AI在线 AI在线

学习

Creator 面对面 | 通往第三代人工智能的理论之路如何走?

人工智能已经是一门使能技术。未来人工智能取得突破性的领域方向,一定是从脑科学、材料学等领域得到了启发。同时,人工智能在未来将成为科学家的新生产工具,催生科研新范式。
7/26/2022 3:54:00 PM
SOTA模型

Creator 面对面 | 自监督学习范式未来能够在强化学习中发挥关键的作用

我们都知道自监督学习在 CV 和 NLP 领域都有比较广泛的应用,比如大模型 BERT、GPT-3 等训练,其实最核心的技术就是基于自监督学习的技术。 那么在 CV 和 NLP 领域都取得成功的自监督学习,是否可以被借鉴或是利用到强化学习领域呢?
7/25/2022 5:42:00 PM
SOTA模型

Creator 面对面 | 面向统一的 AI 模型架构和学习方法

随着 AI 的兴起,不同领域的相关研究热火朝天,各种各样的 AI 模型框架和学习方法扑面而来,各不相同。那么是否能有一种统一的模型架构和学习方法来解决不同领域的不同问题呢?让我们来听听怎么看。
7/18/2022 3:45:00 PM
SOTA模型

耗时3个多月、总结过往5年,马毅曹颖沈向洋撰文智能两大原则

在深度网络和人工智能复兴十年后,本文提出了一个理论框架,并提出了两个基本原则——简约性和自洽性,视它们为人工智能的基石。
7/16/2022 12:02:00 PM
机器之心

这个夏天,跟陈天奇学「机器学习编译」中英文课程,6月17日开课!

陈天奇:「因为世界上还没有关于这个方向的系统性课程,所以这一次尝试应该会是和小伙伴们共同的探索」。随着机器学习框架和硬件需求的发展,机器学习 / 深度学习编译正成为一个越来越受关注的话题。在去年 12 月的一篇文章中,TVM、MXNET、XGBoost 作者,CMU 助理教授,OctoML CTO 陈天奇探讨了「新一代深度学习编译技术的变革和展望」。他指出,现在深度学习编译生态正围绕四类抽象展开:计算图表示、张量程序表示、算子库和运行环境、硬件专用指令。不过,由于篇幅受限,陈天奇并未就这一话题展开系统、详细的讨论,
6/4/2022 12:23:00 PM
机器之心

5月25日!联邦学习安全效率与开源生态论坛即将开幕

当下,人工智能与大数据已经渗透到生产生活的方方面面。在保护数据安全的前提下释放数据价值成为社会发展的必然需求,隐私计算联邦学习作为隐私增强计算与人工智能相结合的新型技术范式,将迎来怎样的技术方向和应用创新?可信联邦学习如何平衡安全、可用的双目标?加快培育数据要素市场,给产学研各界带来怎样的机遇?由中国信息通信研究院云大所、清华大学智能产业研究院、深圳数据交易有限公司共同指导,FATE开源社区、开放群岛(Open Islands)开源社区、智能投研技术联盟(ITL)联合主办的“联邦学习安全效率与开源生态”线上论坛议程
5/20/2022 2:44:00 PM
新闻助手

谷歌、Meta如何给大模型瘦身?谷歌工程师亲述部署秘籍(免费书)

这是一本正在写作的新书,目前前四章已经放出了草稿。
5/3/2022 12:59:00 PM
机器之心

370多页免费书籍,三位学者带你专攻深度学习中的数学知识

期待即将到来的章节。
4/13/2022 11:27:00 AM
机器之心

295页博士论文探索强化学习抽象理论,获AAAI/ACM SIGAI博士论文奖提名

除了论文本身超有技术含量之外,文中使用的图表也非常美观漂亮。
3/20/2022 12:51:00 PM
机器之心

对比学习引领弱标签学习新SOTA,浙大新研究入选ICLR Oral

本文介绍浙江大学、威斯康星大学麦迪逊分校等机构的最新工作 PiCO,相关论文已被 ICLR 2022 录用(Oral, Top 1.59%)!偏标签学习 (Partial Label Learning, PLL) 是一个经典的弱监督学习问题,它允许每个训练样本关联一个候选的标签集合,适用于许多具有标签不确定性的的现实世界数据标注场景。然而,现存的 PLL 算法与完全监督下的方法依然存在较大差距。为此,本文提出一个协同的框架解决 PLL 中的两个关键研究挑战 —— 表征学习和标签消歧。具体地,研究者提出的 PiCO
2/17/2022 2:28:00 PM
机器之心

颜水成、David Silver等10人入选,2022 AAAI Fellow名单公布

2022 年度 AAAI Fellows 共有 10 位学者入选。
2/15/2022 2:42:00 PM
机器之心

机器学习获得了量子加速

编辑 | 萝卜为了让 Valeria Saggio(麻省理工学院的量子物理学家)在她以前的维也纳实验室启动计算机,她需要一个特殊的水晶;水晶大概只有她的指甲那么大。Saggio 会轻轻地将它放入一个小铜盒,一个微型电烤箱,将晶体加热到 77 华氏度。然后她会打开激光,用一束光子轰击晶体。这种晶体,在这个精确的温度下,会将其中一些光子分裂成两个光子。其中一个会直接进入一个光探测器,它的旅程就结束了;另一个将进入一个微型硅芯片——一个量子计算处理器。芯片上的微型仪器可以驱动光子沿着不同的路径前进,但最终只有两种结果:正
2/11/2022 2:38:00 PM
ScienceAI

吴凌飞、崔鹏、裴健、赵亮联合撰写,一本书读懂图神经网络的基础、前沿、应用(免费下载)

这本书称得上是目前为止图神经网络领域最为全面的卓越之作。
1/12/2022 3:05:00 PM
机器之心

技术博客丨原来模型训练可以不用标注?一文全解四大机器学习方法

本文将用通俗的方式,为大家介绍耳熟能详却分辨不清的四个机器学习核心概念:监督式学习、半监督学习、非监督学习和自监督学习,并将用实例简介它们试图解决的问题。
1/11/2022 9:30:00 AM
格物钛Graviti

ScienceAI 2021「AI+材料」专题年度回顾

编辑/凯霞传统的材料设计与研发,以实验和经验为主。但随着材料化学和加工变得越来越复杂,这变得越来越具有挑战性。随着人工智能(AI)的快速发展,AI 技术已广泛应用于材料科学各领域。科学家正努力通过计算机建模和 AI 技术,根据所需要的性能预测候选材料,从而加快新材料的研发速度和效率,降低研发成本。AI 正在加速搜索和预测材料特性。在 AI 的助力下,材料在极端、恶劣条件下的性能得到快速且准确的预测,实现了人类目前无法实现的......利用 AI 技术来加速设计和发现尚不存在的材料。这些先进的材料将使技术更先进和更环
1/6/2022 2:30:00 PM
ScienceAI

可对药物分子进行表征的几何深度学习

编辑 | 萝卜皮几何深度学习(GDL)基于包含和处理对称信息的神经网络架构。GDL 为依赖于具有不同对称性和抽象级别的分子表示的分子建模应用程序带来了希望。苏黎世联邦理工学院的研究人员对分子 GDL 进行了结构化和统一概述,重点介绍了其在药物发现、化学合成预测和量子化学中的应用。它包含对 GDL 原理的介绍,以及相关的分子表示,例如分子图、网格、曲面和字符串,以及它们各自的属性。讨论了分子科学中 GDL 当前面临的挑战,并尝试预测未来的机会。该综述以「Geometric deep learning on molec
12/27/2021 7:02:00 PM
ScienceAI

深度学习如炼丹,你有哪些迷信做法?网友:Random seed=42结果好

调参的苦与泪,还有那些「迷信的做法」。
12/21/2021 3:00:00 PM
机器之心