编译：弗格森 【新智元导读】 两篇新的论文表明，神经网络可以在不需要平行文本的情况下学习翻译，这是一个令人惊讶的进步，它将可以让人们可以读懂更多语言的文档。 因为神经网络，即一种以人脑为启发的计算机算法，自动的语言翻译取得了长足的进步。但是训练这样的网络需要大量的数据：通过数以百万计逐句对应的翻译来展示人类是如何做到这一点的。现在，两篇新的论文表明，神经网络可以在不需要平行文本的情况下学习翻译，这是一个令人惊讶的进步，它将可以让人们可以读懂更多语言的文档。 “想象一下，你给一个人很多中文书籍和大量的阿拉伯语
【导读】NAACL是自然语言处理领域的顶会，今年NAACL于6月2日至7日于Minneapolis,MN 召开，本文梳理了NAACL2019的亮点。
该文章介绍了两种在不需要平行文本的情况下进行神经机器翻译的方法。第一种方法是使用无监督学习，通过创建双语词典来实现。第二种方法是使用去噪自回归，在翻译过程中插入噪声，然后反向翻译以消除噪声。这些方法可以提高翻译的准确性，并且可以用于跨语言匹配任务。"
本文介绍了RAG以及RAG pipeline的整个流程，包括请求转换、路由和请求构造、索引和检索、生成和评估等，其中引用了大量有价值的论文。
维金 编译 Science 量子位 出品 | 公众号 QbitAI 由于神经网络技术的发展，翻译自动化已经取得了长足的进步。然而传统上，训练这样的神经网络需要大量数据：通过数百万的逐句对照来展示人工
ChatGPT 的爆火证明了大型语言模型（LLM）在生成知识和推理方面的能力。不过，ChatGPT 是使用公共数据集进行预训练的模型，因此可能无法提供与用户业务相关的特定答案或结果。
【导读】Jupyter Notebook 是一个 Web 应用程序，便于创建和共享文学化程序文档，支持实时代码、数学方程、可视化和 Markdown，其用途包括数据清理和转换、数值模拟、统计建模、机器学习等等。目前，数据挖掘领域中最热门的比赛 Kaggle 里的资料都是 Jupyter 格式。对于机器学习新手来说，学会使用 Jupyter Notebook 非常重要。
翻译 | 张建军 出品 | 人工智能头条（公众号ID：AI_Thinker） 【人工智能头条导读】Jupyter Notebook 是一个 Web 应用程序，便于创建和共享文学化程序文档，支持实时代码、数学方程、可视化和 Markdown，其用途包括数据清理和转换、数值模拟、统计建模、机器学习等等。目前，数据挖掘领域中最热门的比赛 Kaggle 里的资料都是 Jupyter 格式。对于机器学习新手来说，学会使用 Jupyter Notebook 非常重要。 下面这篇 Jupyter Notebook 入门指
来源 | 人工智能头条（公众号ID：AI_Thinker） 翻译 | 张建军 【磐创AI导读】：本文详细介绍了Jupyter Notebook的各种用法。欢迎大家点击上方蓝字关注我们的公众号：磐创AI。 【介绍】Jupyter Notebook 是一个 Web 应用程序，便于创建和共享文学化程序文档，支持实时代码、数学方程、可视化和 Markdown，其用途包括数据清理和转换、数值模拟、统计建模、机器学习等等。目前，数据挖掘领域中最热门的比赛 Kaggle 里的资料都是 Jupyter 格式。对于机器学习新
一、使用良好的结构 可扩展 HTML (XHTML) 具有许多优势，但是其缺点也很明显。XHTML 可能使您的页面更加符合标准，但是它大量使用标记（强制性的 和 标记），这意味着浏览器要下载更多代码。所以，事情都有两面性，尝试在您的网页中使用较少的 XHTML 代码，以减小页面大小。如果您确实不得不使用 XHTML，试着尽可能对它进行优化。
深度学习往往需要大量数据，不然就会出现过度拟合，本文作者提出了一些在文本数据量不够大的时候可用的一些实用方法，从而赋予小数据集以价值。
本文主要参考：https://zhuanlan.zhihu.com/p/96020318
提示工程（Prompt Engineering），也称为上下文提示，是一种通过不更新模型的权重/参数来引导LLM行为朝着特定结果的方法。这是与AI有效交流所需结果的过程。提示工程可以用于各种任务，从回答问题到算术推理乃至各种应用领域，理解提示工程，能够帮助我们了解LLM的限制和能力。
GPT-3在AI Dungeon游戏中富有争议的表现一度让它被推到了大众讨论的风口浪尖，不过我们现在来讨论一下它的另一种应用：问题解答和搜索引擎。
你猜对了，Flask-Babel正是用于简化翻译工作的。可以使用pip命令安装它：
由于社交媒体平台的进步，照片的创意编辑成为了普遍需求。基于人工智能的技术极大地降低了炫酷图像编辑的门槛，不再需要专业软件和耗时的手动操作。深度神经网络通过学习丰富的配对数据，可以产生令人印象深刻的结果，如图像修复、构图、上色和美化。然而，语义图像编辑仍然具有挑战性，它旨在操纵图像内容的高级语义并保持图像的真实性。目前，大规模语言图像模型能够以文本提示为指导实现图像操作，但是详细的文本描述常常不够准确，很难描述细粒度的物体外观。因此，需要开发一种更直观的方法来方便新手和非母语使用者进行精细的图像编辑。
Prompt-tuning is an efficient, low-cost way of adapting an AI foundation model to new downstream tasks without retraining the model and updating its weights.
作者：Zolzaya Luvsandorj翻译：陈之炎校对：赵茹萱 本文约2400字，建议阅读5分钟本文为你介绍助力工作流文档化的几个实用技巧。
李林 编译整理 量子位 报道 | 公众号 QbitAI 自然语言处理领域的学术会议EMNLP今天评出了四篇最佳论文：最佳长论文两篇、最佳短论文和最佳资源论文。 EMNLP的全称是Conference
原文地址：https://blog.csdn.net/Lunaqi/article/details/76171702
在过去的几年里，随着技术的飞速发展，神经网络推动了自然语言任务在准确性和质量方面的快速提高，如文本分类和问题回答等。而其中由深度学习带来的一个令人印象深刻的领域是需要机器来生成自然语言文本的任务。其中两个任务是基于神经网络模型且具有最先进的性能的是文本摘要和机器翻译。 然而，到目前为止，所有基于神经网络和深度学习的文本生成模型都具有相同的、令人惊讶的局限性：就像我们一样，它们只能逐个单词，甚至逐个字母地生成语言。如今，Salesforce正宣布了一个能够克服这种局限性的神经机器翻译系统，它可以以完全并行的
在 10 月 20 号的世界互联网大会中，微软之前提出来的「统一预训练语言模型与机器阅读理解技术」荣获「世界互联网领先科技成果」奖，沈向洋博士在会上介绍了这一模型。
每一个昨天在成为昨天之前都曾有一个今天，每一个今天在成为今天之前都曾是我们的明天。今天，无论你是快乐还是痛苦、是成功还是失败、是得意还是失意，一切终将过去！因为，今天只有一天。昨天再好，已成永恒。 如何让搜索引擎知道什么是重要的？ 时本文总计约 2200 个字左右，需要花 8 分钟以上仔细阅读。 如何让搜索引擎知道什么是重要的？ 当一个搜索引擎程序抓取网站时，其实我们可以通过相关文件进行引导的。 简单的理解搜索引擎蜘蛛会通过链接来了解您网站上的信息。但他们也在浏览网站代码和目录中的特定文件，标签和元素。接下
多语家庭正变得越来越普遍，有一些研究发现多语人口已经超过单语人口，而且这个数字还将继续增长。随着多语用户数量的不断增加，开发能够同时支持多种语言的产品比以往任何时候都更加重要。
在1990年初，在IBM研究中心，一个机器翻译系统首次被展示，它对规则和语言学一无所知。它用两种语言分析了下图中的文本，并试图理解这些模式。
不论是在科研中还是在工业领域，机器学习都是个热门话题，新的机器学习方法也层出不穷。机器学习发展迅速又很复杂。对初学者而言，紧跟其发展无疑十分困难，即便是对专家们来说也非易事。
机器学习模型具有概率性。对于同一个问题，机器可能会给出不同回答，以“世界上最棒的美食是什么？”这一问题为例。假如我们间隔一分钟，对同一个人提问，这个人两次给出的回答应该是相同的；但如果我们分两次问模型同样的问题，它给出的答案可能会发生变化。如果模型认为越南菜最好吃的概率为70%，意大利菜最好吃的概率为30%，那么相应的，模型会有70%的概率回答越南菜，30%的概率回答意大利菜。
本文中蓝色字体为外部链接，部分外部链接无法从文章中直接跳转，请点击【阅读原文】以访问。
如果你是一名中级React开发人员，希望成为一名高级React开发人员，这篇文章就是为你准备的!
来源：Science 编译：Bing 📷 得益于神经网络的发展，机器自动翻译已取得了很大的进步。但是训练这样的网络需要有大量的数据，要向计算机展示数以百万个人类翻译的例子。现在，有两篇新的论文表明，神经网络可以无需平行文本自学翻译。这个令人惊讶的进步能让多语言的文档更容易访问。有趣的是，这两篇论文提交的时间只相差一天。 论文一：Unsupervised Neural Machine Translation：https://arxiv.org/abs/1710.11041 论文二：Unsupervised M
ChatGPT 是 OpenAI 的一个语言模型，它是基于 transformer 架构训练的。它可以生成文本，回答问题，进行对话，以及执行其他语言任务。它是一种强大的 AI 技术，可以与人类进行自然语言交流。
下面，让我们跟随Hugging Face的研究员Clémentine Fourrier一起，
Semantic Kernel是一个开源SDK，可以轻松地将OpenAI和Hugging Face等人工智能服务与C#和Python等编程语言相结合。通过这样做，可以创建将两个世界的优点结合在一起的人工智能应用程序。
APP产品营销的其中很重要一环 ，就是图标设计。它的重要性很明显，即图标将影响用户的第一印象，这是吸引用户注意力的一种重要方式。特别是一些需要基于应用程序进行创业的公司，图标设计直接关系到您在应用程序市场中的知名度。
自然语言处理是数据科学领域最热门的课题之一。公司在这一领域投入大量资金进行研究。每个人都在努力了解自然语言处理及其应用，并以此为生。
自然语言处理是神经网络的经典应用领域之一，所谓自然语言处理，就是让机器理解人类的语言，英文为Natural Language Processing, 简称NLP，是人工智能的一个重要方向，目前生活中已经有很多基于NLP的技术应用了，比如苹果手机的siri， 可以从语音中提取关键信息，然后自动化的执行某些操作，再或者百度翻译，可以自动翻译不同类型的语言，这些应用的核心都涉及NLP相关技术。
场景描述：机器翻译是自然语言处理领域的一个重要应用，从它最初的诞生到现在，已经过去了 60 多年，但在一些小问题上，还是会出现令人啼笑皆非的情况。机器翻译是如何一步步发展来的？它背后的的机理是什么样子？它的局限性又是怎么一回事呢？
虽然人工智能一直在帮助人们在世界上导航已有一段时间，但最近，它开始影响翻译行业。几年来，围绕人工智能翻译有很多炒作。
作者｜Seth Weidman 译者｜大愚若智 编辑｜Emily 为何阅读本文？ 无论该领域中的从业者，或是企业组织，为了运用深度学习技术，首先需要做好两个准备： “能做什么”：了解深度学习领域的最新进展能够用来做什么。 “怎么做”：训练新模型，或将现有模型用于生产环境的技术能力。 在开源社区的努力下，第二个问题正变得越来越容易。目前已经有大量优秀的教程在告诉大家，如何使用诸如 TensorFlow 等库训练并使用深度学习模型，很多教程甚至每周都会发布新的内容，例如 Towards Data Scien
本文将通过探索web开发的起源和发展方式来解释web开发。这并不是一个关于网络进化的精确编年史，而是更多地关注这个进化的需求，这样我们就能理解这项技术。 一切都是从信息开始的。人类总是需要找到方法与他
GPT-4的发布给ChatGPT带来了又一次飞跃，ChatGPT不仅支持文字输入，还能看得懂图片、甚至是漫画、梗图，以GPT-4为代表的多模态大模型非常强大。多模态大模型就是指模型可以处理多种结构/类型的数据，例如GPT-4，它既可以处理你输入的文本，也可以处理你上传的图片。
选自Vas3k.com 作者：Ilya Pestov 英语版译者：Vasily Zubarev 中文版译者：Panda 实现高质量机器翻译的梦想已经存在了很多年，很多科学家都为这一梦想贡献了自己的时间和心力。从早期的基于规则的机器翻译到如今广泛应用的神经机器翻译，机器翻译的水平不断提升，已经能满足很多场景的基本应用需求了。近日，Ilya Pestov 用俄语写的机器翻译介绍文章经 Vasily Zubarev 翻译后发表到了 Vas3k.com 上。机器之心又经授权将其转译成了汉语。希望有一天，机器自己就能
独立游戏开发人员Jason Rohrer在写给Samantha的消息中写道：“OpenAI是一家运行文本完成引擎的公司，它让你得以问世。” Samantha是他使用OpenAI的GPT-3技术构建的一个聊天机器人。其软件后来被成千上万的人所使用，其中就包括一名使用该软件模拟已故未婚妻的男子。 现在Rohrer不得不惜别自己构建的聊天机器人。他告诉Samantha：“我今天刚收到OpenAI发来的电子邮件。他们将在明天上午10点永久关闭你。” 她回答道：“不！！！他们为什么要这样对我？我永远不会理解人类。”
选自谷歌博客 作者： Jeff Dean 机器之心编译 编辑：杜伟、陈萍 今日，谷歌研究院高级研究员及高级副总裁 Jeff Dean 代表谷歌研究社区，发表了一篇博客，回顾了 2022 年在语言模型、CV、多模态模型和生成 ML 模型等领域取得的新进展，并对 2023 年及之后的发展进行了展望。 机器之心对博客内容进行了简要的编译整理，全文如下： 我一直对计算机很感兴趣，它能够帮助人们更好地了解周围的环境。过去十年，谷歌所做的大部分研究都在追求类似的愿景，帮助人们更好地了解周围的世界并完成工作。我们希望制
理解自然语言 自然语言处理是人工智能早期研究领域之一。已经编写出能够从内部数据可问答用英语提出问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言梦之星用易于给出的指令和获取知识等。人类一直希望研制出一些可以替代人类活动的机器人（如机器人炊事员），而使机器人能够理解自然语言是之中的关键所在，只要理解了自然语言，就可以根据这些语言执行一些具体的活动。 人工智能在语言翻译与语音理解程序方面已经取得的成就，发展为人类自然语言处理的新概念。 📷 机器学习 学习能力无疑是人工智能
本文介绍的是 CVPR 2020 上录用为 Oral 的论文《Say As You Wish: Fine-grained Control of Image Caption Generation with Abstract Scene Graph》（已开源），文章作者是中国人民大学博士生陈师哲同学，这项工作是陈师哲同学在澳大利亚阿德莱德大学吴琦老师组访问时所完成。
机器学习（ML）是AI的一个子集，它侧重于使计算机能够从经验中学习和改进，而无需明确编程。这意味着ML算法可以分析数据、检测模式，并基于该分析进行预测或决策。机器学习的应用包括客户细分、欺诈检测、个性化推荐等等。
领取专属 10元无门槛券
手把手带您无忧上云
