【一周·精选】过去7天最值得收藏的10篇科技长文

量化大脑第一人发现了什么、深度学习批评者如何构建人工智能、量子力学可以解释大脑思考能力吗?机器之心一周精选,汇总过去七天最值得阅读收藏的深度长文。

这个量化大脑的第一人发现了些什么?

罗素·波特拉克教授(Russell A. Poldrack)并不完完全全是一个普通人。他同样要每天吃早饭、喝咖啡、上班,看起来跟普通人没什么两样。但是,在很长的一段时间里,他都会花很大功夫仔仔细细地记录他平凡而日复一日的生活。像很多人一样,他会留心自己每天吃什么,但是他会记录下自己吃的任何东西。像很多人一样,他的情绪也会有高有低,但是他每天都会多次通过回答问卷的形式,严格记录下这些情绪。还有一点他和大多数人不同,那就是:在过去的一年半里,每周二和周四,他都会接受一次核磁共振扫描......

批评深度学习的Gary Marcus能让人工智能更接近人类吗?

像任何一个自豪的父亲一样,Gary Marcus 非常乐意谈论他两岁儿子的最新「成果」。但更不寻常的是,他相信蹒跚幼童的学习和推理方式中蕴含着让机器更加智能的秘密。「在一个理想的世界中,我们能知道儿童是如何做到的,大脑回路是如何参与的,以及他们所进行的计算。但是神经科学依然是一团迷雾。」,而他就要搞懂儿童是如何学习和推理的......

量子力学能否解释大脑的思考能力?

人类的大脑为何具有如此复杂的思考能力?这背后是否有量子力学的加持?科学家们争论不休。物理学家 Matthew Fisher 给出了自己的答案。

你脑中的记忆能被看见吗?它既是晶莹的彩球也是纷繁的电流

在《哈利·波特》系列电影中,它们是从魔杖尖流出的银光,在最近的皮克斯电影《头脑特工队》(Inside Out)中,它们是放在脑海中架子上的小光球。但是真正的记忆是什么样子的呢?大脑如何从外界获取信息并将其存储而后用于检索呢?大脑的存储库在哪儿?它们长什么样,是如何工作的?

在发掘Bob Dylan时,大数据和人类直觉做出截然不同的决策

过去,音乐行业严重依赖于直觉。John Hammond 就是后来音乐界被称为「星探」(A&R:artists and repertoire)那一类人的原型。在流行音乐的鼎盛时期,成为一位星探是人们梦寐以求的工作:有人花钱请你去看演出,还能和一心想得到你认同的音乐家们约会!如果你成功发掘出了一两位成功的艺人,你就能得到人们的交口称赞:拥有一对「好耳朵」,并且获得丰厚的收入。但是星探的「好耳朵」可比不上算法。

机器学习在大数据分析上成绩斐然,却令数学家大惑不解

几年前的一次晚餐上,杰出的微分几何学家 Eugenio Calabi 主动半开玩笑地和我聊起了纯粹数学家和应用数学家的区别。研究遇到难题时,纯粹数学家经常进一步窄化难题,避免障碍;但应用数学家会把卡壳视为信号——是时候学习更多数学知识,找出更好的解决办法了。而这刚好解释了为什么应用数学家总是需要更为基础的数学领域研究出来的新概念和新结构。这在今天人们努力理解「大数据」(非常庞大和复杂,难以用传统数据处理技术进行理解的数据组)的过程中,显得尤为明显。

斑马的条纹是怎么形成的?60多年前的图灵早已洞悉一切

1952 年,一位数学家公布了一组方程式。他试图通过这一组方程式来解释自然界中各种图案的来源,像是斑马的黑白条纹、植物茎叶的回旋卷曲、细胞在构成器官时复杂的聚集和折叠方式。这位数学家的名字叫做阿兰•图灵(Alan Turing)。听到图灵还有研究斑马条纹的兴趣时,也许还会让人觉得有些奇怪。事实上,这只是他对心智和生命基本性质的研究的延伸。

2016年机器智能2.0是个什么样子?

Shivon Zilis 是彭博社旗下初创基金 Bloomberg Beta 的合伙人,主要聚焦数据和机器智能的早期投资,尤其对智能工具和产业应用感兴趣。一年前,她曾率先试着勾勒出机器智能生态系统,而现在,她发布了机器智能的 2.0 版本。

机器黎明:2015年机器人进化回顾及展望

2015 年,各种各样形态的机器人在不同的应用领域不断出现,机器人行业的投资(2014年大约是3.4亿美元)在不断水涨船高,伴随而生的当然是更多的机器人创业公司。硬件创业孵化器 Hax 2015 年总投资额的三分之一都进入了机器人行业。

七步打造深度学习专家

第一步,了解什么是机器学习,最佳入门资源就是 Andrew Ngs (Ex-Google, Stanford, Baidu), an online course at coursera. 讲座让你足够了解机器学习的基础,不过课后作业会提升你对机器学习的了解。接下来需要培养对神经网络的直觉......

入门