首页
学习
活动
专区
工具
TVP
发布

AI科技评论

专栏作者
4092
文章
3387560
阅读量
184
订阅数
不盲追大模型与堆算力!沈向洋、曹颖与马毅提出理解 AI 的两个基本原理:简约性与自一致性
近两年,“大力(算力)出奇迹”的大模型成为人工智能领域多数研究者的追求趋势。然而,其背后巨大的计算成本与资源耗费问题也弊端渐显,一部分科学家开始对大模型投以严肃的目光,并积极寻求解决之道。新的研究表明,要实现 AI 模型的优秀性能,并不一定要依靠堆算力与堆规模。 论文作者 | 马毅、曹颖、沈向洋 整理 | 西西 编辑 | 陈彩娴 深度学习火热十年,不得不说,其机遇与瓶颈在这十年的研究与实践中已吸引了大量的目光与讨论。 其中,瓶颈维度,最引人注意的莫过于深度学习的黑盒子特性(缺乏可解释性)与“大力出奇迹”(模
AI科技评论
2022-07-19
6750
Yann LeCun最新访谈:能量模型是通向自主人工智能系统的起点
Yann LeCun认为,「能量模型」开辟了通往「抽象预测」的道路,为能够进行规划的人工智能提供了「统一世界模型」。 来源 | ZDNet 编译 | 钱磊 编辑 | 陈彩娴 继自监督学习之后,Yann LeCun 在接受 ZDNet 的最新访谈中又着重探讨了他在几年前曾大篇幅推崇的概念:「能量模型」(energy-based models)。 什么是能量模型? Yoshua Bengio、 Ian Goodfellow 和 Aaron Courville 等人在2019年出版的《深度学习》(又称「花书」)一
AI科技评论
2022-04-07
1.2K0
港中文MMLab | 由简入难,即插即用:自步对比学习
今天,和大家分享一篇港中文MMLab发表于NeurIPS 2020的论文《Self-paced Contrastive Learning with Hybrid Memory for Domain Adaptive Object Re-ID》,该工作提出自步对比学习框架及混合记忆模型,旨在解决无监督及领域自适应表征学习中数据无法被充分挖掘的问题。
AI科技评论
2020-11-09
9190
从多模态到泛化性,无监督学习如何成为人工智能的下一站?
2016年,图灵奖得主Yann LeCun 表示,未来几年的挑战是让机器学会从原始的、没有标签的数据中学习知识,即无监督学习。Yann LeCun提出,无监督学习是人工智能的下一站。
AI科技评论
2020-09-04
1.2K0
从自监督学习主流方法、最新工作进展,看未来前景研究方向
本文作者来自东北大学,他通过整理自监督学习的一系列工作,把主流方法分成三大类,方便大家更全面的了解自监督学习的定义、方法、用途。
AI科技评论
2020-08-10
1.5K0
俞扬:强化学习真实环境不好用?那就模拟器来凑!
第二届北京智源大会上,南京大学人工智能学院俞扬教授做了《更好的环境模型,更好的强化学习》的报告。
AI科技评论
2020-07-02
7890
21 个问题看 NLP 迁移学习的最新进展!
2018 年 10月,Bert 问世。从此,一波 NLP 迁移学习的研究热潮向我们袭来。
AI科技评论
2020-06-29
7870
邓力、何晓冬深度解读:多模态智能未来的研究热点
基于深度学习的机器学习方法已经在语音、文本、图像等单一模态领域取得了巨大的成功,而同时涉及到多种输入模态的多模态机器学习研究有巨大的应用前景和广泛的研究价值,成为了近年来的研究热点。
AI科技评论
2020-06-17
1.8K0
历时 6 年发展, GAN 领域当下最热门的“弄潮儿”都有哪些?
生成式对抗网络(Generative Adversarial Networks, GAN)诞生于2014年,它的作者Ian Goodfellow 因它而声名大噪,被誉为“GAN 之父”。
AI科技评论
2020-06-17
6430
17篇入选CVPR 2020,腾讯优图 9 篇精选论文详解
全球计算机视觉顶级会议CVPR2020 (IEEE Conference on Computer Vision and Pattern Recognition,即IEEE国际计算机视觉与模式识别会议) 即将于2020年6月14日-19日在美国西雅图召开。
AI科技评论
2020-03-10
1.1K0
今日 Paper | 动态手势识别;领域独立无监督学习;基于BERT的在线金融文本情感分析等
论文名称:Domain Independent Unsupervised Learning to grasp the Novel Objects
AI科技评论
2020-02-21
6190
「LSTM 之父」亲笔万字长文,只为向世人证明:深度学习不是在母语为英语的地方被发明的
毫无疑问,深度学习是影响当今世界科技发展的最重要的技术之一。2018 年,深度学习「三巨头」因其在这个领域的卓越贡献荣获图灵奖。在人们感慨人工智能迎来春天的同时,也有人为「LSTM 之父」Jürgen Schmidhuber 未能分享这份荣誉而感到遗憾。事实上,除了 LSTM 之外,深度神经网络、卷积神经网络、无监督学习、自监督学习、元学习、知识蒸馏、对抗生成网络等重要技术的诞生与 Jürgen 都有着千丝万缕的联系。
AI科技评论
2019-11-13
3.6K0
顶会见闻系列:从 NeurIPS 2018 看 AI 进展、观点及 2019 年趋势预测
NeurIPS 汇聚了人工智能和深层学习领域的杰出人才,近年来随着名气的上升,门票一度比 Taylor Swift 的演唱会还难买(更多内容回看《听说 NIPS 2018 门票十分钟卖光,机器学习圈子炸了锅》)。该会议主要聚焦于深度学习领域。深度学习是使用多层互联的人工神经网络对高维数据进行建模的过程,其对于图像分类、语音识别、自动驾驶汽车、面部识别,甚至手机的拼写自动纠正功能等方面的突破具有关键作用。由于深度学习已经成为近来人工智能进展的核心部分,NeurIPS 可以被视作更大的人工智能生态系统的标志性会议。
AI科技评论
2019-11-01
5890
KDD 2019 | 如何从科研论文中挖掘算法的演变路线?
每年新的科研论文数量都在不断增长,这给想要快速了解学术领域主流信息的研究人员造成了很大的困扰。为了帮助研究人员克服这一难题,UCSB的学者在KDD2019发表了Mining Algorithm Roadmap in Scientific Publications,提出了能够自动生成学术路线图的算法,刻画不同算法之间的演进路线。
AI科技评论
2019-09-17
8820
从 ICLR 2019 一览小样本学习最新进展!
AI 科技评论按:通常而言,深度学习是典型的数据驱动型技术,面对数据有限的情况,传统的深度学习技术的性能往往不尽如人意。在本届 ICLR 上,许多研究者们利用元学习、迁移学习等技术对小样本学习问题进行了探究,发表了多篇高质量论文,可谓百家争鸣!深度学习工程师 Isaac Godfried 在 Medium 上发表了一篇文章,基于今年 ICLR 上关于小型数据集深度学习研究的论文,探讨了目前小样本学习的最新进展。AI 科技评论编译如下。
AI科技评论
2019-06-15
8310
干货 | CVPR 2018论文:「随心所欲」换装换姿态
本文作者 Liqian Ma,他为 AI 科技评论撰写了他作为第一作者被 CVPR 2018 录用的 Spotlight 论文解读稿件。
AI科技评论
2018-07-27
1.1K0
干货 | CMU博士生杨植麟:如何让AI像人类一样学习自然语言?
本文分享了无监督学习和情景化学习的一些最新进展,其中包括一篇 ICLR Oral 论文的解读。 AI 科技评论按:近几年,由于深度神经网络的快速发展,自然语言处理借此取得了重大突破,但同时也达到了它的发展瓶颈期。因此,研究如何让 AI 像人类一样去学习自然语言成为了现在研究者们最关心的问题。 在近期 GAIR 大讲堂上,来自卡内基 · 梅隆大学三年级博士生杨植麟同学分享了无监督学习和情景化学习的一些最新进展,其中包括一篇 ICLR Oral 论文的解读,点击阅读原文可查看完整视频回放。 杨植麟,卡内基梅隆
AI科技评论
2018-04-18
1K0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档