J. Mooney | 香侬专栏

CCAI 2017 | 刘燕:艺术与人工智能的明天——人机信任合作者者

三巨头激辩AI:吴恩达特龙针锋相对,李开复反对脑后插管

2018年AI和ML(NLP、计算机视觉、强化学习)技术总结和2019年趋势(下)

BAT三巨头激辩AI:李彦宏称强人工智能不要再到来;马云说So TM What

AI研究的盲点:无解的神经网络内在逻辑

再见AI黑匣子:研究人员教会AI进行自我解释

AI Time 第二期:论道自动机器学习与可解释机器学习