除了“技术炫”,人工智能的另一大特征是“开会多”,然而,专门针对“深度学习”的开发者大会却少之又少。
杨净 发自 凹非寺 量子位 | 公众号 QbitAI 不在一线城市,一群“泥腿子”创办的AI公司,已经赚到了钱,这可能吗? 放眼行业,地处一线的明星公司尚且难获盈利,且圈内也无成熟经验可循。这样的AI公司,不免让人好奇。 近期,一个盈利的AI公司走入大众视野—— 第六镜,一家起源于西安的AI公司。 2014年,西北工业大学三名学生决定创业,第六镜由此诞生,发展至今团队已达百余人,估值7亿。 作为AI创业公司,虽然对外亮相有限,但在业内,它以早早实现盈利引发关注。 他们究竟走了一条怎样的商业化路径?这样一个
8月22日消息,俄罗斯处理器设计公司贝加尔电子公司(Baikal)宣布将开发自研的AI处理器,以满足俄罗斯对AI应用的需求。
郭一璞 发自 凹非寺 量子位 报道 | 公众号 QbitAI 一年前,百度开了中国AI的第一次开发者大会。 百度创始人李彦宏说,AI时代将是开发者的时代。 “有很多技术可以运用,打开了无数的可能性,让技术创新重新焕发生机,过去的个人英雄主义行不通了,因为大的平台已经出现,可以站在巨人的肩膀上做事情。” 一年就要过去了,巨人肩膀上究竟可以做些什么?百度这个AI生态又呈现出何等面貌? 这背后可能有一些时代潮向变化的影子。 地毯式“轰炸” 单从结果来看,百度真可谓发起了一场“圈地运动”。 围绕开发者,从点,到
如今,AI的发展显然已经进入了一个临界点,即AI跨过了概念阶段,下一个便是怎样能够更好地在各行各业实现落地式应用。即使之前的AlphaGo人机大战,显现出了AI的强大,但是人们更关心的是AI怎样协助人类在各行各业中更加落地的应用。 值得高兴的是,AI如今在各行各业中的落地应用,已经开始有了阶段性的成果。 目前,随着各大巨头们对AI的不断研究及深度学习的不断发展,AI技术在经历了三次浪潮之后,终于迎来了春天。AI目前在金融、医疗、安防、教育以及法律等不同领域都已经得到了大量的应用,并且都有着较好的发展。
11.11即将到来,有的人还在“剁手”,有的人已经开始“囤课”。 10月25日起,全国领先的在线职业教育平台腾讯课堂推出“11月狂欢季”活动,集结全平台好课、好老师,为用户提供全年最大力度的买课折扣。 活动期间,腾讯课堂平台为用户提供多个全场通用的大额满减券,还有1元秒杀好课、看直播抽免单、打榜冲排位、赢积分抽盲盒多种花样玩法,参与抽奖的用户有机会获得iPhone 14 、Apple AirPods 等。官方严选好课“速成训练营”、“薪选就业课”也参与此次大促,助力广大学员以超低价“囤”好课,快速解锁职场新
编译 | AI 【AI科技大本营导读】人工智能和机器学习已经跳出科幻小说的范畴,冲进了现实。不管是技术层面还是商业环境方面,这些领域都在迅速发展,紧跟潮流的步伐是非常重要的。 无论你是技术参与者还是战略思考者,这些技术对于各种规模的企业都具有改变“游戏规则”的意义。 对于学习新的人工智能和机器学习技能、建立新的人际关系而言,没有什么比参加一些相关的顶级大会更高效的了。所以,营长编译了此篇2018年AI和机器学习的会议清单。每个清单包括日期、地点、网址、议程重点和定价,该列表按日期排序。 ▌1. 全球人工
Bzigo是一家位于以色列的人工智能公司,他们设计出了一种将AI、激光指示器和摄像头结合在一起的Bzigo激光定位系统,可以自动跟踪房屋内的任何蚊子。
我国是制造业第一大国,2018 年制造业增加值达 26.5 万亿元,占 GDP 总量的 29.4%,占比近三分之一。同时我国又是人工智能第二大国,拥有全球第二多的 AI 企业。然而一道「鸿沟」将它们分隔两地。
Facebook人工智能研究部门(FAIR)的负责人Yann LeCun宣布卸任,之后将担任Facebook首席人工智能科学家,保留对FAIR的研究方向的控制。同时,原工作将由新任负责人Jérôme Pesenti 接替,Facebook应用机器学习小组(AML)和Yann LeCun将同时向其汇报。而Jérôme Pesenti 将直接向Facebook CTO汇报。
2016年初,京东在印尼正式落地了第一个海外本土站点;今年11.11,京东印尼站当天单量同比增长845%,连续三年保持超高速增长。
在制造业和工业领域,设备故障可能导致数百万美元的损失。机械故障的成本,即错过最后期限和关闭部分生产线所造成的处罚,估计是维护成本的4到15倍。从这个角度来看,只有一个8小时的停工日,平均农场种植时大约5000美元,收获时大约2000美元。
内容提要:昨天,微软 Build 2020 首次在线上召开。大会第一天,发布了多个重磅新品,包括 AI 超级计算机、工业系统 AI 开发平台 Bonsai 项目等,我们从中可一窥微软的 AI 布局。
某电子商务公司拟升级其会员与促销管理系统,向用户提供个性化服务,提高用户的粘性。在项目立项之初,公司领导层一致认为本次升级的主要目标是提升会员管理方式的灵活性,由于当前用户规模不大,业务也相对简单,系统性能方面不做过多考虑,新系统除了保持现有的四级固定会员制度外,还需要根据用户的消费金额、偏好、重复性等相关特征动态调整商品的折扣力度,并支持在特定的活动周期内主动筛选与活动主题高度相关的用户集合,提供个性化的打折促销活动。
论文题目: Mastering Complex Controlin MOBA Games with DeepReinforcement Learning
为了保证 DRL 算法能够顺利收敛,policy 性能达标并具有实用价值,结果有说服力且能复现,需要算法工作者在训练前、训练中和训练后提供全方位一条龙服务。我记得 GANs 刚火起来的时候,因为训练难度高,有人在 GitHub 上专门开了 repository,总结来自学术界和工业界的最新训练经验,各种经过或未经验证的 tricks 被堆砌在一起,吸引了全世界 AI 爱好者的热烈讨论,可谓盛况空前。在玄学方面,DRL 算法训练有得一拼。但毕竟在科研领域没有人真的喜欢玄学,只有久经考验的一般化规律才能凝结成知识被更多的人接受和推广。本篇接下来的内容融合了许多个人经验和各种参考资料,算是在 DRL 训练 “去玄学” 化上做出的一点微不足道的努力。
近期,先是在MegaFace百万级人脸识别竞赛中夺冠,接着又亮相了世界首个AI合成主播,在国内外引发大量关注。搜狗有AI,AI能力挺厉害,这些成果都是明证。
随着AI技术的逐渐成熟,越来越多的传统企业希望借助AI技术,实现智能质检。传统质检更多依靠有经验的人工劳动力来实现质量检查甚至分拣,但这样的方式,许多场景会有检查效率低,审核质量不稳定,人力投入成本高且难招聘等诸多问题。
在数以万计的智能工厂中,一个零部件的质量往往关系到整个产品是否合格、整条生产线的合格率、整个工厂的生产效率和经济成本,甚至是整个企业的市场竞争力。因此,产品的质量检测是生产企业管理者必须重视的关键环节。
前言:上篇介绍了什么是强化学习,应大家需求,本篇实战讲解强化学习,所有的实战代码可以自行下载运行。
机器之心报道 作者:吴昕 基于单模态 GPT-3 的 ChatGPT 「地震」余波未平,多模态 GPT-4「海啸」又顷刻席卷朋友圈。 「这提醒我们,对人工智能的预测是非常困难的。」OpenAI CEO Sam Altman 曾在 DALL-E 2 发布后讲过这样一句话。事实证明他是对的。基于符号主义的专家系统的衰落,让人们一度认为人工智能已走到尽头,2012 年的深度学习又点燃了希望,如今它已统领 AI 领域。随着系统规模越来越大,训练时间和资金成本也在不断膨胀。就在大家担心向模型添加参数正达到边际效益递减
本文将探讨GPU开发实践,重点关注使用GPU的AI技术场景应用与开发实践。首先介绍了GPU云服务器在AIGC和工业元宇宙中的重要作用,然后深入讨论了GPU在AI绘画、语音合成等场景的应用以及如何有效地利用GPU进行加速。最后,总结了GPU并行执行能力的优势,如提高算力利用率和算法效率,卷积方式处理效率更高,现场分层分级匹配算法计算和交互,超配线程掩盖实验差距,以及tensor core增加算力峰值等。
在过去的 2 个多月里,以 ChatGPT 为代表的 AI 风靡全球。随着 GPT 模型的不断优化,ChatGPT 在多个领域表现出了堪比专家的水平。目前,已有不少专家将 ChatGPT 为代表 AI 浪潮,视为新一次工业革命的开始。面对 ChatGPT, 有人欣喜若狂,有人焦虑难安。无论我们抱有何种态度,AI 时代已经降临。 AI 是否可替代人类,或许过于遥远。善用 AI 工具的人,效率将提升十倍百倍,替代不使用或者不擅长 AI 工具的人。
12.12直播预告 腾讯云高级产品经理刘迪(迪B哥)社群直播来啦~千字干货详解AI在MySQL主从延时案例中的应用,12月12日18:00前均可入群,赶快报名吧~
伴随人工智能的极速发展,AI工业也随之大放异彩,工业质检是整个制造中一个非常重要的环节,传统人工工业质检缺乏统一性标准,人工质检效率低,人工质检失误多,制造企业招工难,AI智能质检也随之被各大AI公司看好,AI质检具有天然优势,成本低,效率高等,但如何工业AI质检有效落地是我们面临的一个巨大挑战,工业有本身行业的特殊性,质量标准,生产工艺,产品多样性都给AI质检系统带来阻力。
编译丨张泷玲、杨柳 编辑丨维克多 今年1月份,苏黎世联邦理工学院的Stefan Feuerriegelc教授在 《Communications of the ACM》期刊上刊文“Artificial Intelligence Across Company Borders”,在文中教授指出了人工智能(AI)产业落地过程中常见挑战:如何开展跨公司合作? 教授表示:通过数据共享构造大规模的跨公司数据集是一种方式,但有数据保密和隐私泄漏风险,且受隐私相关法律的限制。 而保护隐私的分布式机器学习框架—联邦学习,能让
伴随人工智能的极速发展,AI工业也随之大放异彩,工业质检是整个制造中一个非常重要的环节,传统人工工业质检缺乏统一性标准,人工质检效率低,人工质检失误多,制造企业招工难,AI智能质检也随之被各大AI公司看好,AI质检具有天然优势,成本低,效率高等,但如何工业AI质检有效落地是我们面临的一个巨大挑战,工业有本身行业的特殊性,质量标准,生产工艺,产品多样性都给AI质检系统带来阻力。 今天一篇“AI工业质检之以图搜图引擎”带大家如何解决工业漏检问题,如何回溯漏检历史现场。 01 产品功能/使用 工业质检主要指标问题
沃夫冈 · 瓦尔斯特尔 德国人工智能研究中心首席执行官,诺贝尔奖评审委员会成员 新智元 AI 技术峰会 演讲:沃夫冈 · 瓦尔斯特尔 【新智元导读】德国是公认的工业强国。在新智元 AI 技术峰会上,德国人工智能研究中心首席执行官,诺贝尔奖评审委员会成员沃夫冈 · 瓦尔斯特尔进行题为“德国 AI 研究的大趋势: 团队型机器人、长期自控和大规模多模态”的主题演讲,分享了德国的“工业4.0”经验,机器人工业应用和人机协作等前沿研究问题。 沃夫冈·瓦尔斯特:大家好!欢迎大家来到这次非常重要的会议,今
作者 | 李梅 编辑 | 陈彩娴 今年年初,知名 AI 学者吴恩达在接受 IEEE Spectrum 的采访中,呼吁大家将目光从以模型为中心转向以数据为中心。深度学习问世以来,随着神经网络架构趋于固定和成熟,转而寻找改进数据的方法,已经成了 AI 研发的新出口。 近日,2021 年吴文俊人工智能科学进步一等奖获得者、云天励飞首席科学家王孝宇博士,在人工智能产业年会上作了题为“ Towards Automated Artificial Intelligence”的主题报告。报告中,王孝宇博士详述了AutoML
编者按: 由中国人工智能学会、阿里巴巴以及蚂蚁金服联合主办,CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会(CCAI 2017)将于7月22-23日正式召开,大会期间阿里云 iDST 智能交互总监初敏将在“语言智能与应用”论坛上分享语音交互技术的趋势,在此之前,我们采访了初敏。 围绕语音交互的入口之争正愈演愈烈,Siri、Echo这些产品风靡全球的同时,国内外科技巨头、创业团队也在暗流涌动,各种智能音箱以及语音解决方案层出不穷。 毫无疑问,语音交互已经成为人工智能领域最成熟也是落地最快的技术
随着工业4.0的到来,以及工业企业向数字化和智能化方向快速发展,工业设备传感器数量持续增加,采集数据也呈指数级增长,海量多维度传感数据蕴藏着巨大的工业价值。
当游戏行业仍在聚焦探讨如何让 AI 真正落地、协助游戏的工业化制作时,网易互娱 AI Lab 已基于游戏研发制作中的痛点交出了一份令人惊艳的答卷。
12月1日,2022腾讯全球数字生态大会上,以“云智能加速推动产业数智化进程”为主题的腾讯云智能专场顺利召开。会上,腾讯云副总裁、腾讯云智能负责人、优图实验室负责人吴运声发表了主题演讲。 腾讯云副总裁、腾讯云智能负责人、 优图实验室负责人吴运声 吴运声表示,人工智能与云计算、大数据等技术的深度融合, 正在成为推动产业智能化深入发展的强劲动力。腾讯云智能聚合领先的 AI 技术优势、深耕产业互联网的行业经验,已经将腾讯云TI平台等多种 AI 产品及解决方案输送到各行各业,助力实体产业转型升级。 腾讯云TI平台
尽管监督式和非监督式学习的深度模型已经广泛被技术社区所采用,深度强化学习仍旧显得有些神秘。这篇文章将试图揭秘这项技术,并解释其背后的逻辑。受众读者主要是有机器学习或者神经网络背景,却还没来得及深入钻研强化学习技术的朋友。 文章大纲如下: 强化学习面临的主要挑战是什么?我们将会在此讨论credit assignment问题和探索-利用的取舍。 如何用数学表达式表示强化学习过程?我们将定义马尔科夫决策过程,并用它来解释强化学习过程。 该如何构建长期策略?我们定义了“未来回报折扣(discounted futu
网络和终端在目前在通讯不断演进和应用不断涌现的发展趋势下,已经逐渐脱离了传统的二元体系,有的网络功能在下沉,而终端的部分功能逐步也在上移。我们可以看到,在某些特定场景,终端侧具有丰富而强大的计算存储能力,对网络功能的需求相应减弱。在另外的一些场景下,网络侧也具备了高效的算力和极佳的弹性,特定功能对终端要求反倒降低。随着5G网络推出和边缘计算的发展,我们预期网络和终端的功能和边界将不断交互融合。本文主要从胖瘦终端业务形式演变开展讨论,从而理解边缘网络未来可能的发展趋势。
2.传感器:采集物理世界的信息并将其转换成机器可以处理的原始数据。是机器人在物理世界工作的输入端。
自 2015 年底谷歌开源深度框架 TensorFlow 以来,越来越多的科技巨头、创业公司注重框架的投入与研发。而商汤科技作为国内 AI 创业公司的代表,自创办开始就走在自研深度学习框架的道路上。
在一些制造业工厂产线上,以AI视觉检测缺陷已经开始代替人力,改变了传统只能通过人的眼睛及经验来检测缺陷的方式。
李先刚:我目前任职于滴滴出行AI Labs首席算法工程师,负责滴滴语音相关的技术和应用,关注的领域包括语音相关前沿算法(包括语音识别、说话人识别和自然语言处理等)和他们的产业应用(尤其是在出行场景中的应用)。
作者:陈之炎 本文约1500字,建议阅读5分钟本文介绍了如何在足球比赛中读懂随机博弈。
人工智能(AI)不只能实现无人驾驶车辆、数字语音助理或者是帮你推荐电影,它是即将席卷众多产业的浪潮;根据麦肯锡全球研究所(McKinsey Global Institute)最近针对全球3,000家“具AI意识”企业进行的一项调查结果显示,其中只有20%的企业正将AI相关技术应用于部分核心业务,但大多数的企业仍预期在未来三年增加AI相关投资。 其他单位的调查亦反映类似结果。例如印度技术服务供应商Inforsys赞助、一项针对7个国家共1,600位商业与IT领域领导厂商所做的调查显示,受访者中只有25%表示
因为算力支撑着元宇宙虚拟内容的创作与体验,更加真实的建模与交互需要更强的算力作为前提。
文/ Tambet Matiisen 译/赵屹华,刘翔宇 原作者Tambet Matiisen在文章结尾列出了对本文内容给出意见和建议的读者,以及深入了解这些技术的在线文档和视频链接,受篇幅所限,译文不再赘述。感谢Tambet Matiisen授权《程序员》翻译和刊载。 原文链接:http://neuro.cs.ut.ee/demystifyingdeep-reinforcement-learning/ 本文为《程序员》文章,未经允许不得转载,更多精彩文章请订阅2016年《程序员》 尽管监督式和非监督
编者按:【双周动态】是【5G融智未来】推出的产业动态及投融资事件回顾栏目,主要盘点两周内产业大事件和创新企业投融资动态。
以ChatGPT、Llama等为代表的大模型技术拉开了迈向通用人工智能的序幕,人工智能成为全球经济增长的重要驱动力,对各类产业的智能化带来全新的空间。根据普华永道的预测,到2030 年,人工智能可为全球经济贡献高达 15.7 万亿美元,超过中国和印度目前的产出总和。其中,6.6 万亿美元可能来自生产率的提高,9.1 万亿美元可能来自消费端的影响。对于制造业,人工智能一直是智能制造、工业4.0、工业互联网等领域的重要部分,在ChatGPT、Stable Diffusion等崛起前,质量检测、设备预测性维护等代表性的人工智能应用已经深度融入制造业,并且形成成熟的应用范式。
WAIC 世界人工智能大会已于近日在上海开幕。在昨天由机器之心承办的开发者日主单元上,阿里技术副总裁贾扬清、亚马逊机器学习副总裁 Alex Smola、百度 AI 技术平台体系执行总监吴甜、Julia 创始人 Viral、Skymind 联合创始人 Adam Gibson 做了精彩演讲。
在传统产业“遭遇”智能时代,科技革新亟待深化的当下,“革新者”的队伍该如何壮大?
随着边缘设备的广泛使用和性能提升,将机器学习相关的部分任务迁移到边缘,也即边缘AI技术,已成为必然趋势,甚至能够同时结合云侧算力和边侧数据来完成机器学习任务。机器学习服务将边缘产生的数据转换为知识的过程中,需要在边缘快速响应并处理本地产生的数据。在落地过程中,我们发现,在连接海量边缘节点的边缘云时代,随着AI服务与边缘用户的距离缩短,通用AI原本部分挑战在边缘场景下变得更加尖锐。
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
领取专属 10元无门槛券
手把手带您无忧上云