近年来AI技术发展速度迅猛，深入到生活中的方方面面，从手机APP到车载语音系统。...今天小PP和大家一起仔细了解，AI技术中的语音技术在各场景的应用，并奉上对应模型~ 语音识别技术 语音识别其实是一种感知智能，核心功能是将物理世界的信息转化成可供计算机处理的信息，为后续的认知智能提供基础...实际上，语音识别早已经应用于我们日常生活中的方方面面。现在非常多的手机APP支持语音识别，解放双手提升效率。...除上述应用方向，语音识别技术落地场景多种多样。语音技术也是深度学习算法工程师从业的重要方向之一，那么哪些框架里能找到语音识别模型呢？ 目前主流深度学习框架都有各自的语音识别模型。...这次小伙伴们已经了解语音技术的应用和模型，后续也将呈现NLP、目标检测、人脸识别和图像方向的相关内容，欢迎大家持续关注~
背景动机 AI，机器学习/深度学习技术（包括深层神经网络，DNN）在许多领域和应用中取得了很大的进展，包括医药、自动驾驶、社交媒体、金融工业等。...然而，直到最近，在环境科学领域只有很少的AI应用开发工作。 令人鼓舞的是，AI在这些领域的应用在不断增加，而且取得了令人鼓舞的结果，其中包括预测技能。...这些数据的增加将给这些数据的应用带来极大的挑战，AI已经成为潜在的解决技术。 主要内容 通过粗粒度实现基于机器学习的湿度物理参数化。 利用在线序列极限学习机进行预测。...利用机器学习技术在能量级外地球系统模型中表示气溶胶与云的相互作用。 在最新的GCM中用神经网络对辐射传输参数进行模拟。...资源获取 第十二期的视频资料及PPT获取，好奇心Log公众号后台回复NOAA12 Python地图可视化三大秘密武器 ECMWF-ESA:面向地球系统观测和预测的机器学习 为什么学海洋/气象/环境的要往机器学习
最近，电子工业出版社送了我一本书：「《一本书读懂AIGC：ChatGPT、AI绘画、智能文明与生产力变革》」。不禁感叹：现在连写书都这么卷了！...你想申请国家项目来买显卡：申请过项目的都懂，哪里会允许你用几百万来买显卡？...你想站出来反对大模型、要找它的漏洞，却发现：好的东西都是不开源的；你仅能从人家的输出结果上进行分析、并且人家的模型在快速迭代、可能今天有的问题、明天就莫名其妙被修复了…… 工业界 此时的你，如果是个「...大模型的边界在哪里、什么样的数据可以测出来？ 小模型和大模型到底有什么区别、仅仅是benchmark得分不同吗？ 如何公平地评测不同大模型的能力？ 到底何为”AGI“?如今的评测是否是AGI评测？...限时五折） AIGC是2023年的热点话题，现在已经有很多成熟的应用，ChatGPT是其中比较典型的应用，由此引发了人们对失业问题的担心 本书介绍了AIGC的发展和应用，并且使用了大量的案例，对AIGC
---- 新智元报道 编辑：编辑部 【新智元导读】这个天猫双11，酷炫的AI技术，为你我打造了一场如梦似幻的沉浸式购物之旅。 今年双11，你买什么了？...「撑起」天猫双11的硬核技术 说来，天猫怎么就忽然做起沉浸式购物了？ 其实在过去的13个双11里，天猫的底层技术基础设施得到了深厚的积累。而现在随着AI技术的革新，产品形态的创新，也变得千变万化。...天猫依托底层3D引擎（AceNNR）、AI引擎（MNN）、AR引擎、多媒体等技术，让我们能通过AR应用、3D展示等各种方法，看到各种产品的形态。...为此，阿里想到了学术界研究已久的神经渲染算法（NeRF），并在之后首次实现了在工业界的规模化落地。...2021年，完成了包括电商主营业务在内的数千万核心算力、30余万应用的全面上云。 在经历过去三年的坚实「三步走」之后，今年双11成为阿里全面serverless、深度用云的元年。
自20世纪80年代中期至今（近30年以来），电子政务的发展可以粗放式地分为以下三个主要的阶段： 第一阶段：政务信息化阶段，以办公自动化、专项业务应用和双门户（互联网门户、政务网统一信息/应用平台）作为建设内容的重点...政务的“十二金”曾经是电子政务的重要建设内容，也曾是国家电子政务应用的顶层规划，但目前几乎不怎么提了。本着捋清发展轨迹的精神，在这里还是简单回顾一下。...政务作业一体化、模型驱动的治理监管和智慧决策是其新的发展重点，政务数据化是其主要特征，未来必然实现数据的自治。...可以预见，未来政务的发展方向也是会以“政务AI+”为主要方向的。与此同时，政务大数据将成为“政务AI+”的重要基石。 综合上述的电子政务发展轨迹，每个阶段都对政务大数据的蓬勃发展起到了重要的推进作用。...决策分析数据：指基于政府监管职能的决策分析规则库、决策模型、决策引擎数据，用于支撑政务大数据的决策分析能力和自学习、自优化、自提升。
王晋东 投稿 量子位 | 公众号 QbitAI 最近，电子工业出版社送了我一本《一本书读懂AIGC：ChatGPT、AI绘画、智能文明与生产力变革》，不禁感叹：现在连写书都这么卷了！...你打不过、想加入，但是发现你没钱买显卡：是的，一块计算显卡A100的售价在10万人民币左右，而自然语言处理大模型动辄需要几块、几十块的卡来开发和试错。试问有多少高校教师可以负担得起？...你想申请国家项目来买显卡：申请过项目的都懂，哪里会允许你用几百万来买显卡？...你想站出来反对大模型、要找它的漏洞，却发现：好的东西都是不开源的；你仅能从人家的输出结果上进行分析、并且人家的模型在快速迭代、可能今天有的问题、明天就莫名其妙被修复了…… 工业界 此时的你，如果是个工业界的研究员...大模型的边界在哪里、什么样的数据可以测出来？ 小模型和大模型到底有什么区别、仅仅是benchmark得分不同吗？ 如何公平地评测不同大模型的能力？ 到底何为”AGI“?如今的评测是否是AGI评测？
我们当时做这个项目，应用在双11实时预测的用户产品推荐上，后来变成了阿里巴巴第一个大规模机器学习平台。所以一开始你要找到一个商业价值的落地点，如果我们做参数服务器，同样的技术，就是死路一条。...“又比如深度学习技术的应用。它带来了图像识别、语音识别、NLP 等领域的长足进步，但是它的落地点在哪里？这就要问你的核心价值在哪里。一开始我们就很具体，就做客服。...“在蚂蚁金服，一个标准化的机器人应用就是客服。客服项目在蚂蚁金服可以说是第一个标杆性的人工智能落地项目，它一开始是典型的人力服务工作，在成都客服中心有几千人，每年双11接电话非常繁忙。...数据和模型的压缩 “从工业界来讲，更实用的是数据和模型的压缩。刚才有人问我说深度学习能不能用于量化交易，尤其是高频。我说高频的话，如果深度学习有好几层的模型，比如做图像有 100 多层。...工业很多应用非常在乎实时性，不能有大量 delay。怎么能做得快呢？这就需要模型的压缩，要用 hashing 等技术，这也是非常好的方向。”
使用FaceForm，我们可以看到这个模型有翻转面： ? 这个问题可以按照小菱方八面体的类似方法解决。但是，很难能看出哪里的面需要被分割。...很难分割的多面体范例包括扭棱十二合十二面体（snub dodecadodecahedron）、大后扭棱二十合三十二面体（great retrosnubicosidodecahedron）和大双斜方三十二面体...从可视化和计算两个方面考虑，很难找到哪里的面需要被分割才能生成有精确坐标和正确面朝向的原模型副本。...最后一步就是应用那些方形面，最终生成了小菱方八面体。 ? 使用这个用切割新生成的小菱方八面体，我还可以三维打印这个模型，以和纸面模型做一个对比。 ?...在这个过程中我还在发现新的思维方式，虽然还是有很多挑战需要解决——即使是要生成这些多面体的纸面模型也很难，而且在哪里做切割也不是很明确。
点击“博文视点Broadview”，获取更多书讯 今天是双12，错过双11的小伙伴们可不要连双12也错过了哦~~ 如果你不知道买哪些书，可以看看大家都在买哪些。...石勇院士倾情推荐 涉及油气、多元化集团、装备制造、核电、汽车、金融、政务、互联网等行业案例 本书既具有国际性理论高度，也具备面向中国企业的实操性 参与本书编著的作者均为国内专家，所有案例均为企业的真实实践 本书是工业大数据应用技术国家工程实验室多年潜心研究的重要科研成果的总结和凝聚...07 ▊《AI安全：技术与实战》 腾讯安全朱雀实验室 著 国内首部揭秘AI安全前沿技术力作 涵盖对抗样本攻击、数据投毒攻击、模型后门攻击、预训练模型安全、AI数据隐私窃取等 附赠全书代码，作者在线答疑等...全彩极致印刷 本书首先介绍AI与AI安全的发展起源、世界主要经济体的AI发展战略规划，给出AI安全技术发展脉络和框架，并从AI安全实战出发，重点围绕对抗样本、数据投毒、模型后门等攻击技术进行案例剖析和技术讲解...；然后对预训练模型中的风险和防御、AI数据隐私窃取攻击技术、AI应用失控的风险和防御进行详细分析，并佐以实战案例和数据；最后对AI安全的未来发展进行展望，探讨AI安全的风险、机遇、发展理念和产业构想。
AI“工业化大生产”来临， 数据领域的AI工程化与大模型率先汇流 AI工程化其价值和机遇不仅在于AI开发过程，其对大模型的促进作用也不容忽视。...从更宏观的视野看，AI工程化的趋势与当下AI领域的热点大模型一样，都是在推动AI“工业化大生产”（高效率的批量化AI落地，而不是作坊式的一个个生产），只不过一个从开发全过程出发，一个从模型本身出发。...大模型时代许多场景只要基于基础大模型进行微调便可以产生优质的场景应用，云测数据总经理贾宇航认为，AI工程化在这个“微调”的阶段将起到重要的作用，帮助更多场景应用高效、高质量交付与持续优化。...现在，随着云测数据推出面向AI工程化的数据解决方案，以及行业内许多典型大模型开始走向应用，至少在数据领域，AI工程化与大模型的汇流已经在开始。...无论如何，数据领域的AI工程化与大模型汇流，共同推动AI应用加速实现更广泛、更优质的场景落地，这其中涌现了新的商业合作机遇，但更重要的是在工程化开发与预训练的优势叠加下，AI将真正走入千行百业，变得更加普惠
深度学习框架属于AI的底层技术创新，一旦这些技术被套上枷锁，千行百业的智能化转型将被制约，甚至会影响国内第四次工业革命的进程。...我们不妨从盘点和回顾的视角，梳理下深度学习框架的周期演变，在从学术圈走向工业界再到产业化的历程中，找寻属于中国企业的机会和挑战到底在哪里。...其中被频频强调的EasyDL，是百度基于飞桨深度学习框架构建的零门槛AI开发平台，开发者上传数据并标注后，即可训练相应的模型部署应用。...深度学习框架的应用也在这个时间点进入了产业化阶段，且呈现出了两个典型的特征：一是大型模型训练，GPT-3、BERT等大模型的诞生，需要在数百台甚至数千台设备上进行训练，所瞄准的正是产业化的需求；二是可用性...目前中国已经在AI应用层站稳了脚跟，近几年的专利申请甚至超过了美国，在数据、人才、市场等方面的综合优势正在逐步显现。
而Unity平台在游戏领域已经触达28亿全球月活玩家用户，使用Unity构建的应用已实现50亿次的月下载量。 ? 游戏引擎能够助力研发效率提升、成本大幅降低，并且兼顾品质。...根据《2020移动游戏全年买量白皮书》显示，网易、阿里游戏、腾讯等研运一体化的游戏厂商霸占买量公司榜前三位置。在头部买量公司榜中，游戏大厂、老牌买量厂商占8成，游戏行业寡头化趋势愈发明显。...“两化”，正是工业化的标志，也为游戏创造更高收入、更大利润的可能。 游戏营销工业化背景下，主流广告平台实现成功，并不是简单在于降低了买量成本，而是整体提高了买量效率。...所以对于游戏营销而言，成本降低只是表面，而提高生产力即效率才是其工业化的最终答案。加上游戏研发工业化，整个行业的品质和效率都获得了提升。 AI， 游戏工业化下一个突破点？...由AI分析得来的标准化模型，通过市场反馈不断调整，能够动态地经受市场重复验证。平台和厂商都总结出一套经过市场反复验证的方法论可以依循。反馈到游戏厂商这边，则会不忌惮于扩大营销投入。
在跨行业跨领域应用服务方面，平台以工业AI、边缘计算、数字孪生、机器视觉等核心技术，打造构建行业化的工业机理、工业AI模型和组件，并孵化众多杀手锏工业APP，为汽车摩托车、电子信息、新材料、高端装备等10...在政府和企业都在大力推广的情况下，发展工业互联网的阻力还在哪里？ 巩书凯：工业互联网不是互联网在工业的简单应用，而是具有更为丰富的内涵和外延。...巩书凯：以15家双跨平台为例，这些工业互联网平台可以分成三种类型。...目前，平台已连接设备数量140多万台，其中工业设备数量87.5万台；工业APP数量9000多个，覆盖10个行业9个领域，工业机理模型2777个，平台注册开发者6万多名，构建了2300多个微服务组件。...然而细心的读者可以发现，问题逐渐变为十一问，十二问，甚至更多。因为在实际采访过程中我发现，十个问题的答案不足以将嘉宾思考上的高度展示给大众。
这张图我们总结了蚂蚁金服的一些应用。简单介绍一下一些主要应用。第一个应用，刚才提到的企业、个人的贷款，我们希望通过大数据，能够产生真实模型，包括定价，后面的反套现反欺诈等等。...减少的100人去做递推，做口碑业务，这部分大量的人力就省下来了，这就是AI真实的案例。 ? 其实AI有各种各样的应用。刚才讲的应用有关问答、参与问题，假如有问题已经发生了怎么办？...我们其实在模型一个人，一个人买商品和退货，这3个之间的关系，最后我们算一个概率。这其实与广告里面，一个用户，一个商品，用户会不会点击这个广告其实非常类似。只不过把这个东西换了换。...从工业界来讲，更实用的是数据和模型的压缩。刚才有人问我说深度学习能不能在这个量化交易用，尤其是高频。我说那高频呢，如果深度学习好几层的模型，做图像有100多层。...那工业很多应用非常在乎实时性，不需要大量delay。所以怎么能做的快呢？这就需要模型的压缩，要用hashing等技术，那这个也非常好的方向。 AI落地经验与教训 ?
AI科技评论了解到，为了应对此次冲击，值得买今年年初从原来的各Team中抽调出一部分人，成立了AI Lab团队，并率先开展了内容应用层面的研究。...据王云峰介绍，在模型训练层，值得买已经在60亿参数的模型基座上完成了全参数的Post-Training，正在130亿参数的模型基座上开展全参数的训练；应用层面，则主要围绕多模态的内容识别和生成、智能的用户画像和推荐...AI科技评论：其实现在人们对大模型还是非常看好的？ 王云峰：对，现在大家更多的是把它当成一个很惊艳的东西看，认为它有无限的可能。实际上，还没有完全弄清这个东西最终的应用限制会在哪里。...2 蒸馏法训练垂类模型， 应用层三条线齐头并进 AI科技评论：大模型火了之后，值得买内部有哪些调整？...但是垂类模型的难度并不比通用模型小，因为垂类领域的要求更高。 AI科技评论：难在哪里？做垂类模型比拼的是什么？
观看网址：http://www.mooc.ai/course/562 课程介绍 「深度学习」系统，以神经网络为代表，逐渐应用于所有的 AI 任务，从语言理解，语音和图像识别到机器翻译，规划，甚至是游戏电竞和自动驾驶...结果是在许多高级学术环境中，深度学习的专业知识正从深奥晦涩的理想转变为行业必要的先决条件，并且在工业界的就业市场中占有非常大的优势。...在本课程中将会学习深度神经网络的基础知识，以及它们在众多 AI 任务中的应用。课程结束后，期望学生能对深度学习有足够的了解，并且能够在众多的实际任务中应用深度学习。...第十讲 视觉模型 神经认知机 卷积神经网络的数学细节 Alexnet,Inception,VGG 网络 第十一讲 循环神经网络 (RNNs) 建模系列 随着时间的反向传播 双向 RNN 第十二讲 稳定性...） 生成对抗网络（第二部分） 第十九讲 Hopfield 神经网络 玻尔兹曼机 第二十讲 训练 Hopfield 网络 随机 Hopfield 网络 第二十一讲 受限玻尔兹曼机 深度玻尔兹曼机 第二十二讲
当然，基于目前的市场的广泛应用和媒体的大幅报道，谈及人工智能，读者或许还能找到一两个该领域的基建着力点。 但是，两者之一的工业互联网就显得有些陌生了许多。...2019年11月，工信部继而发布了2019年十大双跨工业互联网平台名单，进一步笃定平台模式在工业互联网方向上的发展方向，以平台赋能工业制造成为标杆模式。 ?...，形成“金字塔”模型向区域、行业递推扩展赋能。...华为FusionPlant工业互联网平台则是围绕工业企业所看重的数据、模型与服务三个核心模块，来架构3个子平台，分别为连接平台、使能平台和应用平台，向下赋能N个行业，呈现为“1+3+N”的平台体系。...简单来说，我国的中小企业分布在哪里（区域、行业），哪里便需要搭建工业互联网平台来实现产业升级。 03 为什么国家在这个节点重点推出工业互联网？
AI大模型 云从科技发布DataGPT 2月1日，云从科技正式推出国内首款AI原生数据分析产品DataGPT。...据介绍，DataGPT基于云从自主研发的从容多模态大模型，开创“对话即分析”的新交互模式，彻底改变企业对复杂数据的认知与应用方式，可通过自然语言与系统进行实时交流，实现零门槛的数据查询与统计操作。...蚂蚁集团NextEvo全面开源AI Infra技术 2月1日消息，蚂蚁集团AI创新研发部门NextEvo全面开源AI Infra技术，可帮助大模型千卡训练有效时间占比超过95%，能实现训练时“自动驾驶”...新方案FCP应用在千卡千亿参数模型训练后，Checkpoint 导致的训练浪费时间降低约5倍，其中持久化时间降低约70倍，有效训练时间从90%提升至95%。...政策/报告 工信部等十二部门印发《工业互联网标识解析体系“贯通”行动计划（2024-2026年）》 1月31日消息，工信部等十二部门印发《工业互联网标识解析体系“贯通”行动计划（2024-2026年）
正文共 2951 字 20 图；预计阅读时间 8 分钟 11月11日，寒风些微凛冽的时候，淘宝“双11”购物节活动正火热进行中。与此同时，作为“编外人员”的小编，偶然刷到一条微博“双11，苍穹有我！...空军招飞，融入VR/AR/AI等高新技术 珠海航展最后一天，歼20完成精彩表演后，空军招飞展台被堵得水泄不通（大概都被歼20帅到了吧）。...现场可以看到，此次航展招飞展馆，大量运用VR、AR、AI等高新技术，增设了不少科技感十足、信息化爆棚的互动体验项目。 VR模拟飞行体验区 “就想飞到天上感觉一下。” “哎呀怎么这么慢呢？”...在第十二届珠海航展现场，一位老阿姨对VR飞行模拟器兴趣满满。一眼望去，体验区还有许多全家上阵的观众们，在排队体验VR飞行。 ?...中航工业的A-HawkII无人机展出 ? 巴西航空工业公司E190-E2商用喷气机参展 ? 中国宇航员模型~ ? 参观者在搜救台观看视频 ? 中程地对空导弹武器系统 ?
不过，我觉得未来大的方向一定会大量通过人工智能解决现在工业生产生活中的大部分问题。...宋煜：其实CPU+GPU这种模式很大程度上还是依赖GPU的发展，因为真正的训练工作都是在GPU上进行，那么CPU的作用在哪里？...硬件加上Power AI的一套Framework再加上Blue Mind软件，这一套方案结合起来使用户专注于他们自己的业务模型的训练分析。...宋煜：这个也是今年IBM CEO提到过的，我们做AI这件事的目的是为了改变世界，而不仅仅是为了做技术本身，也不是为了做算法本身。技术和算法是为了真正地让它应用到实际的行业领域里去。...当然这个离最后落地，真正地去做交易肯定还是有一定的距离，还有很多的事情要做，包括到底什么时候该买，什么时候不该买。收益率，赔率，回撤等，因为买卖是有延时性的，在策略上还有很多要做的事情。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
