经过荧光标记的细胞的显微照片无疑是漂亮的，但它们需要侵入性的有时是破坏性的或致命性的实验程序才能让它们发出荧光。

深度强化学习(DRL)是人工智能研究领域的一个令人兴奋的领域，具有潜在的问题领域的适用性。有些人认为DRL是人工智能的一种途径，因为它通过探索和接收来自环境的反馈来反映人类的学习。

为了成功地将人工智能(AI)集成到企业现有的业务数据中，企业需要考虑基础设施、环境、员工培训等因素。

日前，在GTC 2018上，Vicor团队见证了英伟达 DGX-2的发布，它是迄今为止最强大的 AI 系统。

这是一场人和机器的“最强大脑”比赛，根据病例的染色体影像“看图找茬”看看数量对不对、形状对不对，最终一台机器赢了10个研究员，10个病例总用时13分钟，10个人每人分析一个病例最快的也花了15分钟。

数据是数字化变革的基本组成部分，物联网、人工智能、区块链、边缘计算等技术预计将在来年掀起巨浪，因为这些技术是收集、分析和存储信息的方法。

人工智能就像个不断移动的标靶，而企业要做的就是努力“正中靶心”。

近年来，人工智能(AI)与机器学习可谓不绝于耳。根据IDC公司2017年9月发布的预测，2017年全球在认知与人工智能解决方案领域的支出总额约为120亿美元。到2021年，这一总和可能将以50 1%的复合年增长率提升，意味着届时市场将迎来高达576亿美元。

强化学习非常适合实现自主决策，相比之下监督学习与无监督学习技术则无法独立完成此项工作。强化学习在人工智能领域长久以来一直扮演着小众性角色。然而，过去几年以来，强化学习正越来越多地在各类AI项目当中发挥令人瞩目的作用。

今天，OpenAI在官方博客上丢出了7个研究过程中发现的未解决问题。 OpenAI希望这些问题能够成为新手入坑AI的一种有趣而有意义的方式，也帮助从业者提升技能。