李飞飞出任推特董事会成员:将利用AI技术持续推动变革

今天,推特宣布任命斯坦福教授、华人学者李飞飞为董事会成员,「共同推进公司的持续变革」。

机器之心报道,参与:蛋酱、小舟。

北京时间 5 月 12 日,推特公告宣布,任命斯坦福大学计算机科学教授、前谷歌副总裁李飞飞为董事会独立董事,立即生效。

推特执行董事长 Omid Kordestani 提到:「李飞飞博士拥有深厚的技术经验和 AI 专业知识,将为推特董事会带来工程、计算机科学和人工智能方面的专业经验和相关洞见。推特将持续利用技术力量来提升服务质量,实现我们的长期目标。我们将共同促进推特的积极变革。」

李飞飞表示:「推特是科技连接世界的一个重要平台,我很荣幸在推特公司历史上如此重要的时刻成为董事会的一员。AI 和机器学习将对技术及其用户产生巨大的影响,希望能在此奉献我的经验,让所有使用这项服务的人受益。」

李飞飞所提到的「重要时刻」,或许指的是近来推特 AI 工具所面临的一系列考验。

自从新冠疫情爆发以来,推特平台上即出现了大量关于 COVID-19 的错误信息,包括「5G 制造和传播新冠病毒」等阴谋论观点,4 月初,英国连续发生两起 5G 信号塔被烧事件。尽管没有任何科学依据,但许多误导性言论却大肆传播。

近段时间以来,推特一直在删除「可能会对民众健康或福祉带来直接风险」的疫情相关推文,但事实证明仍有大量包含错误内容的推文正在社交网络中传播。就在今天,推特进一步更新措施,宣布将为具有误导性的疫情相关推文添加标签和警告信息,即使是各国政府首脑发布的内容也不例外。

另一项考验则来源于 2020 年度的美国总统大选。自 2 月份美国总统大选初选开启以来,推特等社交平台均严肃表示将全力打击虚假信息,借助算法改进、举报机制等方式,保证在大选过程中传递精准的事实与信息。

一系列的挑战和变革,都在推动着这家社交媒体公司在 AI 方面谋求更多的进步。

李飞飞个人经历

李飞飞教授1976 年出生于北京,长在四川。16 岁随父母移居美国新泽西州。1995 年李飞飞以全额奖学金考入普林斯顿大学,攻读物理学。2005 年,李飞飞获加州理工学院的电子工程博士学位。在加入斯坦福之前,她曾在伊利诺伊大学香槟分校(2005-2006)和普林斯顿大学(2007-2009)任教。

从 2007 年开始,李飞飞和一位同事着手开始一项庞大的任务,为来自互联网的十亿张图片进行分类、打标签,从而为计算机提供样本。其中理论基础是如果机器观察到足够的事物,它们就能够在现实世界进行识别。他们使用亚马逊 Mechanical Turk 这样的众包平台,邀请了来自 167 个国家的 5 万人帮助为其中的数百万张图像打标签。最终,他们建立了 ImageNet 数据集,促进了人工智能浪潮的发展,也让整个 AI 学术界和产业界记住了这位传奇的华人女博士。

2009 年,李飞飞加入斯坦福大学成为助理教授,2012 年,成为斯坦福大学副教授(终身教授)。2013 年到 2018 年,李飞飞教授任斯坦福人工智能实验室与视觉实验室负责人。2017 年 1 月到 2018 年 9 月,李飞飞教授担任谷歌云 AI 负责人,她也是Google 中国 AI 中心的早期筹划者之一。

李飞飞以其在计算机视觉和人工智能领域的开拓性研究而闻名,曾入选 2015 年 “全球百大思想者”。2018 年,李飞飞当选 ACM Fellow,其 ImageNet 论文在 CVPR 2019 获经典论文奖。2020 年 2 月,李飞飞因「为建立大型知识库研究机器学习和视觉理解做出贡献」入选美国工程院院士

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值