![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 72
UPUPUPEveryday
关注嵌入式/Arm/DSP/STM32/数据/图像处理与分析
展开
-
人工智能生成的图像和视频就在这里:它们如何影响研究?
上周四,我做了一个关于我的工作的演讲,我使用DALL-E 3来生成吸引人的图像,以保持人们的注意力,”他说。为了解决这个问题,一些研究人员正在开发将信号注入人工智能生成的图像中的方法,以实现它们的检测。许多文本到图像的 AI 工具,例如 Midjourney 和 DALL-E,都依赖于称为扩散模型的机器学习算法,这些算法经过训练可以识别从互联网上抓取的数百万张图像与这些图像的文本描述之间的联系。然而,研究人员警告说,这些人工智能工具可能会刺激虚假数据和不准确的科学图像的增加。文本到图像工具如何工作?原创 2024-03-20 09:52:26 · 706 阅读 · 0 评论 -
“里程碑时刻”:科学家利用人工智能从头开始设计抗体
这些设计也是所谓的单域抗体,类似于在骆驼和鲨鱼中发现的抗体,而不是几乎所有批准的抗体药物所基于的更复杂的蛋白质。使用这种方法,研究人员设计了数千种抗体,这些抗体可以识别几种细菌和病毒蛋白的特定区域,包括SARS-CoV-2和流感病毒用来入侵细胞的蛋白质以及抗癌药物靶标。可以缩短这些昂贵努力的人工智能工具有可能“使设计抗体的能力民主化”,该研究的合著者、西雅图华盛顿大学的计算生物化学家纳撒尼尔·贝内特(Nathaniel Bennett)说。起作用的设计抗体与其靶标的结合不是特别强。这确实表明这是可能的。原创 2024-03-20 09:07:48 · 379 阅读 · 0 评论 -
量子计算机上的药物设计
量子计算机的工业应用通常取决于其执行准确、高效量子化学计算的预期能力。计算药物发现依赖于对候选药物在有限温度下涉及数千个原子的细胞环境中如何与其靶标相互作用的准确预测。尽管量子计算机还远未被用作制药行业的日常工具,但在这里,我们探讨了将量子计算机应用于药物设计的挑战和机遇。我们讨论了这些可以改变工业研究的地方,并确定实现这一目标所需的实质性进一步发展。原创 2024-03-15 23:11:25 · 787 阅读 · 0 评论 -
Figure 公司的Figure 01人形机器人
在早期开发中,类人机器人完成的任务将是结构化的和重复的,但随着时间的推移,随着机器人学习和软件的进步,类人机器人的能力将得到扩展,并能够处理更复杂的工作职能。在加入 Archer 之前,Logan 是 Vettery 的客户管理主管,他是团队中的第一位销售人员,帮助将销售团队扩展到 100+,并带来了数百万美元的收入。在20年的研究和建立公司中,我从未见过与通用人形机器人相似的潜在市场规模。我们的公司旅程将需要几十年的时间,需要一支致力于使命的冠军团队、数十亿美元的投资和工程创新,以实现大众市场的影响。原创 2024-03-15 08:52:29 · 1040 阅读 · 0 评论 -
AI辅助研发2024
随着人工智能技术的持续发展与突破,2024年AI辅助研发正成为科技界和工业界瞩目的焦点。从医药研发到汽车设计,从软件开发到材料科学,AI正逐渐渗透到研发的各个环节,变革着传统的研发模式。在这一背景下,AI辅助研发不仅提升了研发效率,降低了成本,更在某种程度上解决了复杂问题,推动了科技进步。2024年,随着AI技术的进一步成熟,AI辅助研发的趋势将更加明显,其潜力也将得到更广泛的挖掘和应用。原创 2024-03-08 09:07:55 · 881 阅读 · 0 评论 -
TensorFlow 和 pytorch
PyTorch具有直观的接口和高效的计算能力,使得它成为机器学习研究和开发的首选工具之一。机器学习和深度学习:TensorFlow 提供了丰富的工具和算法,用于构建和训练各种机器学习和深度学习模型。它的优势在于其丰富的工具和算法库,并且有一个庞大的社区支持,使得学习和使用变得更加容易。自然语言处理:TensorFlow 通过提供各种文本处理和自然语言处理的工具和算法,使得构建和训练文本相关的模型变得更加容易。计算机视觉:TensorFlow 提供了丰富的图像处理工具和算法,用于构建和训练图像相关的模型。原创 2024-02-26 14:40:34 · 403 阅读 · 0 评论 -
自然语言处理(NLP)技术
问答系统是一种能够根据用户的提问给出准确回答的系统,用户通常提问一个具体的问题,系统根据问题进行语义解析和推理,从知识库或资源中查找相关信息,然后给出相应的回答。问答系统通常是基于检索或生成的方法,检索式问答系统通过匹配问题和知识库中的问题进行回答,生成式问答系统通过生成自然语言的方式回答问题。对话系统的目标是通过自然语言处理和机器学习等技术,使交流更加自然、流畅和智能化。总的来说,对话系统更侧重于实现自由对话和任务执行,可以处理复杂的对话场景,而问答系统则更专注于给出准确的问题回答,通常针对单一问题。原创 2024-02-26 14:44:11 · 636 阅读 · 0 评论 -
人工智能在现代科技中的应用和未来发展趋势
通过分析大量的金融数据,人工智能可以帮助银行和保险公司更好地管理风险,提供个性化的投资建议,以及检测和防止欺诈行为。更强大的机器学习算法和模型:随着硬件技术的进步和数据量的增加,人工智能将能够创建更复杂、更强大的机器学习算法和模型,实现更智能化的应用。自动化和智能化的工作流程:人工智能将自动化和智能化许多重复和繁琐的工作流程,减少人力资源的需求,提高工作效率。更广泛的应用领域:人工智能将逐渐渗透到更多的领域,包括教育、农业、能源和环境保护等,解决更多的现实问题。原创 2024-02-26 15:48:02 · 336 阅读 · 0 评论 -
人工智能 深度学习 神经网络 之间的关系和区别
深度学习是人工智能的一个分支,是一种模仿人类大脑神经网络的学习过程的机器学习方法。它依赖于大规模的数据和强大的计算能力,通过构建多层神经网络模型来提取和学习数据中的特征,从而实现目标任务,如图像识别、语音识别、自然语言处理等。神经网络通过学习和优化权重系数来建立输入和输出之间的映射关系,从而实现各种任务的解决。神经网络是深度学习的核心算法,用于构建多层次的模型来实现学习和任务解决。人工智能是一个广义的概念,指的是让机器具备类似人类智能的能力。这包括了许多不同的技术和方法,其中之一就是深度学习。原创 2024-02-26 16:01:25 · 652 阅读 · 0 评论 -
SORA-视频生成AI
视频编辑AI:视频编辑AI技术旨在自动化视频编辑过程,通过自动剪辑、转场和特效等功能来生成具有专业水平的视频。这些模型可以通过学习现有视频数据集中的特征和动作来生成新的视频序列,包括人物动作、场景和背景。视频合成:视频合成是将不同视频片段或元素合成为新的视频的过程。最新的视频合成AI技术利用深度学习模型和计算机视觉算法,可以实现更准确和逼真的视频合成效果。最新的视频生成AI技术包括图像到视频的生成、视频内容的生成和视频编辑等方面的研究。原创 2024-02-26 16:06:35 · 222 阅读 · 0 评论 -
ChatGPT
根据用户提供的输入,ChatGPT能够生成相应的回复,与用户进行对话。适应性强:ChatGPT能够适应不同的对话场景和主题,可以进行广泛的对话,包括提供信息、回答问题、进行闲聊等。可能存在错误:由于是基于大量的训练数据进行学习,ChatGPT在回答问题时可能会出现错误或不准确的情况。潜在的滥用风险:ChatGPT可以生成逼真的回复,但它也可能被滥用,用于误导、虚假信息传播等不良用途。生成能力强:ChatGPT在生成自然语言回复方面表现出色,有时可以提供令人满意的、准确的回复。原创 2024-02-26 16:06:52 · 697 阅读 · 0 评论 -
AI问答系统的一般问题
如果用户提供准确和明确的信息,并与AI系统进行有效的对话,那么结果的可信度可能会更高。需要注意的是,训练AI对话系统是一个复杂的过程,不仅涉及算法和技术,还需要考虑数据的质量、模型的选择以及评估指标的设置等。确定AI对话的可信基准是一个挑战性的任务,因为可信度是一个主观的评估,并且受到个人观点和背景的影响。如果模型是基于大规模、多样化的数据集进行训练的,并且经过有效的验证和评估,那么系统的可信度可能更高。如果系统在不同的情境下给出一致的回答,并且能够提供准确的信息,那么系统的可信度可能更高。原创 2024-02-26 23:15:16 · 571 阅读 · 0 评论 -
CNN中的伯努利分布与二项式分布
例如,输出向量为[0.1, 0.05, 0.3, 0.05, 0.2, 0.05, 0.05, 0.05, 0.05, 0.1],表示模型对应0到9这10个类别的预测概率分别为0.1, 0.05, 0.3, 0.05, 0.2, 0.05, 0.05, 0.05, 0.05, 0.1。在测试阶段,我们可以使用伯努利分布的输出概率来进行预测。因此,多项式分布在CNN中的应用主要体现在损失函数的设计和输出层的激活函数选择上,通过最小化交叉熵损失函数和使用softmax函数,可以实现对多类别分类问题的准确预测。原创 2024-02-28 17:27:38 · 931 阅读 · 0 评论 -
一张图读懂人工智能
三、人工智能和多式联运 AI产品的发展趋势,以及语言模型的应急能力和广泛应用。视频探讨了人工智能和人类的优劣势,以及未来的发展方向。视频提出了一种积极的心态,认为人工智能可以成为我们的同事,帮助我们提高效率和能力。二、大型语言模型的训练过程和应用场景,包括文本到文本、图像到文本、语音转录等多个方面。同时也提到了不同模型的能力和成本。一、生成人工智能的概念和应用,以及如何使用大型语言模型进行聊天和创造原创内容。五、如何使用生成人工智能作为招聘公司的工具,以及如何有效地使用生成人工智能来制作有用结果的提示。原创 2024-02-29 23:04:17 · 2707 阅读 · 1 评论 -
TensorFlow 与pytorch
TensorFlow是一个开源的机器学习库,由Google开发和维护。它的设计目标是简化大规模机器学习的开发过程,提供高效的计算和灵活的模型部署。TensorFlow的基本概念是图(Graph)和会话(Session)。图是一个由节点(Node)和边(Edge)组成的数据流图,节点表示操作,边表示数据流。在图中定义了模型的计算过程。会话是执行图的环境,可以在会话中执行图中的操作,得到输出结果。TensorFlow支持多种机器学习模型,包括神经网络、决策树、支持向量机等。原创 2024-03-02 14:33:17 · 1246 阅读 · 1 评论 -
人工智能指数报告2023
指数是斯坦福大学以人为本的人工智能研究所(HAI)的一项独立倡议,由人工智能指数指导委员会领导,该委员会是一个由来自学术界和工业界的跨学科专家组成的小组。该年度报告跟踪、整理、提炼和可视化与人工智能相关的数据,使决策者能够采取有意义的行动,以负责任和合乎道德的方式推进人工智能,同时考虑到人类。人工智能指数与许多不同的组织合作,以跟踪人工智能的进展。这些组织包括:乔治城大学安全和新兴技术中心,LinkedIn,NetBase Quid,Lightcast和麦肯锡。原创 2024-03-02 15:51:29 · 1270 阅读 · 0 评论 -
HBM(High Bandwidth Memory)
构建高性能芯片的选择越来越多,但附加内存的选择却几乎没有变化。为了在汽车、消费和超大规模计算中实现最大性能,选择取决于一种或多种 DRAM,而最大的权衡是成本与速度。尽管多年来人们一直在努力用更快、更便宜或更通用的内存来取代 DRAM,甚至将其嵌入到 SoC 中,但 DRAM 仍然是所有这些架构中的重要组成部分。但 DRAM 制造商并没有停滞不前,而是根据性能、功耗和成本提供了多种选择。原创 2024-03-03 13:02:42 · 1238 阅读 · 0 评论 -
AI技术进展
预训练语言模型:如BERT、GPT-3等,这些模型通过在大量文本数据上进行预训练,能够理解和生成自然语言,为多种NLP任务提供了强大的基础。AI在自动驾驶汽车中的应用:自动驾驶技术在感知、决策和控制方面取得了显著进展,尽管完全自动化的自动驾驶汽车仍然面临技术和法规挑战。AI芯片和硬件加速:专门为AI计算设计的硬件,如谷歌的TPU、NVIDIA的GPU等,显著提高了AI模型的训练和推理速度。AI伦理和透明度:随着AI技术的普及,研究者和开发者越来越关注模型的可解释性、公平性和隐私保护。原创 2024-03-03 13:13:34 · 183 阅读 · 0 评论 -
人工智能在理解世界时面临的挑战
取而代之的是,我们的脑海中抽象了物理世界和社会世界的模型,这些模型反映了事件的原因,而不仅仅是它们之间的相关性。目前的机器学习范式是否会在现实世界中产生可信赖的人工智能所需的理解,或者是否需要新的范式,例如将语言模型与符号方法相结合,整合强化学习的新想法,创建集成的认知架构,或包括具身体验,这是一个悬而未决的问题.为了信任在我们的世界中不可避免地无处不在的人工智能系统,我们面临着双重挑战:首先,使这些系统能够有效地理解这个世界,其次,为我们自己配备科学工具来理解它们是如何做到的。它正在学习一个世界模型…原创 2024-03-04 08:53:38 · 297 阅读 · 0 评论 -
AI 词汇表:人工智能,用这么多词来形容
人们所说的人工智能(AI)到底是什么意思?这个词从来没有明确的界限。当它在1956年达特茅斯学院(Dartmouth College)的一个开创性研讨会上被引入时,它被广泛地理解为使机器的行为方式在人类身上看到时被称为智能。人工智能最近的一个重要进展是机器学习,它出现在从拼写检查到自动驾驶汽车的技术中,并且通常由称为神经网络的计算机系统执行。任何关于人工智能的讨论都可能包括其他术语。原创 2024-03-04 08:59:51 · 1510 阅读 · 0 评论 -
AI的归纳和演绎法
AI的归纳和演绎法是两种常见的推理方法。归纳法(inductive reasoning)是一种从特殊到一般的过程,在有限的实例观察中得出一般规律或原则。用简单的说法,就是从一些具体的事物或情况中总结出一般性的结论。例如,观察到一只猫、一只狗和一只兔子都会跑,那么可以做出归纳性的结论:所有哺乳动物都会跑。演绎法(deductive reasoning)是一种从一般到特殊的推理方法,根据已知的预设和一般规律,推导出特殊的结论。换句话说,就是根据已有的规则和前提条件,推断出具体的结果。原创 2024-03-04 09:12:15 · 891 阅读 · 0 评论 -
ChatGPT 很有趣,但不是作者
输出是一个有趣的对话,艾尔莎——她从艰难的一天销售中回家——被她的儿子快乐告诉,“来吧,妈妈。对于《科学》期刊来说,“原创”二字足以表明ChatGPT写的文字是不可接受的:毕竟,它是从ChatGPT抄袭而来的。尽管如此,为了明确说明问题,我们现在正在更新我们的许可证和编辑政策,以规定 ChatGPT(或任何其他 AI 工具)生成的文本不能在作品中使用,图形、图像或图形也不能是此类工具的产物。当然,在研究论文中,有许多合法的数据集(不是论文的文本)是由人工智能有意生成的,而这些数据集并不在此更改中涵盖。原创 2024-03-04 09:54:58 · 316 阅读 · 0 评论 -
我们需要对 AI 进行 Weizenbaum 测试
在1972年发表在《科学》杂志上的一篇题为《论计算机对社会的影响》的论文中,魏岑鲍姆认为,他的计算机科学家同事应该尝试从公众的角度来看待他们的活动。今天的LLM与所谓的“老式人工智能”是一个非常不同的项目,但起源神话——一个理解和模拟智能的项目——仍然是大型科技公司逃避责任的便捷方式。在他们最近的书中,达伦·阿西莫格鲁(Darren Acemoglu)和西蒙·约翰逊(Simon Johnson)认为,为了让社会对人工智能做出正确的决定,避免其最严重的风险和不平等,我们应该谈论机器的有用性,而不是机器智能。原创 2024-03-04 09:56:10 · 691 阅读 · 0 评论 -
介绍下一代 Claude:Anthropic宣布推出Claude 3 性能超越GPT4.0
3月4日,宣布推出型号系列,该系列在广泛的认知任务中树立了新的行业基准。该系列包括三款最先进的型号,按功能升序排列:Claude 3 Haiku、Claude 3 Sonnet 和 Claude 3 Opus。每个后续型号都提供越来越强大的性能,允许用户为其特定应用选择智能、速度和成本的最佳平衡。Opus 和 Sonnet 现在可以在 claude.ai 和 Claude API 中使用,后者现已在 159 个国家/地区正式发布。俳句即将推出。原创 2024-03-05 09:11:55 · 901 阅读 · 0 评论 -
人工智能可能会从自言自语中受益:内心独白可以帮助机器学习更可靠地执行复杂的任务
每一个视频,有人说,‘我现在要教你如何做羊角面包’,或者煮萨格芝士,或者更换这辆旧雪佛兰的化油器,或者修理漏气的轮胎,或者在Photoshop中编辑照片,或者在Expedia上预订航班,或者在Minecraft上盖房子”——这些都是学习的素材。在多次试验中,网格被划分为九个房间,这些房间的配置各不相同,并由有时上锁的门隔开。智能体可以“看到”网格的一部分,它所面对的方向,第一个组件利用这些“视觉”信息以及任务和智能体之前的想法来创造一个新的想法,例如“打开蓝色的门去探索”或“去紫色的盒子”。原创 2024-03-05 09:39:32 · 534 阅读 · 0 评论