如何将“拿起一个苹果”进化成“你能给我一份健康的食物吗？”
基于标签的DP而非数据集的DP，是否会让DL的效果越来越好呢？
一副眼镜，一个可能很普通的名字，甚至是提交简历时的文件类型，都会成为一个个数据元被AI进行筛选和判断。当人类社会消除歧视的斗争还未胜利，AI的介入是在弥合分歧消除偏见，还是成为一个标签池和过滤器一般的存在呢？或许答案不在AI本身，而在幕后的Controller..
一个可能可以感知人类情感的AI，不知道最后是成为帮助人们突破情感障碍的工具，还是成为海王海后们的“贤内助”。
一个基于神经网络的解题AI，目前解的还是高中奥赛题，可能很快就有解大学奥赛题的出现了。不知道以后有没有AI或人工智能的方案，能够自己给自己出奥赛题……
看来即使是微软研究院的博士，也会对求职产生一定的焦虑。5个技巧，其所有的核心是，在展示自己过完经验的同时，贴近招聘需求方的实际需求，保持耐心，就像等待数据运行结果那样。
你也可以把高效深度学习的问题划分为以下三个不同的组成部分： 1. 计算：GPU 计算实际浮点运算（FLOPS）所花费的时间； 2. 内存：在 GPU 内传输张量所花费的时间； 3. 额外开销：花在其它部分的时间。
3月22日，智能编程机器人公司硅心科技（aiXcoder）对外公布，目前已经完成首轮融资，投资者为高瓴创投。
在这篇论文中，研究者提出了 OUR-GAN，这是首个单样本（one-shot）超高分辨率（UHR）图像合成框架，能够从单个训练图像生成具有 4K 甚至更高分辨率的非重复图像。
目前，“联邦学习”这一术语在市场上存在很多认识上的误解和混淆，主要原因是其既在广义上表达了保护数据前提下联合多方数据训练模型的需求，又在狭义上表示了一类通过暴露部分数据信息来提升训练性能的方法。有趣的是，作为广义上的需求，它强调为了保护数据安全，可以牺牲部分准确性；但作为狭义的方法，它反而强调通过牺牲安全来换取性能提升。
了解事物的底层逻辑才能更好地解决问题。康奈尔大学AI联合创始人最近发了一篇文章，从第一原理出发，深度剖析深度学习性能瓶颈的三座大山：计算、内存和开销。
在全球物理学盛会2022APS年会上，阿里巴巴达摩院量子实验室公布了一系列最新进展，包括材料、相干时长、门操控、量子计算编译方案等。其中，采用新型量子比特fluxonium的两比特门操控精度99.72%，达到此类比特的全球最佳水平。
近日，全球领先的3D制作和运营平台Unity震撼首发新一代超现实人类，以4K分辨率实时渲染，让数字人的眼睛、头发、皮肤等细节看起来与真人无异。
最近DeepMind发表了一项新研究GopherCite，使用根据人类偏好的强化学习（RLHP, reinforcement learning from human preferences）训练了一个可以用于开放式问答的模型。它不仅可以针对问题生成答案，在给出答案的同时，还会给出 AI 模型做出这些答案的依据，「引用」具体证据及其出处，以更好地帮助用户判断答案的正确性。支持证据（supporting evidence）主要来自搜索引擎返回的多个文档和用户提供的数据。
英特尔 ® 3DAT 三维运动员追踪技术是一个可以精准、实时地采集分析运动员生物力学数据，帮助运动员高效训练的工具，而它，也正是中国速滑队备战北京冬奥时，在训练中使用的一项「神秘黑科技」。
普林斯顿姑娘本科毕业作品，用AI生成中国山水画，线条笔触骗过半数人类观察者。
最新研究表明，在适当的情况下，量子机器学习可以超越经典算法
在本系列文章中，作者展示了如何使用微分几何和代数拓扑重新解释图神经网络并解决一些常见困境。
据Github上发布的一份公告称，一位流行的开源软件的技术专家和维护者故意破坏了他们自己的代码。他们向非常受欢迎的node-ipc库中添加了恶意代码，用「心脏」表情符号替换了文件。并将遭到破坏的npm程序库版本称为「新软件」，并非「恶意软件」。这么做的目的就是为了谴责俄罗斯入侵乌克兰，但是这还会影响使用该代码的其他开发者，因此遭到了GitHub社区强烈反对。
研究团队提出了一种称为「模型汤」的概念，通过在大型预训练模型下使用不同的超参数配置进行微调，然后再把权重取平均。实验结果证明了，这种简单的方法通常都能够提升模型的准确率和稳健性。Method部分只占了半页，文章的通篇基本全是实验，也就是说Google做了一件别人都没做到的事：用大量的计算资源，做大量的实验，来证明这个简单的方法就是有效的。