【新智元导读】DeepMind 今天开源了最新的深度学习框架 Sonnet。Sonnet 被专门设计用于与 TensorFlow 协同工作,能够更方便、直接地构建复杂神经网络模型。Sonnet 开源可以使 DeepMind 创建的其他模型轻松地与社区共享。Sonnet 将定期更新。 DeepMind 决定把整个研究架构转为使用 TensorFlow(TF)已经快一年了。这被证明是一个不错的选择——我们的许多模型学习速度明显更快,内置的分布式训练功能极大地简化了我们的代码。 我们发现TF 的灵活性和适应性适
2023年的国际机器学习大会(International Conferenceon Machine Learning,简称ICML)在夏威夷檀香山举办。
AI 科技评论按:因为AlphaGo而名声大噪的人工智能公司DeepMind近期发表了一篇论文介绍自己在神经网络的解释性问题上最新探索。论文被ICML接受后,DeepMind的研究员们又写了一篇通俗的介绍文章让更多的人理解他们的方法和效果。 以下为 AI 科技评论对DeepMind介绍文章的翻译。 人类已经教会了深度神经网络做许多惊人的事情,从识别和推理图像中的物体,到在Atari游戏和围棋中发挥出超越人类的水平,不一而足。随着神经网络的结构和所做的任务变得越来越复杂,神经网络学到的解题方法也越来越难以被人
exec 是一个在Bash Shell脚本中使用的命令,它允许您替换当前进程的内容,包括进程ID和文件描述符。使用exec命令可以实现一些有用的功能,例如替换脚本当前的Shell进程、切换到不同的命令解释器、重定向标准输入输出等。本文将详细介绍如何在Bash Shell脚本中使用exec命令,并提供一些常见的用例和示例。
AI 科技评论按:人类对各种深度学习模型最常见的不满之一就是难以解释、无法理解,即便可以查看训练好的网络的每个连接的权重,也说不清网络利用的数据模式是哪些,以及网络目前的运行状况里有哪些问题。 不过,人类从不怀疑自己可以理解另一个人类:我们可以通过各种方法了解并描述别人的诉求、观念和当下的想法,可以推测别人知道哪些信息,可以猜测别人的未来行动,我们同时也就以此为基础考虑如何和别人互动。其实绝大多数情况下我们都不会尝试重建别人的脑神经结构,不会尝试估计别人的脑神经元的活动状况如何、前额叶的连接性如何、海马体的
AI科技评论按:现今,深度学习的应用非常普遍,而谷歌一直是使用深度学习的一股强大力量,Forbes上的一篇文章详细介绍了谷歌在深度学习上的应用。跟着AI科技评论来看看谷歌究竟将它运用在了哪些地方? 深
大型语言模型(LLM)的自然语言理解与生成能力一直备受称赞,特别是 ChatGPT 等对话式语言模型能够与人类流畅、自然地进行多轮对话。
西班牙瓦伦西亚理工大学(Polytechnic University of Valencia)计算机科学家埃尔南德斯(José Hernández-Orallo)制定了评估机器智能的方法。他在研究中使用《我的世界》(Minecraft)这款电子游戏之前就已经对其很熟悉了。最开始是看到自己的小孩在三维虚拟世界里玩。这个游戏主要是解决问题而不是射击怪物。 2014年,微软买下了《我的世界》。微软研究院(Microsoft Research)向内部研究人员开放了此款游戏的新版本,允许玩家和计算机程序探索定制三维环
2020年11月30日,DeepMind宣布了一项重要突破:他们最新版本的AI系统AlphaFold,被CASP的组织者认定为是生物学50年来重大挑战“蛋白质折叠问题”的解决方案。
“基于模型的方法比没有模型的方法更具样本效率。”近年来,这种经常重复的格言在几乎所有基于模型的RL论文(包括Jacob论文)中都引起关注。如此常识,没有人甚至不介意在旁边加上引文,陈述的真实性是不言而喻的。很明显,但是这是错误的。实际上,在很多情况下,两种方法的采样效率是相同的。
这是一个免费的Python库,使用Pyforest可在一行代码中导入所有python数据科学库。Pyforest目前可导入包括pandas、numpy、matplotlib等等众多的数据科学库。
一般科研人员在做实验的时候,通常会极力避免机器的这些作弊方式,只有少数的研究人员研究这些案例,他们认为算法的顽皮或许是AI真正走向智能的方式之一。
DeepMind 研究人员最近发表了一篇题为《通过用人工智能引导人类直觉来推进数学》(Advancing mathematics by guiding human intuition with AI)的论文,认为深度学习能够帮助发现被人类科学家忽视的数学关系。很快,这篇论文在科技媒体上引起了广泛的关注。
「通过交换和复制移动,AlphaDev 跳过了一个步骤,以一种看似错误,但实际上是捷径的方式连接项目。」这种前所未见、违反直觉的思想不禁让人回忆起 2016 年那个春天。
【新智元导读】在德国柏林召开的计算机语言顶级会议ACL2016将于当地时间明天(8月12日)闭幕。今天,大会公布了最佳论文,一篇关于词态学的论文获此殊荣。此外,本年度ACL把终身成就奖颁给了功能语法LFG理论创建者之一的Joan Bresnan。最佳论文和终身成就奖都颁给了语言学,这是深度学习的失利吗?其实不然,从接收论文、优秀论文,还是课程讲义以及Workshop来看,深度学习在本年度的ACL大会上都有绝对重要的地位。中国科学院计算技术研究所研究员刘群接受新智元采访说,今年的ACL,深度学习很抢眼,是最大
不仅如此,该AI所用方法被称为“重现当年AlphaGo的神来之笔”,也就是看似违法直觉,实则一举击败人类高手李世石的那次。
2019 年过去了,我想看看 AI 进展到哪一步了。特别是深度强化学习这个被人追捧为人工智能(AGI)具有变革性的关键一步,它的算法可以让机器用一种通用性的方式像人类一样学习做任何事。
接触过基础计算机科学课程的朋友们,肯定都曾亲自动手设计排序算法——也就是借助代码将无序列表中的各个条目按升序或降序方式重新排列。这是个有趣的挑战,可行的操作方法也多种多样。人们曾投入大量时间探索如何更高效地完成排序任务。
今天,升级后的AlphaFold 3能够以前所未有的「原子精度」,预测出所有生物分子的结构和相互作用。
2022年随着聊天GPT和Mid - journey和Dall-E等图像生成器的流行,我们看到了整个人工智能领域的重大进展。在人工智能和计算机科学的时代,这是令人振奋的一年。本文我们总结了在2022年发表的最具开创性的10篇论文,无论如何你都应该看看。
来源:Deephub Imba 本文约4000字,建议阅读10分钟 本文我们总结了在2022年发表的最具开创性的10篇论文。 2022年随着聊天GPT和Mid - journey和Dall-E等图像生成器的流行,我们看到了整个人工智能领域的重大进展。在人工智能和计算机科学的时代,这是令人振奋的一年。 1、Alpha Tensor: Discovering faster matrix multiplication algorithms with reinforcement learning Fawzi
DeepMind的这一发现赢得了当之无愧的关注,但不幸的是,他们本可以更好地解释AlphaDev。
【磐创AI 导读】:本月的Github热门项目涵盖机器学习、深度学习和编程类的项目,满满都是干货,欢迎大家转发、留言。想要更多电子杂志的机器学习,深度学习资源,大家欢迎点击上方蓝字关注我们的公众号:磐创AI。
近期热门的话题, 人们开始重新讨论这一基本定义----什么是人工智能(AI)。有些人将 AI 重新命名为「认知计算」或「机器智能」,而其他人则错误地将 AI 与「机器学习」概念进行交换。在某种程度上,这是因为 AI 不是一种技术。它实际上是一个由许多学科组成的广泛领域,从机器人学到机器学习。我们大多数人都认为,人工智能的终极目标是为了建造能够完成任务和认知功能的机器,否则这些机器只能在人类的智能范围内从事相关工作。为了实现这一目标,机器必须能够自主学习这些能力,而不是让每个功能都被端到端地明确编程。
从 AlphaGo 开始步入人们视线,人工智能公司 DeepMind 的一举一动总是饱受关注,而在去年,DeepMind 与英国国家医疗服务体系 NHS 旗下基金会 Royal Free London 签订了为期五年的合同,NHS 旗下的三家伦敦医院将向 DeepMind 分享 172 万患者的医疗数据。 这自然引发了对隐私问题的讨论和担忧,DeepMind 一直声称隐私与信任是它们首要考虑的问题,所有数据会被加密且不会与母公司谷歌分享,但依然有不少学者质疑 DeepMind 此言的真实性。 其中剑桥大
在去年的文章里,我谈了 如何学习一门新的技术。那篇文章通篇形而上,讲大道理,读者颔首称赞,但回过头来在应用层面还是懵懵懂懂,不明就里。今天,我就我过去三周的经验,讲讲如何以正确的姿势在生产环境中使用一门新的语言。 过去三周,我在疯狂地使用 elixir,做了两个系统,一个是我上文提到的 policy engine,另一个是个尽可能通用的 activity stream / notification system。前者我花了一周,殚精竭虑,写下了 1600 行代码,production ready;后者我写了
---- 新智元报道 编辑:Aeneas 好困 【新智元导读】OpenAI招了一千多名外包人员,训练AI学会像人类一样一步步思考。如果ChatGPT「学成归来」,码农恐怕真的危了? 码农真的危了! 最近有消息称,OpenAI已经在悄悄地训练ChatGPT,让它学习人类的思考过程,从而真正掌握软件工程,彻底代替「初级码农」。 OpenAI招外包大军,教AI学人类思考 会编程的AI,几家硅谷大厂都在做。 DeepMind的AlphaCode,据说「吊打72%人类程序员」,但尚未开放;传闻中谷歌的「神
Ivanti Endpoint Manager (EPM) 是一款由 Ivanti 公司开发的综合性端点管理解决方案。它旨在帮助企业有效管理和保护其网络中的所有端点设备,包括桌面、笔记本电脑、服务器、移动设备和虚拟环境。
---- 新智元报道 编辑:LRS 【新智元导读】性能达到SOTA也别高兴太早,说不定是把测试集一起训练了呢? 最近科学界又出现一场争论,故事的主角是DeepMind位于伦敦的研究中心于2021年12月发表的一篇Science论文,研究人员发现神经网络可以用来训练并构建比以前更精确的电子密度和相互作用图,能够有效解决传统泛函理论中的系统误差。 论文链接:https://www.science.org/doi/epdf/10.1126/science.abj6511 文中提出的DM21模型准确地模
AI 科技评论按:昨晚,暴雪联合 DeepMind 发出一则新闻,DeepMind 开发的星际 2 AI「AlphaStar」很快就会出现在星际 2 欧洲服务器上的 1v1 天梯比赛中。人类玩家们不仅会有机会匹配到它们、和它们展开标准的比赛,比赛结果也会像正常比赛一样影响自己的天梯分数。
---- 新智元报道 来源:sciencedirect 编辑:Emil 好困 【新智元导读】DeepMind最近研究了一下大自然,于是决定把「达尔文主义」应用在AI上面。首先给AI设定一个奖励,等AI学会如何把奖励做到最大化,它就是个出色的人工智能代理了。 人工智能发展了这么久,终于产生了包括卷积,注意力,全连接等各种机制。 有趣的是,最近的研究反而搞起了「这些机制我们都不需要」的创新。 例如苹果发表的一篇论文表示Transformer不需要注意力机制。 在这个方面,DeepMind也不甘落后,发
近日,DeepMind 与 Google Brain 团队合作发布了 Hanabi 学习环境(HLE)的代码和论文,这是一个基于流行纸牌游戏的多智能体学习和即时通信研究平台。HLE 为 AI 智能体提供了一个游戏界面,并附带了一个基于 Dopamine 框架的学习智能体。
AlphaDev不仅可以将排序算法提速70%,甚至在有的算法上,能比人类快3倍之多。
来源:DeepMind 编译:Bot 编者按:今天,DeepMind发表了一篇名为DeepMind Control Suite的论文,并在GitHub上发布了控制套件dm_control——一套由Mu
整理 | Tina 华为实现自主可控 MetaERP,任正非:今天软件落后但终会强大;SpaceX 星舰爆炸了,马斯克:祝贺!宣布裁员 2.1 万人之后,扎克伯格:未来不排除继续裁员;最新论文显示,ChatGPT 生成的代码安全性远低于最低标准;谷歌合并旗下两大人工智能部门 Brain 和 DeepMind,加速研究力战 ChatGPT;三家 AI 公司要求美国法院驳回版权诉讼:AI 生成图像与艺术家作品不相似;杭州一家公司开出 320 万年薪抢 AIGC 人才;亚马逊编程助手 CodeWhispere
视觉和听觉事件往往同时发生:音乐家拨动琴弦流出旋律;酒杯摔碎发出破裂声;摩托车加速时发出轰鸣声。这些视觉和听觉刺激同时发生,因为它们的起因相同。理解视觉事件与其相关声音之间的关系是探索我们周围世界的一条重要途径。
在国内欢度虎年春节之际,作为 Google 母公司 Alphabet 旗下的人工智能企业——DeepMind,发布了基于 Transformer 模型的编程 AI:AlphaCode,并声称其编写的计算机程序具有竞争力,能与人类普通程序员相媲美。
在大多数时候,你是没有足够的图像来训练深度神经网络的,这时你需要从小样本数据快速学习你的模型。
机器之心报道 编辑:陈萍、小舟 DeepMind 和阿尔伯塔大学联合成立的人工智能实验室未来几年要研究什么? 2017 年,DeepMind 在加拿大的 Edmonton 成立了其首个英国之外的人工智能研究实验室,并和阿尔伯塔大学大学紧密合作,成立了「DeepMind Alberta」,由强化学习先驱 Richard S. Sutton、阿尔伯塔大学教授 Michael H. Bowling、助理教授 Patrick M. Pilarski 领导。 从左到右:Richard Sutton、Michael
本文系根据腾讯研究院研究员曹建峰在“全球人工智能技术大会·2017”的分论坛“AI变革时代的智能系统测评分论坛”上的演讲整理而来。 大家好!很荣幸今天有这个机会跟大家分享我自己对人工智能伦理的一些
DeepMind是一家总部位于英国伦敦的人工智能实验室,他们的研究方向是开发通用自我学习算法。 2014年,该公司以4亿英镑的价格被谷歌公司收购,而最近被人们熟知的,就是他们开发的人工智能围棋应用“阿法狗”将围棋世界冠军李世石给打败。现在,他们希望将自主开发的人工智能技术应用到医疗科技领域。 Mustafa Suleyman是DeepMind公司联合创始人,也是该公司旗下智能医疗部门DeepMind Health主管。据他透露,DeepMind正在和英国全民医疗系统(NHS)合作,希望患者能够从人工智能技术
AI 科技评论按:无论是在树木间乱窜的猴子,还是躲避对手和进击目标的足球运动员,他们灵活敏捷的速度,都让人十分惊叹。掌握这种复杂的电机控制是物理智能研究的方向,是 AI 研究的重要组成部分。 真正的智能电机需要在一系列复杂的环境中,学习如何调节控制身体使其更加灵活来完成任务。目前,很多领域开始研究如何控制模拟人,包括计算机动画和生物力学领域。智能电机的另一种发展趋势是,使用手工制作的目标或运动捕捉的数据来产生特定的行为。 然而,这可能需要相当多技术工作的努力,也可能会导致智能电机面对新任务时,难以重新调
近期,AI 系统已经掌握多种视频游戏(例如 Atari 的经典游戏 Breakout 和 Pong)的玩法。虽然其表现令人印象深刻,但 AI 仍然依赖于数千小时的游戏经验才能达到并超越人类玩家的表现。而人类仅需数分钟就可以掌握视频游戏的基本玩法。
作者:Jane Wang、Zeb Kurth-Nelson、Matt Botvinick 机器之心编译 上周,DeepMind 在 Nature 发表论文,用 AI 复现大脑的导航功能。今天,DeepMind 在 Nature Neuroscience 发表新论文,该研究中他们根据神经科学中的多巴胺学习模型的局限,强调了多巴胺在大脑最重要的智能区域即前额叶皮质发挥的整体作用,并据此提出了一种新型的元强化学习证明。DeepMind 期望该研究能推动神经科学自 AI 研究的启发。 近期,AI 系统已经掌握多种
领取专属 10元无门槛券
手把手带您无忧上云