机器学习

Q：机器学习的独特性引起这样一个问题：如何利用知识产权法律保护这项技术的各个方面？

A：面向机器学习的知识产权保护可以围绕以下五方面展开：训练集保护、训练参数保护、架构保护、机器学习系统保护、模型防复制保护。

训练集保护

为特定的机器学习应用创建出色的训练集是一项耗时耗财的工作。尽管在典型环境中，侵权人无法直接访问此训练集，但是如果通过某些方式获得了访问权限，那么复制训练集轻而易举。知识产权法律的作用正在于此。

如果训练集所有者的主要营业地点位于欧盟地区，那么训练集将受到数据库权利的保护。但是，这一权利仅对同样位于该司法管辖区的侵权者具有法律效力。

而更加困难的是能否针对机器学习训练集主张版权。训练集并不是一件艺术作品。其目的通常是确保数据适合用例。根据版权法的规定，针对主题创建合适的数据集并不是一项创造性活动。但是，仍然可以主张版权的一个方面是对数据进行分类的方式。如果类别是通过创造性过程（例如，“美丽/丑陋”、“强/弱”、“大/小”）进行筛选的，那么就可以认为通过创造性标记方式创造的训练集受到版权保护。基于事实要素（例如“猫/狗”、“交通信号灯/路灯/停车标志”）的分类不具备创造性，因此不受版权保护。

一直以来，科幻小说和电影都将机器刻画成拥有完全自主能力和智慧的存在，远超普通人类。这些内容让人倍感激动，并提出了一些具有挑战性的问题，但是我们距离能将这些虚拟构建的内容变成能够在真实世界中存在的机器还有多远呢？

就像每部优秀的电影一样，技术进步的条件也是：

<ul><li>具有足够的利益驱动</li>
<li>基础足够牢靠</li>
<li>切实可行的商业案例</li>
<li>优秀的人才配合实施计划</li></ul>

作者：Paul Golata 贸泽电子

这个圣诞节我其中一个女儿发起了一个家庭游戏叫作“听音”，我们玩的非常的开心。它是“听力挑战”的一种新形式，目前也变得很流行了。一个人戴着耳机，不仅能够隔绝外界的声音，同时耳机里也随机发出一些声音，另一个人面对戴耳机的人随机朗读卡片上的短语，比如“鸽子喜欢拥抱”，然后在没有任何其他线索的情况下，戴耳机的玩家只能通过读者嘴唇的变化来解读“听到”的短语。

目前大多数的机器学习是在处理器上完成的，大多数机器学习软件会针对GPU进行更多的优化，甚至有人认为学习加速必须在GPU上才能完成，但事实上无论是运行机器学习的处理器还是优化的深度学习框架，都不单只针对GPU，代号为“Skylake”的英特尔至强SP处理器就证明了这一点。

机器学习软件在英特尔至强SP系列白金版上的一系列基准测试性能表现与在GPU上非常相近，了解了底层架构之后，我们可以看到，在性能如此接近的情况下，使用GPU加速器更像是在购买一种“奢侈品”，用户在GPU以外还有很多其他的选择。毫无疑问，在用户只需要机器学习的情况下，“加速器”在性能和能耗方面更有优势，大多数人需要的不只是一台“智能的用于机器学习的服务器”，那就让我们来重点看一下英特尔至强SP 白金级处理器为什么是最佳的选择：

CPU优化深度学习框架和函数库

英特尔在基于GPU优化的框架中增加了CPU优化深度学习框架，打破了深度学习框架偏重于GPU而忽视了CPU的行业现状，解决了目前这些框架缺乏CPU优化的实际问题。

TensorFlow由谷歌开发，是一个领先的深度学习和机器学习框架，有面向Linux的处理器优化

【编者按】本文来自CMU的博士，MIT的博士后，vision.ai的联合创始人Tomasz Malisiewicz的个人博客文章，阅读本文，你可以更好的理解计算机视觉是怎么一回事，同时对机器学习是如何随着时间缓慢发展的也有个直观的认识。

以下为正文：

本文我们来关注下三个非常相关的概念（深度学习、机器学习和模式识别），以及他们与2015年最热门的科技主题（机器人和人工智能）的联系。

近段时间，有许多关于人工智能公认定义的争论。有些人认为人工智能就是“认知计算”或是“机器智能”，而另一些人则把它与“机器学习”的概念混淆了。然而，人工智能并不是特指某种技术，它实际上是一个由多门学科组成的广阔领域，包括机器人学和机器学习等。人工智能的终极目标是让机器替代人类去完成需要认知能力的任务。为了实现这一目标，机器必须自动学习掌握能力，而不仅仅是执行程序员编写的命令。

人工智能在过去的十年里取得了令人叹为观止的进步，例如自动驾驶汽车、语音识别和语音合成。在此背景之下，人工智能这一话题越来越多地出现在同事和家人的闲谈之间，人工智能技术已经渗透到他们生活的角角落落。与此同时，流行媒体几乎每天也在报道人工智能和技术巨头们，介绍他们在人工智能领域的长期战略。一些投资者和企业家渴望了解如何从这个新领域挖掘价值，大多数人还是绞尽脑汁思考究竟人工智能会改变什么。此外，各国政府也正在努力应对自动化给社会带来的影响（参加奥巴马总统的离职演讲）。

其中，人工智能的六大领域在未来可能对数字产品和数字服务产生重要的影响。作者一一列举了这六个方向，解释了它们的重要性，目前的应用场景。

强化学习

今年以来，随着谷歌*AlphaGo围棋程序在人机大战中以碾压的表现战胜历史上实力超群的人类棋手之一李世石，人工智能（AI）在展示自身强大实力的同时，也让公众第一次接触和了解到深度学习、卷积神经网络这些有点神秘高深的概念，随后在全球范围掀起的人工智能浪潮更是让业界始料不及，目不暇接。

美银美林近期发布的一份报告预测，到2020年，全球人工智能市场的规模将达到1530亿美元。人工智能充满着巨大的成长空间和发展机遇。

虽处婴儿期但人工智能必将改变世界
人工智能依然处于发展的早期阶段。当今的人工智能实现途径仍然主要是与人脑进行比较，与目前最快的超级计算机相比，人脑体积要小得多，而效率要高上好几万倍。而目前并没有一种实现途径能够填补计算机与人类的智力差距，无论是仿真大脑的神经形态处理器，还是模拟大脑的最新实现途径变革和新技术。人工智能发展还面临着众多的认知和技术挑战。

人工智能的机器为交互类游戏带来了更多的个性和不可预测性。

2013年的电影《她》中，主人公Theodore在一次玩电脑游戏时惊讶地发现了一个很有个性的人工智能人物。这个满嘴脏话的小外星人指引着他一直晋级。《她》是一部科幻电影，但是电影中出现的拟人的交互游戏很快就成为现实了。由游戏设计师David OReilly创造，Alien Child这款游戏透露了人工智能和机器学习可以使今后的游戏更有互动性，参与感更强。
<center><img src="http://intel.eetrend.com/files/2016-12/wen_zhang_/100004430-14579-2.jpg…; alt=“” width="600"></center>

人工智能的机器为交互类游戏带来了更多的个性和不可预测性。
2013年的电影《她》中，主人公Theodore在一次玩电脑游戏时惊讶地发现了一个很有个性的人工智能人物。这个满足脏话的小外星人指引着他一直晋级。《她》是一部科幻电影，但是电影中出现的拟人的交互游戏很快就成为现实了。

机器学习就是人工智能模仿我们、它自己和我们为它编写的特征。于是，脑洞很大的游戏开发者模仿这部电影的思路开发了一个游戏叫做《嫌疑人》。利用机器学习可以使玩家与科幻犯罪小说大师Markus Winter对话。如果想要将人质解救出来就要利用一些谈判技巧，以智取胜。类似于与聊天机器人对话，玩家将对Winter的话打字输入，AI通过运算回话。

本文首发于 medium，作者 Suff，他在文章中为许多想入门机器学习却苦苦没有开始的读者们提供了一份学习计划，详细到周的规划可以让你更加游刃有余地把握进度。雷锋网整理编译，未经许可不得转载。

哈喽，大家好！如果你点进了这篇文章，那你应该是想要学习一些机器学习的知识的。如果你还没有想好，或者觉得有些困惑，那么我得提前给你打个预防针：学习机器学习的过程其实是比较艰辛的。

　　如果你始终怀有坚持的信念，并且大胆尝试的话，你就可以从这篇指导中比别人得到更多。因为这篇指导不仅能帮你形成一种全新的思考方式，还可以启发你如何将所学的知识应用到你自己的实践当中，使你的工作更加富有创造力，拥有更多可能性。

　　目前对机器学习的初学者来说，最大的问题在于面前有几十年积累的研究成果，可切入点太多，反而不知道从哪里入手开始学习。就像爱迪生做了 1000 次尝试，最终发明了电灯一样，人工智能领域的研究进程，也经历过几十年的试错过程（AI 研究的冬天），直到现在，该领域的研究才真正开始向前推进。所以你会从第一次，或者第 79 次，或者第 999 次尝试那里开始学习吗？其实并不用。我们可以直接从真正推进的那一刻开始学习（或者说目前看来是步入正轨的地方）！

订阅机器学习

机器学习

机器学习：如何利用知识产权法律保护这项新技术？

如何让机器学习从云端走向边缘？你想了解的都在这儿~

【原创深度】聊天机器人：音频，AI和机器学习

深度学习框架只为GPU? 答案在这里

干货：深度学习 vs 机器学习 vs 模式识别三种技术对比

需要密切关注的六大人工智能/机器学习领域

AI ON IA，英特尔端到端引领跨越人工智能婴儿期

人工智能玩游戏究竟有多比人类厉害多少

人工智能打星际无敌后又来挑战更多的游戏品类了

机器学习太难？这里有一份详细周到的入门学习计划