当年作为核心SE在MindSpore团队从0到1构建了MindSpore Lite推理引擎，到去年知道的信息是现在在华为和荣耀手机上的AI能力都是基于Lite推理引擎，调用次数10亿/天。
机器人和自动化越来越多地用于制造、农业、建筑、能源、政府和其他行业，但许多公司一直在努力将人工智能和深度学习的优势融入到最苛刻的应用中。 借助新的 NVIDIA Jetson AGX Xavier 工业模块，NVIDIA 使在安全性和可靠性至关重要的恶劣环境中的边缘部署 AI 成为可能。这种新型工业模块扩展了 Jetson AGX Xavier 系统级模块的功能，使开发人员能够构建先进的、支持 AI 的加固系统。Jetson AGX Xavier Industrial 专为最恶劣环境中的智能视频分析、光学检
作者 | 丁效 整理 | 维克多 在过去十年的人工智能浪潮中，以深度学习为代表的人工智能技术已基本实现了视觉、听觉等感知智能，但依然无法很好地做到思考、推理等认知智能。 4月9日，哈尔滨工业大学计算学部副研究员丁效，在AI TIME青年科学家——AI 2000学者专场论坛上，做了《基于神经符号的认知推理方法》的报告，分享了神经网络方法执行符号推理任务的最新进展，同时也给出了将符号知识注入神经网络的思路以及如何将神经网络与符号系统相融合。 以下是演讲原文，AI科技评论做了不改变原意的整理。 今天和大家分享神
从工厂和农场到炼油厂和建筑工地，这些炎热、肮脏、嘈杂、潜在危险的地方却是保持工业繁荣至关重要的地方。而这些地方在日常运营的同时都需要检查和维护，但是，考虑到安全问题和工作条件，派人进驻并不总是最好的。
在前沿AI大模型规模呈指数级增长的趋势下，仅凭单卡已经很难满足当下的推理需求。 就拿拥有1750亿参数的GPT-3来说。 仅仅是加载模型参数就需要数百GB的存储空间，远超单个GPU的容纳能力。 因此，多卡并行被视为AI大模型推理的必然选择。 但现有的推理系统仍旧存在不少弊端。 比如需要用户对通信、内存等各部分协作进行手动管理，需要额外编译等……导致用户使用门槛居高不下。 为此，大规模并行AI训练系统Colossal-AI团队提出了大模型推理系统Energon-AI。 以“高性能、高可用、可伸缩”的理念，深
最新鲜的 VR 资讯 最in的内容 李嘉诚领投 Soul Machines完成750万美元的A轮融资 联想新平板Miix 520泄密：双摄像头对应AR应用 索尼表示不参加黑色星期五的促销活动 Vir
文 | 传感器技术（WW_CGQJS） 12月15日，工信部正式印发了《促进新一代人工智能产业发展三年行动计划》，为2018年到2020年人工智能发展指明了前进的方向。计划中的重点内容是培育八项智能产品和四项核心基础，而智能传感器正排在核心基础的第一位，处于最基础最重要的地位。 万物相连技术链 传感器、大数据、机器学习、人工智能和机器人是怎样拧在一起了呢？在人工智能时代硬件和软件是共生演化的，彼此影响的呢？ “物联网”、“大数据”和“机器人”等,其实这些趋势是相互联系在一起的，拧成一个大趋势， 在这个链条里
以AI知名的科技公司科大讯飞，2022全球1024开发者节上官宣最新技术成果和进展。
在人工智能领域，知识推理技术是一个不断发展的重要分支，它关注于如何让计算机系统使用预先定义的知识库进行逻辑推理，以解决复杂问题。这种技术基于一系列成熟的理论和方法，从传统的符号逻辑推理发展到现代的图谱推理和机器学习融合方法。知识推理不仅涉及知识的有效表示和存储，还包括如何通过逻辑运算对这些知识进行处理和推导出新的知识。
本文节选整理自NVIDIA GTC讲座[S41607]： 自动光学检测（AOI）中采用的深度学习技术一直是制造业的热门话题。 然而，大多数项目都停留在概念验证阶段或仅部署在少数 AOI 机器上。 我们的分析发现，障碍通常与 AI 模型的准确性或性能无关，而是出于其他原因。 在制造检测中部署深度学习时，我们将解决这些障碍，以及 Jetson 平台如何帮助我们克服这些障碍。 根据我们的经验，制造商在采用人工智能技术方面面临障碍，这三点是我们从客户那里听到的最常见的原因。一是技能差距，客户没有新技术技能，二是对
前言：我们正处在认知智能的起步的阶段，还有很多未知的因素，也不知道未来往哪走，但是有一条，无非是要么从知识，要么图谱、要么融合，但是可用肯定前景是无限的。这里有很多的机会，把我们的认知智能，搜索、问答问题、推理这些东西用在工业互联网的很多场景里面，认知智能技术，搜索、回答问题、推理的这些数据用在工业借的很多场景里，认知智能技术蕴藏着巨大的前景。
---- 将 ScienceAI 设为星标 第一时间掌握 新鲜的 AI for Science 资讯 ---- 编辑 | 萝卜皮 科学家们的目标是发现能够准确描述实验数据的有意义的公式。自然现象的数学模型可以根据领域知识手动创建，或者也可以使用机器学习算法从大型数据集自动创建。学界已经研究了表示相关先验知识与相关函数模型合并的问题，认为寻找与一般逻辑公理先验知识一致的模型，是一个悬而未决的问题。 IBM 研究团队以及三星 AI 团队的研究人员开发了一种方法「AI-Descartes」，通过将逻辑推理与符
在农业场景，主要包括有作物管理、害虫和杂草处理、疾病管理、土壤管理、产量预测和管理等。作物管理，主要提供作物选择，施肥建议，使得作物免受恶劣天气影响等；害虫和杂草处理，即识别害虫和杂草，提供处理害虫和杂草的相关建议，推测害虫行进路线和繁殖规模和速度，推测杂草的生长状态和发展等；疾病管理，即预测、识别分类作物病害；土壤和作物管理，包括评估作物表面土壤湿度，预测天气，结合天气预测结果进行灌溉等；产量预测和管理，根据气候，季节等因素提供最佳播种时间建议，并预测最佳收成时间和最终产量等。其主要运用的AI技术最开始是基于规则的专家系统，发展到后来的模糊推理系统和人工神经网络的结合。主要涉及模式识别，图像识别等。
⽣命系统⾯临着环境的复杂性和⾃由能源的有限获取。在这些条件下⽣存 需要⼀个控制系统,该系统可以以特定于上下⽂的⽅式激活或部署可⽤的感知和⾏动资源。在第⼀部分中,我们介绍⾃由能原理（FEP）和⻉叶斯预测误差最⼩化主动推理的思想，并展⽰主动推理系统中控制问题是如何出现的。然后我们回顾 FEP的经典公式和量⼦公式,前者是后者的经典极限。在随附的第⼆部分中，我们表明,当系统被描述为执⾏由FEP驱动的主动推理时，它们的控制流系统始终可以表⽰为张量⽹络 (TN).我们展⽰了如何在量⼦拓扑神经⽹络的总体框架内实现TN作为控制系统,并讨论这些结果对多尺度⽣物系统建模的影响。
博雯 发自 凹非寺 量子位 | 公众号 QbitAI 如何在不查看图片的前提下，几秒之内就识别一张图片？ 这个看似在找茬的问题，却是隐私计算领域会真实碰到的问题。 著名的“百万富翁问题”所描述的就是这样的场景：两位富翁如何在不知道对方财富的前提下，比较谁的财富更多？ 近年来出现出现的一些方法，比如两方计算网络推理（2PC-NN）可以解决上述问题，但同时又会造成大量的计算成本和通信开销。 但现在，只要2.5分钟，2.3GB的通信费用，就能在ResNet50的基准上进行端到端的执行。 比起现在最好的两方计算网
英国雷丁大学和普利茅斯大学的研究团队开发和评估了一个情感脑-机音乐接口(aBCMI)，用来调节用户的情感状态。构造一个aBCMI来检测用户的当前情感状态并尝试调制它为了实现特定的目标(例如,用户平静或快乐)通过播放音乐根据一个特定的情感目标生成算法作曲系统和基于案例的推理系统。
最近爆火的AI初创公司Groq，推出了比目前常见GPU推理系统快4倍，成本低70%的大模型推理解决方案。
视点 发自 凹非寺 量子位 公众号 QbitAI 人工智能、云计算、物联网等技术为能源电力行业从数字化到智能化转型提供了强大的驱动力。 据机构调研，2020年中国能源电力数字化市场规模超过2200亿元人民币，能源电力数字化升级约占18%，包括大数据、人工智能、云计算、区块链等技术应用改造。 随着数字化转型、双碳目标、十四五规划和构建新型电力系统等相关指导政策的发布，能源电力智慧化变革正式拉开序幕。目前，人工智能技术在能源电力行业已有应用，但仍然面临诸多挑战与机遇。 在产业转型和双碳目标的大背景下，人工智能落
本周，在佛罗伦萨举行的ACL 2019上，参会者中有一个人感慨良多，他就是Alexa AI的机器学习科学家Mihail Eric。
GPT-4 等大型语言模型（LLM）在许多推理任务上表现出色，然而，大部分现有研究仅关注静态环境下的任务，如回答问题或解数学题。那么，LLM 能否在真实世界中完成复杂的交互式任务呢？例如，如果我们想制作一个智能体（agent），让它在物理世界里完成一些实验，比如测试一个物体是否导电，我们可以使用 LLM 吗？这类复杂交互式任务（complex interactive tasks）具有很大的挑战性，因为它要求 LLM 不仅能理解动态变化的真实场景，还需要具备诸如长期规划（long-horion planning）、任务分解（task 的 composition）、记忆储存（memorization）、常识推理（commonsense reasoning）、异常处理（exception handling）等高阶认知和推理能力。
12月对于每个企业来说都是“冲刺月”，做收入、花预算、冲销量。手机行业表现得更加突出——手机公司各出奇招，发起最后冲刺。一个显著的表现是11月手机发布会扎堆，一共发布了16款新机。11月28日这天，更是出现了一加、荣耀和360同时开发布会让媒体分身乏术的盛况。 密集发新品只为冲销量 金立：抓住全面屏热点，连发八款新机。 小米MIX是全面屏概念的提出者，iPhone X加入该阵营则进一步加速全面屏手机普及。正是因为此，许多手机厂商都推出了全面屏手机，11月26日金立更是一口气发布了8款全面屏手机：M7 Plu
本期将为大家介绍香港中文大学计算机科学与工程系 James Cheng 老师招收工程师和实习生相关信息。 Husky Data Lab 是由香港中文大学计算机科学与工程系 Prof. James Cheng 领导下的大数据实验室，专注于高性能数据分析系统和数据库的开发，研究成果已被应用于工业界多个大规模 / 高性能系统。 个人主页：https://www.cse.cuhk.edu.hk/~jcheng/ 目前，James Cheng 教授团队在开发 Ofnil 和 Graxy 两个平台： Ofnil gr
来源：arXiv 作者：闻菲，刘小芹 【新智元导读】南京大学周志华教授等人在最新的一篇论文中提出了“溯因学习”（abductive learning）的概念，将神经网络的感知能力和符号AI的推理能力结合在一起，能够同时处理亚符号数据（如原始像素）和符号知识。实验中，基于溯因学习框架的神经逻辑机NLM，在没有图像标签的情况下，学会了分类模型，能力远超当前最先进的神经网络模型。作者表示，就他们所知，溯因学习是首个专门为了同时进行推理和感知而设计的框架，为探索接近人类水平学习能力的AI打开了新的方向。假设你在踢足
如果问计算机擅长什么，在所有的答案里，数学必须榜上有名。在经历了漫长的研究之后，顶尖学者们在研究计算机关于数学计算方面的发展，取得了令人惊讶的成绩。
机器之心专栏 作者：字节跳动AI Lab、UT Austin、新加坡科技设计大学StatNLP组 目前强大的语言模型普遍在很多下游 NLP 任务中能轻易地达到比较好的结果，但在推理效果上没有达到我们的预期 [1]。字节跳动人工智能实验室与新加坡科技与设计大学提出一个基于演绎推理的方法，希望实现类似 System 2 的推理能力 [2]. 论文链接：https://arxiv.org/abs/2203.10316 研究动机 作为一类需要解题的推理过程，在数学解题任务中比较适合应用演绎推理模型。我们尝试在此任
机器之心报道 编辑：泽南 1750 亿参数，只需要一块 RTX 3090，ChatGPT 终于不再是大厂专属的游戏？ 计算成本是人们打造 ChatGPT 等大模型面临的重大挑战之一。 据统计，从 GPT 进化到 GPT-3 的过程也是模型体量增长的过程 —— 参数量从 1.17 亿增加到了 1750 亿，预训练数据量从 5GB 增加到 45TB，其中 GPT-3 训练一次的费用是 460 万美元，总训练成本达 1200 万美元。 除了训练，推理也很花钱。有人估算，现在 OpenAI 运行 ChatGPT
机器之心报道 机器之心编辑部 刚刚，Meta 发布了革命性的推理引擎 AITemplate。测试结果显示，相比 PyTorch Eager，AITemplate 在 NVIDIA GPU 上实现了最高 12 倍的性能提升，在 AMD GPU 上实现了高达 4 倍的性能提升。 众所周知，GPU 在各种视觉、自然语言和多模态模型推理任务中都占据重要位置。然而，对于高性能 GPU 推理引擎，AI 从业者几乎没有选择权，必须使用一些平台专有的黑盒系统。这意味着如果要切换 GPU 供应商，就必须重新实现一遍部署系统
只有确定了x是某类事物中的具体个体，或对x使用量词进行量化之后才能得到命题。（如：存在整数x,使 x是5的倍数）
2020 年无疑是特殊的一年，AI 在开年的这场“战疫”中表现出惊人的力量。站在“新十年”的起点上，CSDN发起【百万人学AI】评选活动。我们继续聚焦AI的技术落地，关注开源和新生的力量。 作为CSDN第三届AI评选活动，本次活动受到数百家企业的关注和参与，经过严格的初选和专家评审环节，我们最终评出「AI开源贡献奖Top 5」、「AI新锐公司奖Top 10」、「AI优秀案例奖Top 30」三大榜单。 在 AI 开发者大会（AI ProCon 2020）上，CSDN 正式揭晓以上三大榜单。我们相信，榜样的力量
人工智能正逐步从感知智能迈向认知智能，其终极目标是让机器具备类似人类的思维逻辑和认识能力，特别是理解、归纳和应用知识的能力，而知识图谱在这里面起到了非常关键的作用。 所以，本期和大家分享5本知识图谱经典畅销著作和一场线上交流活动，希望能够帮助大家更加系统深入地了解这个领域，将其炉火纯青地运用到实践中！ 知 识 图 谱 认真读一本书 1 book 《知识图谱：概念与技术》 简介：本书是一本系统介绍知识图谱概念、技术与实践的书籍。全书共5篇，由16 章构成，力求涵盖知识图谱相关的基本概念与关键技术。“基
NVIDIA今天在GTC China2016上发布了新的产品：专为深度学习设计的推理加速器Tesla P4和Tesla P40，以及专为自动驾驶和汽车人工智能开发的低功耗计算机Drive PX2 for autocruise。 NVIDIA的传统强项是桌面和移动PC GPU，不过坚定的向着AI大踏步迈进的它显然已经不满足于一味的在单一领域做提高GPU性能的事了。我们曾经提到过，AI的研发和应用分为好几个阶段，NVIDIA传统的计算密集型GPU产品只会对训练算法这一项起到显著的改善作用，但NVIDIA显然是不
在人工智能（AI）的快速发展背景下，大语言模型（LLMs）凭借其在语言相关任务上的杰出表现，已成为 AI 领域的重要推动力。然而，随着这些模型在各种应用中的普及，它们的复杂性和规模也为其部署和服务带来了前所未有的挑战。LLM 部署和服务面临着密集的计算强度和巨大的内存消耗，特别是在要求低延迟和高吞吐量的场景中，如何提高 LLM 服务效率，降低其部署成本，已经成为了当前 AI 和系统领域亟需解决的问题。
互联网时代，人类在与自然和社会的交互中生产了异常庞大的数据，这些数据中包含了大量描述自然界和人类社会客观规律有用信息。如何将这些信息有效组织起来，进行结构化的存储，就是知识图谱的内容。
Generating meaning: active inference and the scope and limits of passive AI
考察 命题逻辑归结推理代码没写GUI，因为不喜欢这玩意，直接在终端中进行人机交互。使用代码之前，请根据自身情况对字符编码、文件路径进行修改代码没有使用什么算法进行优化，姑且这样吧
双11的硝烟已经弥漫在每个角落——不只是互联网，还有线下实体；不只是内地市场，还有香港台湾等境外市场；不只是促销大战，而是在产品、体验、服务和物流等维度共同发力。更重要的是，今年双11不再将不断提升GMV当做唯一目标，而是把应用新技术、推动新模式当做重点。天猫刚刚举办的一个活动体现了这一点。 11月3日，双十一进入一周倒计时，天猫邀请了几十家全球顶尖科技公司搞了一场“T20”峰会，全称为天猫双11全球创智生态峰会，参会者包括Intel，CES、iRobot、戴森、BOSE、惠人、飞利浦、博朗、BEATS、H
2020 年 8 月 7 日，第五届全球人工智能与机器人峰会（CCF-GAIR 2020）在深圳正式开幕。
在这次双11的个性化会场我们大规模使用Deco进行研发，带来了48%左右的效率提升，本文将为大家揭秘Deco提效之秘。
视点 发自 凹非寺 量子位 公众号 QbitAI 技术的市场千变万化。 首先在算法上摩尔定律失效，大规模分布式大规模协同算力开始产生新的变化； 其次，互联网带来数据实时性的需求，爆发第三波数据红利； 最后，算法重构世界，在今天的数字经济中，很多基于经验、规则流程的商业实践，甚至是一些物理的公理定理，都开始让位于数据和算法所训练生成的新的知识。 从灯泡螺口到电源插座，如何看待被错误定义的人工智能？从感知到认知，AI还需要多久才能触及生产核心？从软件到数件，AI生态该如何建立自己“Android”？ 就这些话题
【新智元导读】2012年一项被誉为“最逼真人工大脑”的研究发表在 Science 杂志上，名为 Spaun 的这个系统一时引起许多关注。现在，Spaun 团队使用神经形态芯片，将运行速度提高了9000倍。神经形态芯片将带来 AI 硬件的一场革命，或许不久我们能在移动设备上运行 AI 算法。 例如苹果的 Siri 等的 AI 服务，是将用户的查询发送到别处的数据中心，再从数据中心发送回来响应。这些服务需要依赖基于云的计算的原因是，现在的电子产品缺乏足够的计算力来运行机器学习算法。大多数智能手机使用的 CPU
“双11”带来的购物狂潮余温尚存，“双12”又火热来袭，而面对愈演愈烈的促销大战，云市场显然已按耐不住云服务商的热情，各家动作频频，其中以阿里云、天翼云、腾讯云为主要代表，借助岁末年关纷纷推出大幅度优惠促销活动。业内专家认为，作为如今最火爆的新兴市场，越来越多的 “云”企业短兵相接、各展所长，预计1-3年内中国必有几个非常大的云服务商强势崛起。 云市场短兵相接，促销活动夺眼球 记者了解到，12月18日前后，云服务商活动相对集中，中国电信、阿里、腾讯等大品牌均在此前后开展活动，其中，主要三家云
对于这个系统，你可以使用阀门控制流入水箱的水。流出率取决于输出管的直径（恒定）和水箱中的压力（随水位变化）。因此，该系统具有非线性特性。
近日，CMU Catalyst 团队推出了一篇关于高效 LLM 推理的综述，覆盖了 300 余篇相关论文，从 MLSys 的研究视角介绍了算法创新和系统优化两个方面的相关进展。
随着自然语言处理领域的顶级盛会 ACL 2019 落幕，亚马逊 Alexa AI 的机器学习科学家 Mihail Eric 对本次会议进行了一次比较全面的回顾。从奇闻轶事到学术前沿，本文一网打尽，自然语言处理领域的小伙伴们不要错过！
作者 | 曾响铃 文 | 响铃说（xiangling0815） 又是一年618，然而618大促在国内的影响力、吸引力却在一年不如一年，现阶段许多“人造消费节”已经不太能继续打动消费者，与一片繁茂的过去相比，如今正走向烟消云散。电子商务增速最快的时代已经过去，但新零售的黄金时代还有冲突。 至于原因，是多样性的。一方面频繁的日间小促足以满足消费者需求，另一方消费者厌倦了互联网平台复杂的玩法机制。就意味着在单纯的价格竞争、渠道竞争之外，品牌方最需要思考的是如何外探更创新的营销场景。 当下“宅经济”赛道越发火爆
最近ZOMI这2/3周有幸被邀请去百度交流、去VIVO研究院交流、去MindSpore开源团队交流、去华为昇腾团队交流推理引擎。所以有些心得体会，恰好前不久又分享完《AI编译器》系列课程和《AI推理引擎》系列课程。
在大型语言模型（LLM）的世界中，处理多轮对话一直是一个挑战。前不久麻省理工Guangxuan Xiao 等人推出的 StreamingLLM，能够在不牺牲推理速度和生成效果的前提下，可实现多轮对话总共 400 万个 token的流式输入，22.2 倍的推理速度提升。
StreamingLLM可以在不牺牲生成效果、推理速度的前提下，实现多轮对话共400万个token，22.2倍推理速度提升。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
