0
雷鋒網硬創公開課聚焦于新技術和新產品的 Know-How 分享，在過去的一年里，雷鋒網和同行的技術創新者們都趕上了相當好的時候。
當以品牌和渠道驅動的那些智能硬件、以資本驅動的那些O2O、以抄襲模仿起家的那些虛擬現實項目們熱潮褪去，同時在新興技術領域，由于機器學習和計算基礎設施的發展，語音、語義、圖像技術開始出現較為繁冗的應用。
以下為雷鋒網硬創公開課整理的人工智能往期公開課實錄筆記，供各位讀者參考學習：
CV
目前最新的美顏技術已經發展到了 2.0 階段，打個比方，如果美顏 1.0 只是化妝（磨皮、祛痘、膚色調整）的話，美顏 2.0 基本就能達到整容的效果——把眼睛變大，把圓臉變成瓜子臉。而實現這一效果的基礎就是人臉識別。
去年 ILSVRC 2016（全稱是ImageNet Large Scale Visual Recognition Challenge）分為五大部分，包括：目標檢測、目標定位、視頻中目標物體檢測、場景分類、場景分析。在昨天，全球最為權威的計算機視覺大賽 ILSVRC2016（大規模圖像識別競賽）公布了算法排名結果，Hikvision（海康威視）奪得場景分類第一名。
很多人疑惑，為什么深度學習相比其它的AI實現方法，已然呈現出一副碾壓之態？
這種技術叫以圖搜視頻，它解決了當前針對海量視頻內容的精準快速檢索的硬傷。
直播火爆的背后，都存在哪些問題？機器如何識別小黃圖？
人工智能是人類一個非常美好的夢想，跟星際漫游和長生不老一樣。我們想制造出一種機器，使得它跟人一樣具有一定的對外界事物感知能力，比如看見世界。
NLP
每天都用搜狗的輸入法、語音、地圖，知道他們的語義理解是如何實現的嗎？
不少企業都把目光聚焦在視頻鑒黃上，但音頻審核也是人工智能鑒黃技術的一部分，二者缺一不可。那在大家熟悉的視頻鑒黃之外，音頻檢測究竟能解決哪些問題？這一技術是如何進行鑒黃的呢？
其實，老羅發布會上宣傳了97%這個數字，我們達到這個數字其實已經有一兩年時間了。
特邀供職于阿里巴巴 iDST 的語音專家薛少飛博士，從學術的角度回顧過去一段時間中語音識別技術的發展狀況。
這兩種學習方法更接近生物體，或者說人的學習方式，所以我更愿意稱之為“Human-like Learning”。
語音識別的模型有語言模型和聲學模型兩種，語言模型包括了N-gram、RNNLM等，在聲學模型里面又涵蓋了HMM、DNN、RNN等模型。
語音識別是目前應用最成熟的人機交互方式，但各家語音識別產品的體驗還有很大的提升空間。
音頻的端點檢測、降噪和音頻壓縮始終是終端語音處理關注的重點，目前仍是活躍的研究主題。
中文分詞是中文自然語言處理的一個非常重要的組成部分，在學界和工業界都有比較長時間的研究歷史，也有一些比較成熟的解決方案。
我們邀請到了商鵲網CEO鄒劍宇，以實戰經驗為我們解讀，什么樣的機器翻譯比Google還要占優？
深度學習框架與生物識別
格靈深瞳 CEO 趙勇博士基于自己多年的研究和行業經驗，深入分享 AI 技術將怎樣以智能硬件、大數據挖掘和物聯網的形式，深刻地變革整個安防行業。
如果人工智能是一個蛋糕的話，那么“蛋糕胚”不僅是指無監督的數據表示學習，還應該包括“無監督推斷學習”，而GAN確實很好地連接了這兩個重要的人工智能主體。
Tensorflow到底適合如何拿來做開發？能不能為你的研究或者產品帶來更好的機會？
正如程序語言一樣，深度學習開源框架同樣各有優劣和適用的場景，那么 AI 從業者該如何有針對性地選擇這些平臺來玩轉深度學習？
虹膜識別目前是一門新興的技術，在生物特征識別領域實際上是被認為可以在某種程度上取代今天的指紋和人臉識別，也是精度最高的生物特征識別技術。
從人臉識別和情緒識別區別開始，循序漸進到情緒識別原理，情緒識別的應用場景，最后為我們揭秘這個過程是如何實現的。
隨著人臉識別技術的普及，不光可以靠“刷臉”支付吃喝玩樂的花費，現在連銀行辦業務都可以“刷臉”了。
《TensorFlow實戰》作者黃文堅，為我們講解了關于四大經典CNN網絡：AlexNet、VGGNet、Google?Inception?Net和ResNet的基本原理。
行業
余凱對去年 AI 圈內的各種現象，發表了自己的獨到觀點和看法。
隨著AI的快速發展，AI到底能不能跟我們的智能相提并論。
深度學習并不萬能，AI的未來還得靠人類。
本期硬創公開課，我們特意請到了微軟亞洲研究院副研究員張富崢博士，來談談他在微軟亞洲研究院工作的體驗和他眼中的微軟亞洲研究院。
怎么在浩如煙海的數據中篩選出對我們真正有用的那些？又如何通過分析這些數據做出對自身有利的決策？
相信不少學者在面對艱深的科研課題的時候，心中都有過那么一絲疑惑：這東西何時能實現產業化，真正造福社會？
深度學習可以用在很多領域，前面說過了，只要這個領域需要構建一個模型來預測，而且有大量標注的訓練數據。
由圍棋棋手解讀人機大戰。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
