最近，一位Reddit网友自己搭了个CNN模型，让AI在2005年出的经典游戏「极品飞车9：最高通缉」里开车。点赞超过1700，可谓是机器学习子版块里一时以来最高的贴。
2020年末，DeepMind开发的第二代深度学习神经网络AlphaFold 2的问世震惊了结构生物学界。AlphaFold解决了困扰科学家几十年的蛋白质折叠问题。最近的研究表明，AlphaFold开创的方法正在向更广泛的生物学界蔓延。
在让AI分析视频中的人类动作有了突破。
网易伏羲虚拟人团队提出了一种人类表情编码的创新提取方法，大幅提升了AI感知人类表情的精度。
来自美国东北大学、圣克拉拉大学和 Meta 的研究者提出对偶彩票假说（Dual Lottery Ticket Hypothesis，DLTH），随机的子网络都可以被转换成中奖彩票。
在这篇文章中，快手和人大的研究者提出了一个模型无关的因果学习框架，该框架被称作 IV4Rec，用来有效地分离出这两种关系，从而加强推荐模型的效果。
在 AI 领域，深度学习的出现可称得上「分水岭」，从训练模型所需算力更能看出这一点。关于深度学习出现以来算力的增长趋势，此前已有不少研究者做了调研。近日，阿伯丁大学等机构的研究者重新对 1952 年至今模型不同发展阶段所需训练算力进行了深入探讨，并得出了与以往工作不同的结论。
本文介绍了马普所二年级 CS 博士生修宇亮（Yuliang Xiu）入选 CVPR 2022 的一项三维数字人姿态重建新研究 ——ICON[1]。在本文中，他将详述这项工作的来龙去脉，包括厘清本研究的动机及思维起点 (motivation)、梳理出这二十多页论文的主线、论文中没提及的洞见 (insight)，并着重讲一下 ICON 的局限及改进思路。
在本文中，快手的研究者们提出了一种新的 HTE 预估方法——多元因果森林模型，并且结合高效的整数规划求解算法，效果显著优于业界常用的几种树模型方法。
最近，特斯拉 AI 高级总监 Andrej Karpathy 做了一件很有趣的事情，他把 Yann LeCun 等人 1989 年的一篇论文复现了一遍。一是为了好玩，二是为了看看这 33 年间，深度学习领域到底发生了哪些有趣的变化，当年的 LeCun 到底被什么卡了脖子。此外，他还展望了一下 2055 年的人将如何看待今天的深度学习研究。
自2019年起，Pytorch在多个学界的使用率均实现了对于Tensorflow的“超车”。
香港大学物理系研究团队开发出一种非平衡增量方法来计算纠缠熵，并通过大规模量子蒙特卡罗模拟研究其在去限制临界 (DQC) 点的缩放行为。该研究推动了对量子力学规律更全面的探索，朝着量子材料的实际应用迈进一步。
面对“双智”未来的发展，与会专家达成共识：双智应秉承“以人为中心”的原则，并通过应用场景驱动建设，在建设过程中需要政府、在政策、标准、制度层面牵头，科技企业在技术方面提供支持，多方参与，共同创造双智成果。
来自华为诺亚方舟实验室、北京大学、悉尼大学的研究者提出了一种受量子力学启发的视觉 MLP 架构，在 ImageNet 分类、COCO 检测、ADE20K 分割等多个任务上取得了 SOTA 性能。
一个看似简单的算法，不仅彻底改变了神经网络处理语言的方式，而且还逐渐地影响到了整个计算机视觉领域。也许，它所带来的可能性远不止这些。
清华大学、阿里达摩院等机构的研究人员提出一种全新的思路——「八卦炉」（BaGuaLu）。这也是第一个针对在超算，也就是新一代「神威」上，训练参数量达到「百万亿级」模型的工作。
华为「天才少年」稚晖君这次带来了一个又萌又硬的桌面小机器人ElectronBot。
在 2 月份，通用汽车及其旗下自动驾驶部门 Cruise 已向 NHTSA 提交申请，请求允许他们生产和部署无方向盘或刹车踏板等人类驾驶员控制的全自动驾驶汽车。此次新规，也算是给了通用汽车一个积极的回应。
近日，研究人员创建了一个增强现实（AR）界面 RealitySketch，该界面可用于绘制交互式图形和可视化、可响应的草图。
随着人工智能技术兴起，在化学领域，传统的基于实验和物理模型的方式逐渐与基于数据的机器学习范式融合。