第1359页-探索人工智能技术的未来-php中文网

当前位置：首页 > 技术文章 > 科技周边 > 人工智能

方向：: 全部 web3.0 后端开发 web前端数据库运维开发工具 php框架微信小程序常见问题其他科技 CMS教程 Java 系统教程电脑教程硬件教程手机教程软件教程游戏教程自媒体

展开

分类：: 人工智能 IT业界

展开

20分钟，AI写出的论文轻松得A！学校检测算法也拿它没辙，学生：GPT-4啥时候出？

大数据文摘出品作者：Caleb现在，越来越多的教授对学生的印象逐渐停留在了他们的专业和优秀的课程论文上。但是他们不知道的是，这些优秀的课程论文可能并不是出自这些学生之手，而是一些强大的AI系统。比如，一位在Reddit上名叫innovate_rye的生物化学学科的一年级学生，教授会安排一些包括扩展回答的简单家庭作业，当他把“写出生物技术的五件好事和坏事”提交给AI后，系统能给出一个最后评分为A的答案。这位网友表示，过去这些家庭作业至少会花他们两个小时，但现在一般只需要20分钟就能完成。“我喜欢

人工智能 . 科技周边 1029 2023-04-08 13:31:03
人工智能如何助力实现可持续发展？

从化工到能源，人工智能 (AI) 已经显示出它可以在不同工业部门帮助实现全球可持续发展目标的程度。其中一个例子是Petroliam Nasional Berhad (PETRONAS)，该公司承诺到 2050 年实现净零碳排放。对于马来西亚石油和天然气跨国公司而言，工厂可靠性是实现其可持续发展目标的关键。马来西亚国家石油公司认为，对即将发生的设备故障的早期洞察将使工厂运营商能够在小问题变成大问题之前主动修复设备。他们在微软Azure上的一个企业云试点项目证明了这一概念，该项目包括四个上游

人工智能 . 科技周边 2556 2023-04-08 13:21:13
解读CRISP-ML（Q）：机器学习生命周期流程

译者 | 布加迪审校 | 孙淑娟目前，没有用于构建和管理机器学习（ML）应用程序的标准实践。机器学习项目组织得不好，缺乏可重复性，而且从长远来看容易彻底失败。因此，我们需要一套流程来帮助自己在整个机器学习生命周期中保持质量、可持续性、稳健性和成本管理。图1. 机器学习开发生命周期流程使用质量保证方法开发机器学习应用程序的跨行业标准流程（CRISP-ML（Q））是CRISP-DM的升级版，以确保机器学习产品的质量。CRISP-ML（Q）有六个单独的阶段：1. 业务和数据理解2. 数据准备3. 模型

人工智能 . 科技周边 1123 2023-04-08 13:21:10
中国学者开发看护机器人仿真环境，还做了真人实验，获IROS 2022最佳论文之一

10 月 23 日 - 27 日，机器人顶会 IROS 2022 在日本京都举行。大会共收到了来自全球 57 个国家和地区的 3579 篇论文投稿，最终接收了 1716 篇，接收率达到了 47.9%。其中，来自上海交通大学的卢策吾团队与康奈尔大学、哥伦比亚大学的研究者联合推出了看护机器人仿真环境 RCareWorld。这项工作获得 IROS 2022 会议六个最佳论文奖项之一的最佳 RoboCup 论文。两篇 Best RoboCup 论文。图源：Twitter@ctwy论文地址：https:/

人工智能 . 科技周边 1127 2023-04-08 13:21:03
人工智能有大事发生，LeCun也转型了

符号处理是逻辑学、数学和计算机科学中常见的过程，它将思维视为代数操作。近 70 年来，人工智能领域最根本的争论就是人工智能系统应该建立在符号处理的基础上还是类似于人脑的神经系统之上。实际上还有作为中间立场的第三种可能——混合模型。通过将神经网络的数据驱动学习与符号处理的强大抽象能力相结合，混合模型试图获得两全其美的能力。这也是我个人职业生涯大部分时间的工作方向。在最近发表于 NOEMA 杂志的一篇文章中，图灵奖得主、Meta 首席人工智能科学家 Yann LeCun 和 LeCun 实验室的「常

人工智能 . 科技周边 1649 2023-04-08 13:11:13
智能决策技术在汽车行业的应用实践

随着新能源、自动驾驶、人工智能技术的发展，汽车行业的智能化水平也水涨船高。作为人工智能领域“皇冠上的明珠”，决策智能是如何推动汽车行业数字化转型的？决策智能在实际落地中有哪些痛点和解决方案？本文将结合个人十年的数据分析经验，从实战角度介绍运筹优化在汽车行业的实践探索和经验总结，希望为大家的工作带来帮助和启发，此次分享会围绕下面四点展开：汽车产业链简介运筹优化赋能汽车行业运筹优化项目实施难点实践探索和经验总结01 汽车产业链简介汽车产业链可以分为核心四块，一块是贯穿整个产业链的，从零部件的采购到汽

人工智能 . 科技周边 2086 2023-04-08 13:11:07
用少于256KB内存实现边缘训练，开销不到PyTorch千分之一

说到神经网络训练，大家的第一印象都是 GPU + 服务器 + 云平台。传统的训练由于其巨大的内存开销，往往是云端进行训练而边缘平台仅负责推理。然而，这样的设计使得 AI 模型很难适应新的数据：毕竟现实世界是一个动态的，变化的，发展的场景，一次训练怎么能覆盖所有场景呢？为了使得模型能够不断的适应新数据，我们能否在边缘进行训练（on-device training），使设备不断的自我学习？在这项工作中，我们仅用了不到 256KB 内存就实现了设备上的训练，开销不到 PyTorch 的 1/1000，

人工智能 . 科技周边 1948 2023-04-08 13:11:03
AI可以绘制情感吗？看DALL-E如何表抽象

要说2022年人工智能领域发展有怎样的趋势？一定要提到「多模态AI」的崛起，尤其是文本到图像生成工具。从DALL-E到Imagen、Parti、女娲等，都可以生成高质量的图像，让人惊艳。这当中最典型的例子便是OpenAI的Dall-E2了。自Dall-E面世后，或许你见过它生成很多绘画风格的图片，比如宇航员在太空骑马。然而，很少有通过Dall-E表现抽象概念的图片。这不，一名机器学习科学家Gabriele Sgroi就来探索了DALL-E如何完成这项任务。他测试了油画棒和绘画风格的悲伤，爱，愤怒

人工智能 . 科技周边 1075 2023-04-08 13:01:13
道德和治理对人工智能的重要性

人工智能的承诺、可能性和潜力人工智能的利用已经给当前及未来的社会带来巨大好处，例如提高供应链效率、推进智能自动化和机器人技术以支持我们的日常生活，以及在边境提供无缝通关。人工智能技术的进步如此之大，以至于它已经迅速接近，在某些情况下甚至超过了人类的智力。正如人类智能需要在具有良好道德和治理的人类社会中得到适当利用和协调一样，我们也需要对人工智能做同样的事情。人工智能的黑暗面有一些注意事项需要牢记。如果你听说过 GPT-4chan，那么也会听说它存在的问题。GPT-4chan 模型由人工智能 (A

人工智能 . 科技周边 1770 2023-04-08 13:01:10
只需训练一次，即可生成3D新场景！谷歌「光场神经渲染」进化史

视图合成（view synthesis）是计算机视觉和计算机图形学交叉领域的一个重点难题，指的是从一个场景的多张图片中创建该场景的新视图。要准确地合成一个场景的新视图，一个模型需要从一小部分参考图片中捕捉多种类型的信息，比如详细的三维结构、材料和光照等。自2020年研究人员提出神经辐射场（NeRF）模型以来，这个问题也受到了越来越多的关注，大大推动了新视图合成的性能。其中一个超级大玩家就是Google，在NeRF领域也发表了诸多论文，本文将为大家介绍两篇Google发表在CVPR 2022和EC

人工智能 . 科技周边 1673 2023-04-08 13:01:03
资源受限如何提高模型效率？一文梳理NLP高效方法

训练越来越大的深度学习模型已经成为过去十年的一个新兴趋势。如下图所示，模型参数量的不断增加让神经网络的性能越来越好，也产生了一些新的研究方向，但模型的问题也越来越多。首先，这类模型往往有访问限制，没有开源，或者即使开源，仍然需要大量的计算资源来运行。第二，这些网络模型的参数是不能通用的，因此需要大量的资源来进行训练和推导。第三，模型不能无限扩大，因为参数的规模受到硬件的限制。为了解决这些问题，专注于提高效率的方法正在形成一种新的研究趋势。近日，来自希伯来大学、华盛顿大学等多所机构的十几位研究者联

人工智能 . 科技周边 1003 2023-04-08 12:51:22
干掉「标题党」，清华团队又一开源力作！

作为一个起名困难户，高中写作文最困扰我的就是写好文章却不知道起什么题目，开始做公众号以后，每次想标题也都要掉一大把头发......最近，终于让我在 GitHub 发现了「取名废」之光，由清华大学与 OpenBMB 开源社区推出的大模型趣味应用:「智取标题」，输入正文内容就能一键生成劲爆标题！开箱即用，试过后我只能说：真香！在线体验：https://live.openbmb.org/antGitHub：https://github.com/OpenBMB/CPM-Live提到这个标题党神器，就不得

人工智能 . 科技周边 1022 2023-04-08 12:51:18
语言学家重出江湖！从「发音」开始学：这次AI模型要自己教自己

试图让计算机理解人类的语言一直是人工智能领域迈不过的难关。早期的自然语言处理模型通常采用人工设计特征，需要专门的语言学家手工编写pattern，但最终效果却并不理想，甚至AI研究一度陷入寒冬。每当我开除一个语言学家，语音识别系统就更准确了。Every time I fire a linguist, the performance of the speech recognizer goes up.——Frederick Jelinek有了统计模型、大规模预训练模型以后，特征抽取是不用做了，但

人工智能 . 科技周边 1149 2023-04-08 12:44:25
Mango：基于Python环境的贝叶斯优化新方法

译者 | 朱先忠审校 | 孙淑娟引言模型超参数（或模型设置）的优化可能是训练机器学习算法中最重要的一步，因为它可以找到最小化模型损失函数的最佳参数。这一步对于构建不易过拟合的泛化模型也是必不可少的。优化模型超参数的最著名技术是穷举网格搜索和随机网格搜索。在第一种方法中，搜索空间被定义为跨越每个模型超参数的域的网格。通过在网格的每个点上训练模型来获得最优超参数。尽管网格搜索非常容易实现，但它在计算上变得昂贵，尤其是当要优化的变量数量很大时。另一方面，随机网格搜索是一种更快的优化方法，可以提供更好的

人工智能 . 科技周边 1640 2023-04-08 12:44:21
深探无监督预训练技术落地火山语音“算法优化+工程革新”并举

长期以来，火山引擎为时下风靡的视频平台提供基于语音识别技术的智能视频字幕解决方案。简单来说，就是通过AI技术自动将视频中的语音和歌词转化成文字，辅助视频创作的功能。但伴随平台用户的快速增长以及对语言种类更加丰富多样的要求，传统采用的有监督学习技术日渐触及瓶颈，这让团队着实犯了难。众所周知，传统的有监督学习会对人工标注的有监督数据产生严重依赖，尤其在大语种的持续优化以及小语种的冷启动方面。以中文普通话和英语这样的大语种为例，尽管视频平台提供了充足的业务场景语音数据，但有监督数据达到一定规模之后，继

人工智能 . 科技周边 1628 2023-04-08 12:44:18