声纹感知洞察芯声

欢迎来到我的博客主页！这里将为您带来关于声纹识别和预测性维护的最新资讯、技术分析与实践案例。作为一名科技从业者和爱好者，我热衷于探索人工智能技术在各行各业中的应用，特别是声纹识别和预测性维护领域。

原创自监督学习在言语障碍及老年语音识别中的应用

本文通过探索一系列技术，将最新的单语言和多语言SSL预训练语音基础模型及其特征整合到混合TDNN和Conformer ASR系统中，以提高对言语障碍和老年语音的识别能力。

2024-07-22 15:12:47 451

原创基于声学基元的高质量空间音频生成框架

本研究提出了一种新颖的声音渲染方法，该方法基于声学原语，灵感来源于最近在视觉神经渲染中依赖于体积原语（如立方体或高斯）的方法。这种方法不仅可以在人体附近模拟声音，而且可以显著减少声场表示的参数数量，从而实现更紧凑和高效的声场表示。

2024-07-21 17:46:15 743

原创 AI周报（7.14-7.20）

AI应用、AI人物、AI工具、AI书籍

2024-07-20 18:24:32 1003

原创跨模态特征对齐实现高级声源定位

本文构建了一个新的基准数据集，用于评估交互式声音来源定位；同时提出了一种新的学习方法，在声音来源定位和跨模态检索任务上取得了最先进的性能。

2024-07-19 20:55:13 1069

原创健康问题查询找搜索引擎还是大模型

涉及与健康相关的内容时，大型语言模型（LLMs）还是传统网络搜索引擎（SEs）谁更值得推荐呢？

2024-07-18 21:35:15 1197

原创人工智能 (AI) 应用：一个异常肺呼吸声辅助诊断系统

本文提出的Multi-breath模型在ICBHI 2017数据集上取得了59.2%的Score，优于现有轻量级模型，可以很好地提高自动异常呼吸音分类的准确性。

2024-07-17 23:03:29 1043

原创 SPIQA：一个大规模的计算机科学论文多模态问题回答数据集

本文介绍的SPIQA（科学论文图像问题回答），这是第一个专门为解释科学论文中的复杂图表和表格而设计的大型QA数据集，涵盖了计算机科学各个领域。

2024-07-16 22:26:50 762

原创人工智能 (AI) 应用：一个高精度ASD 诊断和照护支持系统

在诊断和治疗自闭症谱系障碍（ASD）方面应用人工智能（AI）为医疗专业人员和护理人员面临的许多挑战提供了有希望的解决方案。本研究强调了AI在标准化诊断过程、个性化治疗计划以及改善多学科护理团队之间的沟通和协调方面的潜力。

2024-07-15 20:55:19 783

原创 SuperCLUE：中文大模型基准测评2024年上半年报告

SuperCLUE是一个中文通用大模型的综合性评测基准，其前身是CLUE（The Chinese Language Understanding Evaluation），自2019年成立以来，CLUE基准一直致力于提供科学、客观和中立的语言模型评测。SuperCLUE继承并发展了CLUE的测评体系，构建了一个多层次、多维度的综合性测评基准，以适应通用大模型在学术、产业与用户侧的广泛应用。

2024-07-14 20:26:25 1403

原创如何将LLM 集成到自动化生产系统

在从自动化到自主的过渡中，关键的区别在于智能——做出明智、动态决策的能力。大语言模型（LLM）可以提供智能，填补传统自动化和工业系统中自主之间的差距。将LLM集成到工业自动化系统中，使我们能够利用它们在工业自动化中执行多样化任务的能力，进一步减少需要人类干预的任务中的智能需求。

2024-07-14 09:43:54 869

原创 STFT:解决音频-视频零样本学习 (ZSL) 中的挑战

本文提出一种新的Spiking Tucker Fusion Transformer（STFT）用于视听零样本学习，整体性能有了大幅提高。

2024-07-13 20:52:25 1476

原创 AI周报（7.7-7.13）

AI应用、AI人物、AI工具、AI书籍

2024-07-13 07:51:38 913

原创脑电图 (EEG) ：语音脑机接口（BCI）的理想选择

尽管存在挑战，EEG作为一种非侵入性技术，仍然具有巨大的潜力，可以用于开发语音脑机接口。EEG能够提供足够高的时间分辨率来捕捉语音产生的快速变化的神经活动。此外，EEG设备的便携性使其有潜力在各种环境中使用，包括家庭和医院之外的场所。

2024-07-12 08:45:26 818

原创音频语言学习领域数据集现状、分类及评估

本文对音频语言学习领域（也称为音频文本学习）中使用的现有数据集进行了调查，重点关注使用大型、多样化数据集来提高模型性能的趋势。概述了用于训练音频语言模型的多个数据集，并分析了这些数据集的来源、特性和用途。此外，还进行了数据泄露分析，以确保数据集的完整性和减轻数据集之间的偏差。

2024-07-11 15:46:44 847 2

原创 MMII 的多模态医学图像交互框架：更直观地理解人体解剖结构和疾病

本文介绍一个多模态医学图像交互（MMII）框架，允许医学专家在三维空间中与人体组织进行动态的视听交互。在虚拟现实环境中，用户接收到基于物理信息的视听反馈，以提高对解剖结构的空间感知。MMII使用基于模型的声音化方法，从组织的几何和物理属性生成声音，从而消除了手工制作声音设计的需要。

2024-07-10 21:38:08 1445

原创低资源低成本评估大型语言模型（LLMs）

本文关注有限预算下的评估问题，即在给定预算内找到最佳方法。本文提出两种主动选择算法UCB-E和UCB-E-LRF。第一个算法是经典UCB-E [2]的扩展，用于解决多臂老虎机问题；第二个算法UCB-E-LRF，利用了评分矩阵内在的低秩性质。

2024-07-09 22:59:41 1083

原创阿里开源语音理解和语音生成大模型FunAudioLLM

阿里开源大模型FunAudioLLM，一个创新的框架，旨在促进人类与大型语言模型（LLMs）之间的自然语音交互。FunAudioLLM的核心是两个开创性的模型：用于语音理解的SenseVoice和用于语音生成的CosyVoice。

2024-07-08 22:45:18 2483

原创 Meerkat：第一个统一视听空间和时间定位的MLLM

本文提出了Meerkat，这是第一个能够分别在图像和音频中有效进行空间和时间定位的统一视听大型语言模型框架。它具有两个关键模块，这些模块对其细粒度理解的强能力至关重要：一个基于最优传输的模态对齐模块，它以弱监督方式学习图像和音频补丁之间的跨模态对齐；以及一个能够强制执行跨注意力热图中一致性的跨模态注意力模块。这两个模块共同使学习更好的联合视听表示成为可能。

2024-07-07 17:21:22 948

原创 FairJob：促进在线广告系统公平性研究

为了促进现实场景中的公平性研究，本文发布了一个大规模的公平意识广告FairJob数据集。

2024-07-07 09:20:19 578

原创 AI周报（6.30-7.6）

AI应用、AI人物、AI应用、AI书籍

2024-07-06 11:46:52 1149

原创基于深度学习的软件漏洞检测模型在现实数据集上的表现

软件漏洞对日常软件系统的影响令人担忧。尽管已经提出了基于深度学习模型的漏洞检测方法，但这些模型的可靠性仍然是一个重大问题。先前的评估报告这些模型具有高达99%的召回率/F1分数，但研究发现，这些模型在实际应用场景下的表现并不佳，特别是在评估整个代码库而不仅仅是修复提交时，性能会显著下降。

2024-07-06 09:48:15 887

原创 DisFormer：提高视觉动态预测的准确性和泛化能力

尽管在静态图像的解耦表示学习方面已经取得了一些进展，但在视频领域，尤其是在没有对对象可能具有的属性类型做出具体假设的一般性设置中，这方面的工作还相对欠缺。最新的研究进展已经显示出目标中心的表示方法在视觉动态预测任务中可以显著提升预测精度，并且增加模型的可解释性。当前的视觉动态预测方法在处理对象动态时，通常需要依赖于对象属性的显式监督信息，或者在静态图像上进行解耦表示学习。3D 数据集的属性解耦： DisFormer 在 3D 数据集上的属性解耦效果不如 2D 数据集，这可能是由于 3D 场景的复杂性更高。

2024-07-05 20:38:37 876

原创精准畜牧业：多维传感监测及分析动物采食行为

精准畜牧业（Precision Livestock Farming, PLF）在个体水平上监测动物行为和疾病检测。PLF建立在传感器、通信协议、信号处理、计算智能算法和嵌入式处理器之上的，允许开发便携式设备，用于实时监测个体动物，为农业系统提供积极管理支持。

2024-07-04 22:52:59 709

原创人脸重建迁移攻击FRTA：绕过各种未见过的面部识别系统

本文讲述的人脸重建转移攻击（FRTA）成功重建一个可以替换真实人脸图像的图像，并在未知的编码器上成功攻击。相比于普通攻击，FRTA 具有更大的破坏性，因为它可以绕过更广泛的人脸识别系统。

2024-07-03 23:11:07 1162

原创 RealMAN：大规模真实录制且经过注释的麦克风阵列数据集

RealMAN 数据集基准实验结果表明，使用真实数据训练的模型在真实场景中取得了更好的性能，有效消除了模拟数据与真实数据之间的差距。RealMAN 数据集可以用于评估和比较语音增强和声源定位算法的性能，并提供更可靠的基准。此外，使用 RealMAN 数据集训练的可变阵列网络可以应用于未见阵列，为语音增强和声源定位技术在实际场景中的应用提供了新的可能性。

2024-07-02 23:16:33 1055

原创利用深度学习模型进行语音障碍自动评估

本研究训练和比较了两种Audio Spectrogram Transformer (AST) 配置，用于语音障碍检测，并使用注意力回放方法生成了模型的相关图。通过分析相关图，发现模型无法完全识别有机和无机语音障碍之间的差异，并且模型对音素“/ɔ/”和片段“/e/ /s/ /i/ /n/”给予更高的分数。

2024-07-02 22:13:49 1145

原创 Web2Code ：网页理解和代码生成能力的评估框架

为了解决现有 MLLM 在网页理解和代码生成方面的局限性，本文提出了 Web2Code 基准。Web2Code 包含一个大规模的网页到代码数据集，用于指令微调和一个评估框架，用于测试 MLLM 的网页理解和 HTML 代码翻译能力。

2024-07-01 23:04:30 902

原创人工智能 (AI) 在能源系统中应用的机会和风险

AI工具还可以开启电力系统内互动的新方式，如电动汽车电池的动态充电和放电，以提供灵活的储能。这些机会有助于提高电力系统的整体能源安全。然而，AI应用的部署也可能引发网络安全风险，行为不明或意外的风险，或供应商依赖性和供应商锁定问题。AI的发展速度意味着这些风险中的许多尚未被充分理解。

2024-06-30 22:09:07 832

原创 SonicSense：声学振动丰富机器人的物体感知能力

SonicSense，一套全面的硬件和软件设计，通过手持式声学振动传感技术，实现了丰富的机器人物体感知能力。SonicSense能够区分83种真实世界对象的容器库存状态，预测异质材料，重建3D形状，并从多样的物体中重新识别对象。系统采用了一种简单但有效的启发式探索策略与对象进行交互，以及端到端基于学习的算法，融合振动信号以推断物体属性。

2024-06-30 11:03:55 1170

原创 Petal-X ：心血管疾病临床风险可视化工具

本文提出并评估了Petal-X，这是一个针对普通受众的工具，使用新颖的视觉表示——花瓣乘积图（Petal Product Plots）来提供SCORE2的事后解释。该工具的设计旨在解决现有CVD风险沟通工具的挑战，并支持有效的临床医生与患者之间的CVD风险沟通。

2024-06-29 14:17:34 565

原创 AI周报（6.23-6.29）

AI应用、AI人物、AI工具、AI书籍

2024-06-29 08:18:16 1225

原创 WavRx：新型语音健康诊断模型

近年来，语音作为一种有前景的疾病诊断和远程健康监测手段已经出现。语音健康诊断通常基于这样一个假设：即影响发音和/或呼吸系统的疾病会导致人类语音信号中出现非典型模式。这种异常可能由多种原因造成，例如神经肌肉控制受损或声道和肺部发炎。虽然人类有时可能察觉不到语音信号中的影响，但机器学习（ML）模型可以被训练来检测某些与疾病相关的声学生物标记。多年来，已经有大量研究探索了语音处理在诊断中的使用，包括但不限于COVID-19、言语障碍、帕金森病和阿尔茨海默病，以及许多其他一般性呼吸症状。

2024-06-28 19:51:25 1374

原创数字水产养殖中的鱼类追踪、计数和行为分析技术

数字水产养殖利用先进技术和数据驱动方法，对提高生产效率、改善鱼类福利和资源管理具有显著优势。

2024-06-27 22:54:59 963

原创声场合成新方法：基于声波传播的框架

声场合成是指在房间内的麦克风阵列上，根据来自房间内其他位置的声源信号，合成每个麦克风的音频信号。它是评估语音/音频通信设备性能指标的关键任务，因为它是一种成本效益高的方法，用于数据生成以替代真实的数据收集，后者通常是缓慢的、昂贵的，并且容易出错的过程。

2024-06-26 22:27:06 898

原创 Younger 数据集：人工智能生成神经网络

本文引入了Younger，这是一个开创性的数据集，旨在推进人工智能生成神经网络架构 (AIGNNA) 的发展。

2024-06-25 21:14:19 565

原创大型语言模型（LLM）和多模态大型语言模型（MLLM）的越狱攻击

随着大型语言模型（LLMs）的快速发展，它们在各种任务上表现出了卓越的性能，有效地遵循指令以满足多样化的用户需求。然而，随着这些模型遵循指令的能力不断提升，它们也越来越成为对抗性攻击的目标，这显著挑战了它们的完整性和可靠性。这种新兴的脆弱性激发了对攻击策略和强大防御的广泛研究，以更好地保护道德限制并改进LLMs。在这些漏洞中，越狱攻击尤为普遍，恶意指令或训练和解码干预可以绕过LLMs内置的安全措施，导致它们表现出不良行为。

2024-06-24 22:07:50 749

原创首次使用回声状态网络 (ESN) 和语音特征进行帕金森病 (PD) 预测

本文提出一种诊断模型，能够在保证高准确率的同时，最小化假阴性率（即漏诊率），核心思想就是利用回声状态网络 (ESN) 和特征选择技术，从语音特征中提取信息，实现 PD 的诊断。

2024-06-23 19:09:10 996

原创 InfoMasker ：新型反窃听系统，保护语音隐私

本文提出了一种高效且鲁棒的反窃听系统Infomasker，可以在干扰麦克风的同时保留授权录音。该系统利用信息掩蔽的思想，设计了一种基于音素的噪声，可以干扰机器和人类的理解，并且难以被降噪技术去除。此外，该系统还优化了噪声传输策略，并实现了硬件原型。

2024-06-23 09:35:15 830

原创 AI周报（6.16-6.22）

AI应用、AI人物、AI工具、AI书籍

2024-06-22 16:25:43 795

原创代码新手速成-推荐开源项目freeCodeCamp

作为一名开发者，你可以通过FreeCodeCamp了解最新的编程技术和最佳实践。此外，FreeCodeCamp还提供了线上聊天室和线下社区活动（Coffee and Code），让你可以与其他开发者交流心得、解决问题。通过参与这些活动，你不仅可以提高自己的编程技能，还可以结识志同道合的伙伴，共同推动开源事业的发展。

2024-06-22 14:53:21 2097 2

人工智能行业深度报告：WAIC2024，国产AI+应用“百花齐放”

2024年世界人工智能大会（WAIC 2024）上，国产AI+应用生态呈现“百花齐放”的局面 1. WAIC 2024：国产 AI+应用生态“百花齐放” 多家厂商携大模型及AI应用成果亮相展会，涵盖金山办公、科大讯飞、华为、商汤等知名企业。 OpenAI 禁令加速推动国产 AI 生态，国产大模型性能持续提升，缩小与海外差距。预计未来国产 AI+行业应用将迎来“百花齐放”局面，商业空间加速打开。 2. 国产大模型加速迭代，代表性厂商生态加速构建科大讯飞发布星火 V4.0 大模型，全面对标 GPT-4 Turbo，多模态能力显著提升。星火医疗和教育垂类模型能力升级，赋能行业应用落地。推出星火企业智能平台，赋能企业构建岗位专属助手。华为发布盘古大模型 5.0 系列，包括不同参数规模，适用于多种场景。推出盘古具身智能大模型，推动人形机器人技术升级。盘古 5.0 赋能华为小艺升级，在多个行业落地应用。商汤发布“日日新 5.5”模型，交互体验对标 GPT-4o，多模态能力实现突破。推出面向 C 端用户的可控人物视频生成模型 Vimi。率先实现原生多模态大模型车端部署

2024-07-21

【路透社新闻研究所】AI和未来的新闻

1. 公众对生成式 AI 的了解和使用 ChatGPT 是最广为人知的生成式 AI 产品，约 50% 的在线人口听说过它，并且也是使用最广泛的工具。年轻人群使用频率更高，18-24 岁人群中 56% 使用过 ChatGPT，而 55 岁以上人群中只有 16% 使用过。用途多样，24% 的用户用于获取信息，28% 的用户用于创建各种媒体内容，包括文本、音频、代码、图像和视频。 2. 公众对生成式 AI 影响的预期普遍预期生成式 AI 将对各个领域产生重大影响，包括搜索引擎公司（72%）、新闻媒体（66%）和科学家（66%）。对普通人的影响预期较低（48%），这表明公众认为 AI 的影响将由现有社会机构中介。对政府、政党、新闻媒体和社交媒体公司的不信任度较高，这表明公众对它们负责任地使用 AI 的能力持怀疑态度。对生成式 AI 的预期因国家和年龄而异，年轻人群和受教育程度较高的人群更乐观。 3. 公众对生成式 AI 在新闻行业的看法许多公众认为新闻机构正在使用生成式 AI 完成各种任务，例如拼写检查、翻译、数据分析和图像创建。公众对生成式 AI 创建的内容的信任度较低

2024-07-21

2024中国人形机器人产业发展蓝皮书

第一部分产业篇第一章人形机器人产业发展概况第一节人形机器人定义与分类一、人形机器人的定义二、人形机器人的构造三、人形机器人的主要类别（形态、应用场景、驱动类型）第二节人形机器人发展现状分析一、国外人形机器人发展现状二、中国人形机器人发展现状第二章人形机器人产业链发展分析第一节人形机器人上游核心零部件分析一、核心零部件二、软件算法三、关节执行器第二节人形机器人本体发展分析一、本体发展困境二、本体玩家类型（资深玩家、初创企业、跨界玩家、科技 AI 企业、原生机器人厂商）三、全球主要人形机器人对比第二部分政策篇第三章人形机器人政策环境分析第三部分区域篇第四章国内重点城市人形机器人产业发展分析第一节北京市第二节上海市第三节深圳市第四部分资本篇第五章人形机器人行业融资态势分析第一节行业融资态势第二节主要投资机构代表第五部分技术篇第六章人形机器人技术发展分析第一节人技术专利分析第二节 “大脑”关键技术发展分析第三节 “小脑”关键技术发展分析第四节 “机器肢”关键技术发展分析

2024-07-19

车路云一体化：智慧出行的中国方案

研报探讨了车路云一体化作为中国智慧出行解决方案的优势和发展前景。 1. 车路云一体化：智慧出行的中国方案车路云一体化要素构成：车路云一体化系统由网联车、路侧基础设施、云控平台、相关支撑平台、通信网五大组成部分构成，实现车、路、云、网的全面智能。我国选择车路云一体化的原因：技术水平相对落后，基础设施禀赋和国情更适合走系统性路线。车路云一体化优势车路云一体化发展现状：脱胎于车联网，产业已初具规模，相关政策支持力度大，试点城市陆续启动，未来产业空间可达万亿。 2. 建设重点：“两率”亟待提升，力争全面智能、连续覆盖路侧：提升C-V2X路侧单元覆盖率，重点路口部署感知与边缘计算设备。车端：聚焦分类提升车载终端装配率，实现车辆与路侧、云端的实时数据交互。云端：打造兼具低时延、安全性的云控平台，实现交通数据的采集、处理和应用。 3. 产业链：关注整体方案商及技术领先的终端、模组、MEC 厂商产业链构成：上游为芯片、终端及模组、边缘计算单元及感知系统；中游为整体方案集成商、通信服务商、云平台提供商等；下游为自动驾驶、自动泊车、智慧交通管理等应用场景。

2024-07-14

【世界经济论坛】2024年度十大新兴技术报告

报告涵盖了从材料科学进步到医疗保健及其他领域的变革性技术，展示了各种解决方案有望塑造未来。十大新兴技术包括： 1、AI 科学发现： AI在科学发现中的应用，包括深度学习、生成AI和基础模型等，并探讨其潜在影响和挑战。 2、隐私增强技术：合成数据和同态加密等技术在保护隐私和数据安全方面的应用，并探讨其潜在影响和局限性。 3、可重构智能表面 (RIS)： RIS在优化无线通信、提高能源效率等方面的应用，并探讨其潜在影响和挑战。 4、高空平台站 (HAPS)： HAPS在提供互联网接入、支持灾难管理等方面的应用，并探讨其潜在影响和挑战。 5、集成传感和通信 (ISAC)： ISAC在提高网络效率、实现环境感知等方面的应用，并探讨其潜在影响和挑战。 6、建筑世界的沉浸式技术：介绍沉浸式技术在建筑设计和维护中的应用，并探讨其潜在影响和挑战。 7、Elastocalorics：弹性热泵在制冷和制热方面的应用，并探讨其潜在影响和挑战。 8、碳捕获微生物：介绍微生物碳捕获技术在减少温室气体排放、生产有价值产品方面的应用，并探讨其潜在影响和挑战。 9、替代牲畜饲料 10、用于移植的基因编辑器官

2024-07-14

人形机器人政策应用场景及市场空间分析报告

本研报全面分析了人形机器人产业的发展历程、当前面临的挑战与机遇、未来的应用场景以及市场潜力。核心观点如下：人形机器人发展经历了萌芽、发展和百花齐放三个阶段，目前智能化水平显著提升。政策扶持加码，软件端迎来奇点，硬件端仍需优化。人形机器人将在工业、家庭和商用场景中得到广泛应用，市场空间广阔。 1. 人形机器人发展的历史 1.1 人形机器人三阶段 2. 问题与变化 2.1 产业维度：政策扶持加码 2.2 产品维度：软件端迎来奇点，硬件端有待优化 3. 应用场景与市场空间 3.1 工业场景：替代传统工业机器人和人类劳动力性能优势：人形机器人在运动灵活性、自主决策能力上优于传统工业机器人。成本优势：人形机器人在早期可能高于传统工业机器人和人类，但随着技术进步和规模效应，成本将逐步下降。市场空间：预计到2030年，人形机器人市场需求将超过100亿美元。 3.2 家庭&商用场景：成为人类生活的一部分人机交互：人形机器人具备提供情绪价值和陪伴的能力，逐步进入家庭和商业市场。市场空间：预计到2030年，家庭和商用领域的人形机器人出货量将达到43.5万台，市场规模将超过65亿美元。

2024-07-13

SuperCLUE中文大模型基准测评2024年上半年报告

2024年上半年，中文大模型取得了显著的进展，国内外大模型之间的差距进一步缩小，国内开源模型表现突出，端侧小模型在部分任务中表现优异。SuperCLUE团队发布的基准测试报告详细评估了各类大模型的性能和发展趋势。核心结论国内外大模型差距缩小：OpenAI的GPT-4o模型依然表现最佳，但国内大模型已将差距缩小至5%以内。国内开源模型崛起：Qwen2-72B-Instruct模型在SuperCLUE中登顶，超过了众多闭源模型。各任务表现：GPT-4o在文科、理科和Hard任务中综合最佳，Claude-3.5在Hard任务表现突出，Qwen2-72B在文科任务表现优异。端侧小模型表现惊艳：部分小尺寸模型表现好于上一代大模型，提升了落地可行性。 5. 优秀模型案例介绍 5.1 Qwen2-72B-Instruct 5.2 SenseChat5.0 简介：商汤科技的大模型，参数量高达6000亿。适合应用：汽车、工业、金融、医疗等垂直专业场景。 5.3 山海大模型4.0 简介：云知声的大语言模型，参数量未公布。适合应用：医疗、教育等垂直专业场景。 5.4 AndesGPT

2024-07-12

2024年中国AI医疗产业研究报告

第一章：AI新浪潮，医疗产业迎来新范式 AI能力进化: AI技术不断发展，综合能力逐渐逼近临界点，实现自主性、逻辑推理、容错能力等。 “AI+”时代: AI技术渗透各行各业，颠覆商业模式，推动产业转型升级。 AI医疗应用: AI技术在医疗领域应用广泛，涵盖智慧医疗、智能诊断、智能治疗、智能管理等，提高医疗效率和质量。 AI医疗挑战与机遇第二章：AI助力医疗更智慧、更具创新力医疗范式转变: AI技术推动医疗范式转变，工具和规范先行，理念紧随其后。医疗服务不可能三角: AI医疗有望解决“医疗不可能三角”，提高服务质量、可及性和降低价格。 AI赋能医疗: AI医疗产品从低端、单功能发展到中高端、智慧化、多功能、易交互。 AI医疗产品类型:包括AI软件和AI+医疗器械硬件。 AI医疗应用场景: 涵盖医疗服务、医疗器械、医疗健康产业等。第三章：AI医疗企业各司其职，各显神通 AI医疗生态: 由AI医疗共同体、医疗+科技共同体和服务共同体组成。 AI医疗企业类型: 医疗新基建、通用模型服务、医疗科技、医疗器械/设备等。重点厂商及产品服务: 深睿医疗、联影智能、医者AI

2024-07-12

2024AIGC行业应用价值研究报告

Part 01 背景：AIGC将迎来“寒武纪”式的爆发 AIGC时代的到来：大模型驱动AIGC应用爆发 AIGC的技术属性与商业价值 AIGC的商业价值核心逻辑 AIGC的应用趋势与市场期待 AIGC的应用落地策略 Part 02 价值：重新探索数字生产力的实现模式 AIGC解决数字化时代的核心矛盾 AIGC带来的生产力提升 AIGC改变生产关系 AIGC与数字化进程的融合 Part 03 探索：垂直领域数智化的再次出发 AIGC应用的构建逻辑：击穿过往技术的限制 AIGC的PMF：市场适配与模型适配 AIGC实现行业know-how的具象化 AIGC垂直解决方案落地示例 AIGC重构数字流程与工作方式 AIGC构建完整的数字化作业体系 Part 04 落地：当下商业实践值得关注的里程碑千行百业的应用探索：AIGC与数智化进程融合数字内容产业：重塑内容生成能力专业性行业：AIGC赋能金融与医疗制造业：AIGC探索场景与应用示例 Part 05 守望：AI新世代下的审慎与期待 AIGC技术发展趋势与挑战 AIGC人才体系建设企业对AIGC的期待与预算 AIGC应用中的伦理与安全

2024-07-11

全球人工智能行业的现状和未来发展趋势

报告指出，人工智能市场规模正在爆发式增长，预计到2030年将达到数万亿美元。其中，机器学习、计算机视觉、智能机器人等细分市场发展迅速。报告还重点介绍了生成式人工智能（AIGC）的兴起，并分析了ChatGPT等代表性产品的功能和性能。报告认为，人工智能技术将深刻影响各行各业，并改变人们的生活方式。第一章：全球市场概况全球AI行业概况：市场规模、增长趋势、产业链分析、行业应用情况、公众对AI影响的看法。全球主要地区AI发展概况：主要国家研究能力、政府AI就绪指数、AI运营环境排名。第二章：人工智能细分市场分析全球机器学习市场情况：市场规模、增长趋势、应用领域。全球计算机视觉市场情况：市场规模、增长趋势、应用领域。全球智能机器人市场情况：市场规模、增长趋势、应用领域。全球自然语言处理市场情况：市场规模、增长趋势、应用领域。全球自动驾驶和传感器市场情况：市场规模、增长趋势、应用领域。第三章：生成式人工智能AIGC AIGC概况：市场规模、增长趋势、应用场景。美国与欧洲AIGC趋势：市场规模、增长趋势、应用场景。 ChatGPT 4o：功能介绍、性能评估、与其他模型对比

2024-07-10

华为中国信通院2024智算与大模型人才白皮书

探讨了智算与大模型人才发展的重要性以及未来趋势。它分析了智算的内涵演进，行业应用，人才供需现状，并提出了智算与业务共生的框架和演进路径。白皮书强调了人才在智算发展中的核心作用，并提出了产学研融合共创智算人才生态发展的策略，包括高校人才培养模式的变革，企业内部培养与产学研合作，以及智算人才认证与评估体系的构建。最后，白皮书展望了智算人才发展的未来，并提出了政策、院校、企业和个人四个维度的建议。 1. 智算应用与未来智算行业应用：分析智算在引领产业升级、服务保障民生和提升治理效能等方面的应用。 2. 智算人才概况行业供需特征：研究智算人才的供需情况，包括人才需求增长、空间集聚效应和垂类人才培育等。 3. 智算与业务共生数据要素成为主宰：分析数据要素在智算发展中的重要性，以及智算如何放大人的能力。智算与业务共生演进路径：分析智算的演进路径、生态构建方法、人才结构框架和治理体系。 4. 智算人才生态发展与体系建设产学融合共创智算人才生态发展：探讨政府、高校、行业和企业四方协同的模式，以及高校智算人才培养的变革。 5. 智算人才发展展望与建议智算人才发展内涵框架：总结智算人才框架

2024-07-10

去保研2024大学专业白皮书+高考志愿填报+大学专业选择

这份文档旨在帮助考生和家长进行高考志愿填报和大学专业选择，内容涵盖以下几个方面：一、高考志愿填报指南志愿规划与定位志愿填报原则：个人职业规划、社会需求与就业前景、自主选择与家长建议、个人天赋与兴趣如何做好志愿填报准备：了解招生政策、全面自我评估、构建志愿框架志愿策略与填报志愿填报资料：招生专业计划、录取分数分布统计、招生章程不同志愿填报模式：平行志愿、顺序志愿、专业(类)+学校填报误区：名校情结、热门专业情结、名称误导、服从调剂误区、照搬往年、无梯度、平行志愿风险、顺序忽略、只看分数志愿填报流程：合理定位、统筹考虑、初选方案、优化完善、正式填报二、高中学科&大学专业链接图鉴三、专业全景概览与解读四、专业发展路径与职业前景 “七大榜单”揭秘大学生专业就业前景 792 个大学本科专业目录大全及就业方向五、名校学长学姐解读热门专业高中学科对大学专业选择的影响高中学科与大学专业学习的衔接六、多元测试解锁职业发展倾向霍兰德职业兴趣测试：帮助了解自己的职业兴趣类型 MBTI 职业性格测试：帮助了解自己的性格类型贝尔宾团队角色测试：帮助了解自己在团队中的角色和优势

2024-06-30

小米的声音世界-声音基础模型如何推动声音理解和生产

1. 小米为什么做AI声学语音小米的发展战略是“软件+硬件”结合AI，构建人车家全生态。小米拥有庞大的硬件基础，包括智能手机、汽车、IoT设备等，需要AI声学语音技术来提升用户体验。 2. AI声学语音的技术和应用小米已经建立了完善的声学语音算法体系，涵盖语音交互、拾音降噪、声音情境感知、视觉抠音、跨设备声纹识别等技术。小爱同学作为语音交互平台，拥有庞大的用户群体和应用场景。 3. 声音基础模型赋能声学语音小米提出了“声音基础模型”的概念，并以Xiaomi Dasheng为例进行介绍。 Xiaomi Dasheng是一个深度音频信号整体嵌入模型，拥有1.2B参数和27万小时的训练数据。声音基础模型可以应用于多种场景，例如： SCAR (Sound Component Analysis & Reconstruction)：提取视频中的语音和环境音，实现声音橡皮擦功能。大模型语音合成：实现更自然、流畅的语音合成效果。 Unified Model：将语音识别和语音合成模型统一，提升效率和效果。小米通过AI声学语音技术和声音基础模型，不断提升用户体验，并探索更多应用场景

2024-06-30

ACMSIGSPATIAL中国分会空间数据智能大模型研究-2024年中国空间数据智能战略发展白皮书

这份白皮书探讨了空间数据智能大模型的概念、发展历程、关键技术、应用案例和未来展望。它认为空间数据智能大模型是利用先进技术和数据，对空间数据进行深入分析和处理，从而为各行业提供精准的空间信息服务和决策支持的新型人工智能模型。一、空间数据智能大模型背景空间数据智能大模型的定义及其发展历程大模型研究现状：基础大模型（GPT、SAM、CLIP、BLIP、Gemini、Sora）和地理大模型二、空间数据智能专题大模型大模型的基本问题：商业和社会应用潜力、药物发现等科研应用、伦理与价值维护城市大模型空天遥感大模型地理大模型交通大模型三、空间数据智能大模型关键技术时空大数据存储及处理技术空间分析与可视化地理空间智能计算空间智能地理多情景模拟四、空间数据智能大模型应用地理大模型与时空知识图谱（JARVIS、Geo-JARVIS、Prithvi、地学知识图谱自适应表达）多模态大模型（盘古、SkySense、灵眸）遥感智能计算大模型（SpectralGPT、多模态人工智能模型、商汤、苍灵·ImageBot）城市交通与公共设施服务智能大模型（TrafficGPT）

2024-06-28

矿山产业集群大模型运营最佳实践

这份白皮书介绍了鄂尔多斯市数字投资有限公司与华为公司合作，共同建设以AI大模型为核心的工业互联网平台，赋能矿山产业集群智能化升级的最佳实践。中国正在推动工业智能化，矿山行业作为工业的重要组成部分，在我国工业中占据着重要地位，并且作为工业智能化的先行者，起着引领作用。 1. 工业智能化趋势洞察全球主要国家持续布局工业智能化中国加速推进矿山智能化高质量发展 2. 新型工业互联网平台是加速工业智能化的核心引擎新型工业互联网平台参考架构大模型 x 新型工业互联网，赋能矿山产业集群智能化 3. 矿山产业集群大模型运营架构运营全景运营体系：构建全流程保障机制场景运营：持续孵化新场景生态运营：促进产业生态繁荣发展市场运营：塑造智能矿山品牌影响力技术运营：坚实底座赋能模型升级运营门户：一站式支撑运营活动 4. 鄂尔多斯平台大模型运营成果打造体系，全流程赋能业务聚力伙伴，繁荣应用生态使能创新，模型越用越好实践流转，行业能力商业化立体造势，打造产业特色IP 5. 未来展望 AI场景化深度运营 AI能力跨行业外溢

2024-06-28

2024军事大模型评估体系白皮书

1、评估维度架构能力：评估军事大模型系统整体架构的合理性、稳定性、安全性等。基础能力：评估军事大模型在语言理解、信息抽取、生成创作、常识推理等方面的能力。平台能力：评估军事大模型平台在数据生成、开发训练、应用编排等方面的能力。应用能力：评估军事大模型在强敌研究、作战指挥、装备研制、训练管理、联勤保障等领域的实际应用效果。安全能力：评估军事大模型在军事偏见、合法合规、数据保密、对抗攻击等方面的安全性。 2、评估方法客观评估：基于标准化数据集和指标，通过自动化工具进行量化评估。主观评估：由专家或用户对模型生成内容进行主观评价。混合评估：结合客观评估和主观评估，进行更全面和准确的评估。 3、评估工具和平台通用能力评估工具：用于评估军事大模型在语言理解、信息抽取、生成创作等方面的能力。智能体评估工具：用于评估军事大模型生成的智能体在不同阶段的表现，例如开发、训练、应用等。军事大模型评估平台：一个综合性的平台，提供测评集管理、模型管理、模型评估机制管理、评估过程管理、评估报告管理、服务资源管理等功能，方便用户进行军事大模型评估。 4、数据 5、标准

2024-06-23

阿里研究院2024大模型训练数据白皮书

01. 训练数据对大模型发展的重要性强调数据作为大模型训练的基础，并分析数据需求的演变。指出大模型训练不依赖用户个人信息，而更依赖于世界知识和高质量语料。 02. 模型训练所需的数据类型介绍大语言模型和多模态模型的训练数据类型和特征。阐述了训练数据的常见疑问和误解，例如大模型训练不依赖个人信息，中文语料短缺不是制约因素等。 03. 科学理解高质量数据的含义与作用分析高质量数据的重要性，包括提升模型准确性 04. 合成数据作为解决训练数据供给不足的新方案分析训练数据供给不足带来的挑战，并提出合成数据作为解决方案。介绍合成数据的定义、生成方法、分类和在模型训练中的作用 05. 对大模型训练数据治理的思考分析大模型对训练数据的使用特点探讨大模型训练数据合规的治理之智 06. 政府与社会力量协同的训练数据生态分析美国和中国在大模型训练数据生态方面的现状指出美国采用政府 “汇聚融合” 和社会力量 “探索应用” 的模式，而中国则面临公共数据开放不足、社会力量探索碎片化等问题。 07. 阿里巴巴集团在大模型训练与应用的探索 08. 以更开放和务实的方式解决高质量训练数据供给

2024-06-23

MaaS（模型即服务）的概念、发展现状、挑战和未来趋势

一、MaaS 概述 1.1MaaS 起源与概念 1.2大模型促使 MaaS 快速发展 1.3MaaS 助推大模型规模化落地二、MaaS 发展现状及挑战 2.1 MaaS 产业图谱初步形成 2.2 MaaS 两种落地方式：对比了公有云和私有云两种 MaaS 落地方式的特点和商业模式。 2.3 MaaS 发展面临的挑战：分析了 MaaS 在规范性、易用性、成本控制、合规管理和生态建设等方面面临的挑战。三、MaaS 框架与能力要求 3.1MaaS 框架说明：介绍了 MaaS 框架的三个组成部分：模型平台层、模型层和应用开发层 3.2模型平台层：阐述了模型平台层的能力架构和能力模块 3.3模型层：介绍了模型层的能力架构和能力模块 3.4应用开发层：阐述了应用开发层的能力架构和能力模块 3.5模型服务协议框架：介绍了模型服务协议框架的目标和内容。四、MaaS 应用分析 4.1MaaS 落地条件及优势场景解析：分析了 MaaS 落地的内外部条件，以及 MaaS 在各行业应用占比和优势场景。 4.2MaaS 行业实践案例及成效剖析：详细介绍了四个 MaaS 落地代表案例

2024-06-22

人工智能开源大模型生态研究

Part 01：发展人工智能产业的重要性与新机遇人工智能技术进入大规模应用落地阶段，推动生产效率飞跃。数据、算力、算法作为人工智能核心三要素已具备基础条件。大数据+大算力+通用大模型成为新的发展范式，推动AI能力提升。大模型开源生态成为推动AI产业发展的重要模式。 Part 02：人工智能大模型的开源生态体系分析人工智能技术架构的演变与新趋势。基于新一代人工智能开源技术架构的大模型开源生态体系。大模型开源生态体系的创新主体与创新机制。大模型企业发展面临的问题与困境，包括算力、能耗、数据、资金、技术、人才等方面。 Part 03：人工智能开源大模型的创投情况分析人工智能开源大模型的投资现状，闭源大模型融资远高于开源大模型。人工智能开源大模型的重点投资领域，包括生成式AI、AI发展平台、大模型应用开发等。 Part 04：开源大模型生态建设的成功经验与典型案例大模型产品数量与区域分布情况 Part 05：人工智能开源大模型典型商业化案例及未来展望开源大模型商业模式类型分析，例如模型开源，服务收费；通过公司其他业务来变现；通过生态来实现盈利；开源获客，再推商业化等。

2024-06-22

GoogleCloud2024年数据和AI趋势报告+生成式AI+数据治理

1. 生成式 AI 的影响生成式 AI 革命及其对各行各业的颠覆性影响。数据作为 AI 核心的重要性，以及如何利用数据激活生成式 AI。企业成功利用生成式 AI 的关键要素：数据质量、安全、负责任的数据使用原则。 2. 五大趋势概览趋势 1：生成式 AI 将在组织内加快数据洞见的交付数据洞见民主化趋势，非技术用户使用生成式 AI 获取洞见。现代 BI 工具与生成式 AI 的结合，提升数据素养和决策能力。趋势 2：数据和 AI 的角色将变得模糊数据角色界限模糊，数据分析师和数据科学家职责交叉。生成式 AI 弥合技能差距，提升数据团队效率。趋势 3：强有力的数据治理机制是实现 AI 创新的关键暗数据问题，数据质量和治理的重要性。趋势 4：运营数据将激发生成式 AI 的潜力企业对与生成式 AI 集成的数据库的期望。矢量搜索和矢量数据库在生成式 AI 中的应用。趋势 5：2024 将是数据平台改造突飞猛进的一年组织对旧数据库 AI 支持状况的不满意。旧数据库的问题：技术落后、用户体验不佳、成本高昂。 3. Google Cloud 的帮助

2024-06-16

腾讯研究院2024向AI而行共筑新质生产力-行业大模型调研报告

一、发展背景大模型引发的智能革命：介绍大模型的特点，包括参数规模大、泛化能力强、支持多模态等。发展行业大模型的必要性行业大模型的特点：解决行业特定问题二、应用进展行业大模型应用阶段划分：介绍行业大模型应用的三个阶段，包括探索阶段、实践阶段和规模化阶段。行业大模型应用场景分析 1、不同行业的大模型应用快慢有别，需求和数据是两个关键因素。 2、大模型在垂直场景的应用渗透，呈现“微笑曲线”特征。 3、不同行业对大模型能力有“三大共性需求”：降本提效、业务创新和体验增强。终极之问：行业大模型怎样算成功？ 1、避免两个误区：片面追求技术性能或短期收益。 2、评估三类价值：降本提效、业务创新和体验增强。 3、构建一个模式：高质量数据飞轮。三、实现方式引导：提示工程外挂：检索增强生成优化：精调原生：预训练典型案例：多种方式组合商业案例：金融大模型 + 个股异动写稿科研案例：scBERT 单细胞基因数据分析大模型四、未来展望 Agent、多模态、端侧和云智一体等技术展望生态展望：推动行业大模型发展和应用的生态系统五、总结重申行业大模型的重要性展望未来发展趋势

2024-06-16

2023语音与语言处理技术交流会（深圳）PPT

1、腾讯AILab音频与语音前端处理进展 2、Audio Content Generation Building digitalized human and humanized AICUHK 2.1 关于音频内容生成、数字化人类和人性化人工智能的演讲或报告 2.2 提供了CoMoSpeech的在线演示链接，并展示了与其他方法的比较，如Grad-TTS、FastSpeech 2、DiffSinger等 3、Text to Audio Generation and Editing with Latent Diffusion Models 3.1 关于文本到音频生成和编辑的研究 3.2 基于潜在扩散模型的文本到音频 4、Speech signal improvement in real-time communication 4.1 当前RTC系统中语音质量的原因：设备鲁棒性、声学捕获、噪声/混响干扰、干扰说话者、网络拥塞。 4.2 使用ICASSP DNS-2022数据集，包括语音和噪声数据，并采用数据增强技术。 4.3 SSI Challenge盲测 5、优必选的多模态机器学习技术

2024-05-15

2024第四届声纹识别产业发展与创新研讨会PPT合集

1、多说话人分离技术与应用进展 1.1 研究背景 1.2 工业版本-模块化系统 1.3 改进方案 1.4 落地应用 2、海河谛听言语交互大模型及其在身份认证领域的应用探讨 2.1 语言交互的主要挑战 2.2 言语交互意图理解大模型 2.3 “海河·谛听”大模型技术路线 2.4 基于ModelArts的通用语音预训练大模型概要 2.5 面向操纵伪造检测的安全说话人确认探讨 3、基于类脑感知和类脑决策的语音鉴伪方法 3.1 讨论智能机器人、生成式语音算法（如语音合成、语音转换）以及伪造语音的安全问题 3.2 描述外部影响因子感知和大脑决策计算的机制，包括不同感觉器官的检测细胞结构设计和信息传递 3.3 展示在13种伪造语音上的召回率结果，以及在Development和Evaluation集上的结果 3.4 总结提出的架构如何解决数据多样性和方法泛化性问题，并通过回溯决策树和检测器响应提高检测结果的可解释性 4、鲁棒声纹识别的对抗防御 5、生物识别技术落地现状与声纹的机遇 5.1 身份安全新问题 5.2 声纹识别的基础 5.3 声纹识别在金融及其它行业应用 5.4 未来展望

2024-05-15

2024第四届声纹识别产业发展与创新研讨会嘉宾PPT+鲁棒声纹识别的对抗防御

一、研究背景及研究意义声纹识别的应用空间广泛，包括身份认证、会议日志、国安与司法等领域。声纹识别系统在遭受攻击时表现出一定的脆弱性，攻击方式具有隐蔽性。利用声纹识别系统本身的脆弱性，攻击方式具有隐蔽性，攻击成功率高。二、声纹对抗样本攻击白盒攻击：需要访问模型结构，迭代计算对抗扰动，生成对抗样本的时间长。黑盒攻击：不需要访问梯度，仅靠置信度或决策就可以实现攻击。迁移性攻击：不需要访问目标模型结构，具有现实意义。白盒攻击改进：提高攻击性、迁移性，剖析模型决策过程。黑盒攻击改进：通过MDCT变换提高黑盒攻击的迁移能力。三、声纹对抗样本防御纯化防御：对抗样本纯化，基于Diffusion模型的三种纯化方法。检测防御：对抗样本检测，基于规则的通用对抗样本检测，基于可学习掩模的通用对抗样本检测。四、总结

2024-05-13

中国声纹识别产业发展白皮书

《中国声纹识别产业发展白皮书（2023年）》，由人工智能产业发展联盟（AIIA）旗下的得意音通人工智能声纹技术联合实验室和清华大学人工智能研究院听觉智能研究中心共同编制。 1、声纹识别技术发展背景：声纹识别技术自20世纪中叶以来逐渐成熟，特别是在中国，2018年被称为“声纹元年”，因为中国人民银行颁布了金融行业第一个生物识别技术标准。 2、技术与市场发展：声纹识别技术基于语音中的独特特征来识别个人，与指纹类似，具有高度的唯一性。声纹识别技术分为声纹确认、声纹辨认、声纹检出和声纹追踪。声纹识别技术已进入商用阶段，支持大规模声纹库的快速检索识别。 3、产业发展现状：预计到2020年，全球语音生物识别市场规模将超过200亿美元。竞争格局中，国内企业如得意音通技术等占据主导地位，同时外企也在进入中国市场。 4、主要应用领域：国家公共安全：如国防安全、公安技侦等。泛金融：网上支付、手机支付等身份认证。社会保险：远程身份认证，提高养老金领取的安全性和便捷性。智能安防及个性化语音交互：智能家居、智能音箱等。 5、技术挑战与发展趋势 6、标准化建设 7、典型应用案例

2024-04-28

工业AI质检标准化研究报告

1、前言工业AI质检在制造业的重要性工业互联网的作用 AI质检技术的发展趋势 2、工业AI质检在制造业中的应用宁德时代动力电池外观检测舜宇光学摄像头模组外观检测富驰高科摄像头支架外观检测 3、工业AI质检的标准化现状国家标准和行业标准现状与工业AI质检相关的标准组织和研究国内外标准项目的情况 4、工业AI质检标准化实施路径硬件设备标准化机器学习平台标准化运行监控软件标准化软硬件接口及协议标准化安全标准化 5、工业AI质检的基本技术要求缺陷类型支持种类性能评判指标（过杀率和漏检率）运行耗时要求设备稳定性要求批量复制及成像一致性要求 6、工业AI质检标准化发展方向标准化建设方案配套产业规划政策建议

2024-04-26

思科的预测性维护解决方案白皮书

数字化颠覆：Gartner认为“数字化颠覆”是未来科技发展的核心，数字化将成为企业业务的本质。第四次工业革命：以全数字化为特征的工业革命正在全球展开，推动制造企业进一步改造和优化生产系统。设备维护的重要性：设备故障导致的计划外停机对企业造成巨大损失，因此设备维护是企业关注的重点。维护模式：企业主要采用故障后维护和预防性维护两种模式，但存在局限性。预测性维护的兴起：随着物联网、云计算和大数据技术的发展，预测性维护作为一种更高效的维护模式，正逐渐成为企业的核心需求。预测性维护的优势：可以降低计划外停机，提高设备综合效率，减少维护成本，延长设备服务寿命。全球制造业的调查：德勤的报告显示，预测性分析是企业最重视的先进制造技术之一。预测性维护的挑战：包括如何管理大量联网设备、传输海量实时数据、缺乏整合不同厂商方案的厂商。思科的解决方案：提出了包括物联网数据采集、大数据平台分析和处理的预测性维护解决方案框架。思科技术的优势：包括简化物联网设备管理的数字化网络架构、成熟的雾计算平台、以及作为行业领导者的综合实力。

2024-04-26

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人