首先，需要在Azure门户上创建一个帐户。只有这样，我们才能在云环境中托管应用程序。

加密货币挖掘曾经是一种“独奏”的活动，现在变得如此困难和昂贵，以至于被高性能的“行业”所接管，这些行业要么对硬件有大量投资，要么可以负担电力，要么拥有真正便宜的电力。

书籍是所有人类需要的历史至关重要的救世主，无论是为了增进知识还是建立人格，在某个特定领域的专业化或是安慰破碎的心灵，书籍都有其独特的角色。从很久之前，在没有印刷媒体的情况下，书籍也出现在人们的渴望之中。即使在今天的高端科技时代，书籍仍然保留着在人与人之间的特殊地位。社会上有一类人他们的大脑离不开书籍，另一方面也有一些人假装太忙，以无法读书为借口。

利用人工智能(AI)进步的认知技术解决方案似乎一夜之间从计算边缘转向主流商业实践。这是IBM和IDG最近进行的一项调查显示表明的。在大型企业的200名高管和决策者中，有51%%的人表示他们已经在他们的云环境中部署了人工智能，其余的49%%表示他们会在未来12个月内这样做。

人工智能(AI)是机器的智能行为，而不是人类和其他动物的自然智能。一直以来都追求的是创造像人一样聪明的电脑或机器。人工智能是通过研究人脑如何思考、学习、决定、在解决问题的同时进行工作，然后将这个研究的结果作为开发智能软件和系统的基础来完成的。

人工智能将会是在未来几年影响我们人类的最大的事情之一。毫无疑问，这种不断发展的技术将会使人类的生活更加美好，但人们担心会导致失业以及对人工智能比创造它们的人更智慧的的未来感到担忧。微软印度AI部门总经理Sundar Srinivasan介绍了“AI给人类带来的构造革命”。以下是相关内容。

今日，富士通和微软公司宣布双方达成协议，在人工智能领域开展合作，以加速人们在公司工作方式的转变。 　　两家公司正在签署协议，共同构建改变人们工作方式的新方案。这些新的解决方案基于微软集成的云服务365，将结合富士通通过其全球通信平台的内部和外部部署，以及富士通的AI技术，富士通人工智能的Zinrai和微软Azure上的微软 AI平台服务，来整合其洞察力和经验。

从文本(文本到语音，TTS)生成非常自然的探测语音已经成为谷歌数十年的研究目标。在过去的几年中，TTS研究取得了很大的进展，一个完整的TTS系统的许多分类别部分都有了很大的改进。结合Tacotron和WaveNet等过去的工作思路，增加了更多改进，最终实现了新系统Tacotron 2，它采用的方法不使用复杂的语言和声学特性作为输入，相反，只使用语音示例和相应的文本记录进行训练的神经网络从文本生成类似人类的语音。

加利福尼亚的一家公司近日推出一台可能改变游戏规则的计算机，用来执行一种常见的机器学习形式。 　　这一举动引发了人们的这样一个愿景，即量子计算机利用量子物理的逻辑以违反常理的速度执行某些类型的计算，这可能对科技行业最热门的领域――人工智能，产生巨大的影响。

最近发布了一款Chainer Chemistry，Chainer 扩展来训练和运行神经网络，用于一些生物学和化学的任务。

农业市场的人工智能(AI)在2016年的价值为4.322亿美元，到2025年预计将达到26.285亿美元，在预测期间的复合年增长率为22.5%%。本研究考虑的基准年为2016年，市场预测为2017年至2025年。 　　根据最新的研究报告，人工智能农业市场预计将以22.5%%的复合年增长率从2017年的5.1871亿美元增长到2025年的26.285亿美元。

D-Wave，量子计算系统和软件领域的领跑者，近日宣布参与英国一项有大量资金投入的项目，以利用量子计算算法改善物流和规划业务。该工作将集中于一个称为人工智能/分级任务网络规划技术的领域，用于对包括执法、电信和运输等领域的资源管理和业务进行优化。

随着企业对采用人工智能(AI)的需求不断增长，最近一份报告显示，有68.6%%的印度企业可能会在2020年之前部署该产品。 　　近日，国际数据公司(IDC)对全球194个印度组织进行了调查，其中，英特尔委托撰写的报告显示，71%%的企业正在考虑增加流程自动化这个关键的好处，但直到2020年，这一技术可能会耗费很多的时间来推动技术发展。

机器学习将使你的组织面临的安全威胁变得有意义，并帮助你的员工专注于更有价值的战略性任务。 在最简单的层面上，机器学习被定义为“在没有明确编程的情况下学习计算机的能力”。在大数据集中使用数学技术、机器学习算法本质上构建了行为模型，并使用这些模型作为基于新输入数据进行未来预测的基础。 比如，Netflix会根据你以前的观看历史记录为你推荐新的电视连续剧。

人工智能(AI)可能还没有准备好写出下一部大片，但麻省理工学院(MIT)媒体实验室的一位AI研究人员成功地使用机器学习来教授电脑关于电影的情感线。 与麦肯锡合作完成这个项目的研究人员使用机器学习来分析数以千计的视频，包括在Vimeo上发现的电影、电视节目和短片。该团队的研究人员表示，“我们开发的机器学习模型依靠深度神经网络”分析“影片的各种功能，并在第二阶段就评估他们的正面或负面情绪内容。”

器学习工程师、数据科学家和大数据工程师是LinkedIn的新兴职位。　　 LinkedIn：增长最快的工作是数据科学和机器学习 　　数据科学家的角色自2012年以来已经增长了650%%以上，但目前在美国有35,000人拥有数据科学技能，而仍有数百家公司正在招聘这些角色。目前在LinkedIn上有1,829个机器学习工程职位。

在好莱坞电影的情节线、杂志和新闻纸大量的封面上，人工智能(AI)和人类之间的较量引起了人们的高度关注。预言家们警告说，人工智能会带来失业、违反法律，开始战争。但是这样的预测关系到遥远的未来。现在的比赛已经不仅仅是人与机器之间的比赛，更是世界技术巨人之间的竞争，这些巨人们都在争得人工智能领域的领先地位。

与EPFL科学家一起，IBM研究团队已经制定了一个快速训练大数据集的方案。它可以使用单个图形处理单元(GPU)在不到一分钟的时间内就处理30G字节的训练数据集，比现有的有限内存训练方法快10倍。在加利福尼亚长滩举行的2017年NIPS会议上，这一结果有效地利用了GPU的全部潜力。

　随着科技的发展，世界将需要更多的能量。各个地方的政府和企业都正在投入数十亿美元的技术来收获，转换和储存电力。随着硅太阳能电池接近其性能极限，研究人员正在寻找基于钙钛矿和量子点的替代品。对于储存能量的电池的要求是必须更便宜、更高效、更持久。而且器件需要用安全和丰富的材料制造，如铜，镍和碳，而不是铅，铂或金。材料的生命周期分析需要显示出改善的碳足迹，以及与全球能源挑战的规模相匹配的能力。

机器学习的兴起，给数字运算和计算能力带来了新的要求。随着硬件资源逐渐便捷和便宜，人们选择一些更合适的平台来进行实验和模型训练。 　　那么，是使用Amazon的AWS EC2实例?或者是IBM的Softlayer、谷歌的计算引擎、微软的Azure，又如何做一个真正的专用服务器，如Hetzner提供的服务器?