摘要:CCF与IEEE CS决定授予俞扬博士2020年CCF-IEEE CS青年科学家奖,以表彰他在演化学习理论与开放环境强化学习方法方面所做出的突出贡献。
人工智能成为专门的学科诞生以来,经历了几次起落,在人们的期望和失望中摆动。即便目前在计算机、机器人中取得了许多成就,也还是显得不尽人意。业内很多人都能感觉到目前的人工智能离人类大脑的智能仍有较大差距,高等智能的提出就有这方面的因素。但究竟如何才能让人工智能更进一步走向人脑智能?还有,之前我们对智能的研究缺失了什么以至于计算机实现的智能与人脑的智能之间存在越不过去的坎?
与微软合作的物理学家认为:宇宙是一台可自主学习的计算机! 这篇预印本论文让人脑洞大开。 与微软合作的一群理论物理学家近日发表了一篇令人震惊的预印本研究论文,该论文将宇宙描述为一套可自主学习的系统,遵循演进定律。 换句话说:我们所有人生活在一台可学习的计算机中。 牛津大学哲学家Nick Bostrom的“模拟论证”(Simulation Argument)最近一直是科学界的热门话题。我们之前发表了《如果你生活在模拟中,但没有计算机,会怎么样?》(https://thenextweb.com/news/wha
一张图读懂国务院关于印发《新一代人工智能发展规划的通知》 附录: 专栏1 基础理论 1.大数据智能理论。研究数据驱动与知识引导相结合的人工智能新方法、以自然语言理解和图像图形为核心的认知计算理论和方法
【新智元导读】谷歌大脑负责人 Jeff Dean 今天上午在 UCSB 做了题为《通过大规模深度学习构建智能系统》的演讲。新智元结合 UCSB CS 在 Twitter 的文字直播,将这场最新演讲整理如下。Jeff Dean 谈了谷歌大脑近来的工作进展,包括最新发布的 TensorFlow 1.0、将深度学习用于检测癌症,以及在自主机器学习方面的探索。在问答环节,Jeff Dean 对人工智能的未来表示乐观,说不认为 AI 的下一个冬天会到来。 谷歌大脑负责人 Jeff Dean 今天上午在美国加州大学圣塔
桶排序是将待排序集合中处于同一个值域的元素存入同一个桶中,也就是根据元素值特性将集合拆分为多个区域,则拆分后形成的多个桶,从值域上看是处于有序状态的。对每个桶中元素进行排序,则所有桶中元素构成的集合是已排序的。
多无人系统协同作为一项人工智能的颠覆性技术,将在空间上分布的无人系统有机连接起来,在给社会创造价值的过程中,也存在着诸多安全隐患,有可能在军事作战、产业升级、政府监管、社会治理以及伦理等多个方面给国家安全带来新的挑战。
机器之心编辑部 5 月 11 日 Science 子刊 Science Advances 以「Experimental Two-dimensional Quantum Walk on a Photon
谷歌利用大数据能够比传统卫生机构更快察觉到流行病的爆发。Uber因为有强大的算法,只要几位人员,就能管理数百万的司机数据,大多数的命令都是由算法自动下达,无须人为监督。 数据对我们的影响越来越大,尤瓦尔·赫拉利的新书《未来简史》,提出了革命性的观点:人类的进程其实是由算法来决定的,在未来,人类的生化算法将被外部算法超越,人的作用将大大降低。任何一个物种只要不再发挥任何功能,就躲不开惨遭灭绝的命运。数据对人类造成的威胁可能就像人类对其他动物造成的威胁一样。 生物都是算法 ▼ 赫拉利指出,生物就是算法,生命
在国内,探智立方就是持有这样愿景的一家公司,这家成立于今年年初的公司致力于开发一个有「自主模型设计」能力的平台——DarwinML——以进化算法为基础,找到模型不依赖人工设计的「进化之路」,从而降低人工智能的应用门槛,让各行业的 IT 人员,行业专家能更简便的将人工智能落地于各种适合并需要的场景中,解決人才短缺及技术能力不足的普遍問題。
其核心是综合运用智能技术和计算技术,对计算的基础理论方法、软硬件架构体系、技术应用支撑等进行系统性、变革性的创新,形成强智能、大算力、高能效、高安全的计算能力和普惠泛在、随需接入的服务能力,为智慧社会的数字能力建设提供基础性支撑。
选自Nature 机器之心编译 参与:蒋思源、刘晓坤 近日,Nature 发表了一个研究团队开发的一种能自主学习的人工突触,它能提高人工神经网络的学习速度。该研究表明记忆就是神经元间相连接突触的强度分布所表示,而学习可以通过突触的重新配置(即可塑性)而实现。这种能自主学习的人工突触有助于无监督学习的进一步发展。机器之心对该研究进行了简要介绍,详细的研究论文请查看 Nature 上的论文。 模拟大脑 人工智能的发展和进步很大程度上归咎于人类大脑模拟技术的支持。在信息技术领域中,这样的 AI 系统被称作神经网络
我在前面的一篇文章《浅谈资源管理技术的未来发展之路》之中谈到,资源管理还需要完善三个方面的能力分别是: 1、完善资源使用收集反馈机制,资源分配出去之后,使用率怎么样?效果怎么样?应该有一个收集反馈机制。 2、资源分配策略智能学习能力,结合收集反馈的信息,可以动态调整资源分配调度策略,具有自主学习决策的能力。 3、异构集群的管理能力,当前资源管理平台,主要聚焦在同构平台,异构平台在工业界是一个非常现实的问题,老机器还要发挥余热,新机器要充分挖掘性能潜力,就同时存在新老并存的场面。资源管理框架应该要能抽象异构平
为了更好地引导和推动我国人工智能领域的发展,由中国人工智能学会发起主办,CSDN承办的2015中国人工智能大会(CCAI 2015)于7月26-27日在北京友谊宾馆召开。本次会议的主旨是创办国内人工智能领域规模最大、规格最高的高水平学术和技术盛会,汇聚国内外顶级的专家学者及产业界人士,围绕当前最新热点和发展趋势的话题进行交流与探讨,并针对“机器学习与模式识别”、“大数据的机遇与挑战”、“人工智能与认知科学”和“智能机器人的未来”四个主题进行专题研讨,努力打造国内人工智能前沿技术和学术交流的平台。 在7月27
近段时间,我们在拜访客户领导层的过程中,明显感觉到客户对于云时代有了新的要求:从省钱提效到希望直接支撑业务。有来自外部的压力、也有来自技术的革新,因此云时代的需求变了,IT架构该如何随之变化?
不同于以提升点击率和转化率等优化指标为主的机器学习模型,认知计算以实现算法和智能化为核心,训练智能体的自主学习能力,以及多个智能体之间的协作和配合能力,和原来优化大数据和算法具有很大的区别。 近日,C
2021年“乌镇时间”即将开启。由国家互联网信息办公室和浙江省人民政府共同举办的2021年世界互联网大会乌镇峰会,将于9月26日至28日在浙江乌镇召开,作为世界互联网大会“1+3”架构的重要组成部分,“互联网之光”博览会则将于9月25日率先拉开帷幕。
Quantitative system refers to the decision-making made by computer through data analysis to replace people's subjective decision-making.Human is an animal with emotion.When we see an object or scene,we will always associate it with our actual situation,but this analysis will fluctuate due to the emotion at that time.As we all know,the digital goods coin market is a highly volatile market.Once the market changes,people often make irrational moves to control and adjust their digital goods coin.Quantitative trading is a good solution to this problem,reducing the impact of emotional fluctuations when users invest and consult,and reducing the mistakes made by users because of impulse.This is the benefit of a quantitative system.
12月28日,全球侵入式脑机接口解决方案领航者——脑虎科技NeuroXess(以下简称“脑虎科技”)正式宣布完成数亿元人民币A轮融资。本轮融资由中平资本领投,轻舟资本、国生资本(成都生物城)、上海赛领、演化博弈参与跟投,现有投资方盛大、联新资本、红杉中国持续追加投资。华兴资本担任本轮交易的独家财务顾问。
新智元编译 作者:venturebeat.com 翻译:刘小芹 【新智元导读】马克斯·泰格马克是人工智能领域最重要的思想家之一,《生命3.0:在人工智能的时代生而为人》的作者。本文是venture
---- 新智元报道 编辑:Emile, yaxin, 好困 【新智元导读】近日,由周志华教授、俞扬教授和钱超研究员共同完成的新书——《演化学习:理论与算法进展》即将上线!堪称「宝藏级」新书,速来拜读。 很长时间以来,演化学习算法在机器学习领域是一个冷门且充满「玄学」意味的分支。 在线体验遗传算法如何「炼丹」: https://rednuht.org/genetic_cars_2/ 而周志华教授团队近二十年来的一项持续研究,让演化学习不再是「玄学」和「炼丹」,而是拥有坚实的理论基础和丰富的算法
作者丨焦李成整理丨维克多 编辑丨青暮 2021年12月17日,西安电子科技大学人工智能学院教授、欧洲科学院外籍院士、IEEE Fellow焦李成受邀参加2021中国计算机大会“下一代演化计算发展趋势”论坛,并做了“进化优化与深度学习的思考”的主旨报告。 在报告中焦李成梳理了“进化”相关的发展渊源与思想起源,指出了当前人工智能的学术缺陷与实际困境,并从类脑的角度给出了解决路径: “神经网络不应该是目前的意义上进行权重调参,它的结构应该具备变化性、可塑性、学习性和动态性;在类脑感知的过程中,脑的奖惩、学习、信
2018 年 1 月 19 日,极客公园创新大会 IF 2018 在北京召开,Google Brain 首席工程师陈智峰分享了《寻找答案从定义问题开始——TensorFlow 可以用来做什么?》的演讲。 深度学习的演变过程 📷 深度学习这几年非常流行,在上面这张图中,我们可以看到在 Google 上搜索“深度学习”的请求在过去 7、8 年间大约增长了 100 倍。从这个侧面也反映出业界对这个技术的关注程度迅速提高。大家都想知道,深度学习是什么?它能够为我们做什么?我们可以怎么来应用它? 其实,深度学习并不是
“ Gartner 报告显示,2020 年全球数据库市场规模为 648 亿美元。预计到 2024 年,全球数据库市场规模将达到 1000 亿美元。”
宇宙探索一直是人类追逐的梦想,而随着科技的不断进步,机器学习在宇宙探索中的应用也日益广泛。从数据分析到智能导航,机器学习为宇宙探索提供了前所未有的支持。本文将深入探讨机器学习在宇宙探索中的创新应用,包括项目介绍、部署过程、实例展示以及未来发展方向。
大概十年前吧,互联网上很多人自诩火星人,写着常人难以理解的火星文,生怕被人看懂。但是想移民火星做火星人,并不是这十几年的事。自人类在1969年首次登月后,移民火星这个事就成了全人类的月经,但凡在太空事业上取得一点进展,就会有人堂而皇之的问移民火星还有多远。
本人数据AI工程师,我的观点对全行业都有冲击,当AI大模型持续进化之时,没有一家公司能独善其身。
摘要:城市威胁背景下无人机集群自组织搜索移动目标问题,是无人机集群作战应用的一个重要发展方向。采用基于Agent的复杂系统建模仿真工具,构建了无人机集群搜索仿真模型框架,设计实现了无人机集群自组织搜索模型。在考虑无人机集群作战可能受到威胁的背景下,展示了无人机集群自组织搜索概念,探索了使用基于概率的有限状态机模型实现集群自主决策的解决方案,并通过案例进行了分析验证。该仿真模型为无人机集群作战应用研究提供了参考案例、模型支撑和实验平台。
【新智元导读】神经演化方法在上世纪80年代被提出,由于神经网络的兴起而一度遭受冷遇。不过现在,谷歌大脑和 OpenAI 都在重新审视这种方法。通过在深度学习中引入大自然的智慧——演化/适者生存,我们能够得到更聪明、更有效的算法吗? 现代人工智能被开发来模仿自然——人工智能领域的主要追求是在计算机里复制人类生理决策的过程。 30 多年来,大多数 AI 在类脑方面的发展都围绕着“神经网络”,这个词借用了神经生物学的术语,将机器思维描述为数据在神经元——彼此相连的数学函数——之间的运动。但自然还有其他的妙法:计
DeepMind研究科学家David Pfau在论文发表后感叹道:「为了分享这个时刻我已经等了很久,这是第一次在核聚变研究设备上进行深度强化学习的演示!」
Chapter 2.8 Hybrid Algorithm: Neuroevolution
时隔多年,再看图灵在1948年撰写的报告——《Intelligent Machinery》,我们仍然会为这位数学天才对智能机器的想象与痴迷所折服。
深圳华大生命科学研究院联合多家机构的研究者们,利用华大堪称“超广角百亿像素生命照相机”的时空组学技术Stereo-seq,首次绘制了四种模式生物胚胎发育或器官的时空图谱,包括和人的基因相似度高达80%的实验室明星小鼠、参与高中课本里著名的摩尔根杂交实验的果蝇、胚胎发育研究的重要模式生物斑马鱼和植物研究的“网红”拟南芥。这是首次从时间和空间维度上对生命发育过程中的基因和细胞变化过程进行超高精度解析,为认知器官结构、生命发育、人类疾病和物种演化提供全新方向。
如果你是一名机器学习从业者,一定不会对基于梯度下降的优化方法感到陌生。对于很多人来说,有了 SGD,Adam,Admm 等算法的开源实现,似乎自己并不用再过多关注优化求解的细节。然而在模型的优化上,梯度下降并非唯一的选择,甚至在很多复杂的优化求解场景下,一些非梯度优化方法反而更具有优势。而在众多非梯度优化方法中,演化策略可谓最耀眼的那颗星!
AI 研习社前段时间曾对 Uber 数日连发的 5 篇关于神经演化的文章进行了深度的解读。这些文章介绍了他们在遗传算法(genetic algorithm)、突变方法(mutation)和演化策略(evolution strategies)等神经演化思路方面的研究成果,并通过使用神经演化的方法在深度强化学习的训练中胜过 SGD 和策略梯度。这项工作宣告了神经演化方法进入了一个新的时代。
算力的提升可能会为旧的算法注入活力。近两年来,神经演化(Neuroevolution)的方法逐渐再次受到关注,包括 OpenAI、DeepMind、Google Brain、Sentient、Uber
本文内容由数据派THU 整理自梅宏院士在清华软件论坛上所做的专题报告 一、群体智能研究现状 群体智能是科学家长期关注和研究的一种自然现象。在很多低等社会性生物群体中可以观察到,群体中的单一个体不具有智能,或仅有非常有限的智能,由这些个体构成的群体却展现出远超个体能力的智能行为。这种在低等社会性生物群体层面上展现出的智能,通常被称为群体智能(Swarm Intelligence)。 1.1 人类社会中的群体智能现象 草地上的小路:即使没有人进行全局的规划或指挥,草坪上也会自发地涌现一条或几条条弯弯曲曲的小路
我们正在进入语音时代,从智能语音助手到智能家居,这些智能语音产品已经开始融入我们的生活了。
AI 科技评论按:算力的提升可能会为旧的算法注入活力。近两年来,神经演化(Neuroevolution)的方法逐渐再次受到关注,包括 OpenAI、DeepMind、Google Brain、Sent
围绕我国人工智能健康快速发展的现实要求,支持并鼓励国内人工智能企业全球化发展,实现人工智能基础理论重大突破,总体技术和应用与世界先进水平同步,使得人工智能产业竞争力达到国际领先水平。 新一代人工智能发展规划:人工智能的迅速发展将深刻改变人类社会生活、改变世界。为抢抓人工智能发展的重大战略机遇,构筑我国人工智能发展的先发优势,加快建设创新型国家和世界科技强国,按照党中央、国务院部署要求,制定本规划。 一、战略态势 人工智能发展进入新阶段。经过60多年的演进,特别是在移动互联网、大数据、超级计算、传感网、脑科
人工智能是一个需要持续积累和技术迭代的过程,注定是一件漫长的事。各科技巨头和创业公司在人工智能领域的不同应用场景中深耕,探索出了不同的发展路径。
作者丨雷林建, 孙胜利, 向玉开, 张悦, 刘会凯. 2020. 智能制造中的计算机视觉应用瓶颈问题. 中国图象图形学报, 25(7): 1330-1343.) [DOI: 10.11834/jig.190446
国务院关于印发 新一代人工智能发展规划的通知 国务院 2017年7月8日 新一代人工智能发展规划 人工智能的迅速发展将深刻改变人类社会生活、改变世界。为抢抓人工智能发展的重大战略机遇,构筑我国人工智能发展的先发优势,加快建设创新型国家和世界科技强国,按照党中央、国务院部署要求,制定本规划。 一、战略态势 人工智能发展进入新阶段。经过60多年的演进,特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下,人工智能加速发展,呈现出深度学
信息在移动过程中其访问权限关系会被改变。如用户A可将其对目标O的访问权限传递给用户B,从而使不具备对O访问权限的B可访问O。
AI 科技评论按:一直低调的 Uber AI 研究院近日连发 5 篇论文,介绍了他们在基因算法(genetic algorithm)、突变方法(mutation)和进化策略(evolution str
来源:机器之心本文约2400字,建议阅读5分钟用强化学习控制核聚变反应堆内过热的等离子体。 过去三年,DeepMind 和瑞士洛桑联邦理工学院 EPFL 一直在进行一个神秘的项目:用强化学习控制核聚变反应堆内过热的等离子体,如今它已宣告成功。 DeepMind研究科学家David Pfau在论文发表后感叹道:「为了分享这个时刻我已经等了很久,这是第一次在核聚变研究设备上进行深度强化学习的演示!」 可控核聚变、强人工智能、脑机接口是人类科技发展的几个重要方向,有关它们何时可以实现,科学家们的说法永远是「还需
在深度学习和机器学习领域,演化策略(Evolution Strategies, ES)和遗传算法(Genetic Algorithms, GA)是两种强大的优化方法。它们通过模拟自然选择和生物进化过程来寻找最优解。本文将详细讲解如何使用Python实现这两种方法,并通过代码示例逐步解释其核心概念和实现步骤。
10 月 29 日,最新一期国际权威学术期刊《自然•光子学》(影响因子:37.85) 以“Experimental quantum fast hitting on hexagonal graphs” 为题发表了上海交通大学金贤敏研究团队最新研究成果,报道了首个基于光子集成芯片的物理系统可扩展的专用光量子计算原型机,首次在实验上实现了“快速到达”问题的量子加速算法。
AI防火墙作为NGFW(下一代防火墙)的演进产品,确实在威胁检测能力上有了显著的提升。传统的NGFW主要依赖于静态规则库来检测威胁,这种方法在面对不断变种的高级威胁时,往往力不从心。而AI防火墙则通过引入智能检测引擎,极大地增强了防火墙的威胁检测能力。
虽然给整个地球做实验不现实,但科学家仍有办法为地球把脉。地球上气态的空气、液态的江河湖海、固态的山石冰雪、不断演化的生命体……这些纷繁万物都可以被科学家装进“数值实验室”,用来模拟地球的现状,预测未来的气候变化。
领取专属 10元无门槛券
手把手带您无忧上云