业界资讯

4月20日消息，过去四个月，人工智能聊天机器人变得越来越受欢迎，它们能够完成各种任务，比如写复杂的学术论文和进行紧张的对话，能力很令人惊叹。聊天机器人并不像人类那样思考，它们甚至不知道自己在说什么。它们之所以能模仿人类的语言，是因为驱动它们的人工智能已经吸收了大量的文本，其中大部分内容是从互联网上抓取的。这些文本是人工智能在构建过程中获取世界信息的主要来源，它们会对人工智能的响应方式产生深远影响。如果人工智能在司法考试中取得了优异成绩，那可能是因为它的训练数据中包含了数以千计的LSAT（LawSchool

云计算带来了集约化、效率、弹性与业务敏捷的同时，对云上运维提出了前所未有的挑战。如何面对新技术趋势的挑战，构建面向云时代的智能监测平台，让云上应用获得更好的保障，是如今摆在每一个企业面前的一道难题。在日前的【T·Talk】系列活动第八期中，51CTO内容中心特别邀请到了乘云产品VP张怀鹏做客直播间，为大家分享打造云时代数字化观测利器的经验与思考。【T·Talk】也将本期精彩内容进行了整理，望诸君能够有所收获：​数字化转型浪潮下的数字化运营痛点数字化转型与数字经济建设是当前时代的大趋势，数字化转型可以说是人

正值风头的“网红”ChatGPT在过去一周算是被网友们玩坏了！各种有的没的玩法都被网友们发掘出来了……比如说就有网友被误开了一份停车罚款，又不会写解释信，于是直接“请来”ChatGPT帮忙。最终调整出来的解释信是这样的：一天后就收到了区域市政局回复，发快直接被取消了！这可以算通过图灵测试了吧，以后写申请书啥的不就可以解放双手了。（手动狗头）不过这还都只是ChatGPT的冰山一角，在“水面之下”它还有哪些“不为人知”的玩法？这不，有网友直接整了个大汇总，一一列出ChatGPT的各种用处，还贴心地给出了完整的

01感知：构建实时的4D自动驾驶场景1.特斯拉摄像头布局特斯拉的摄像头视野可以覆盖车身周围360°，在前向有120°鱼眼、长焦镜头用于加强观测，布局如上图。2.特斯拉图像数据预处理特斯拉采用的是36Hz的1280*960-12bit的图像原始数据，这相对于只有8-bit的ISP后处理数据多了4位信息，动态方位扩大了16倍。特斯拉这样处理的原因有2个：1)ISP基于rule-base的算法对原始信号做了自动对焦(AF)、自动曝光(AE)、自动白平衡(AWB)、坏点校正(DNS)、高动态范围成像(HDR)

​消费者对银行和信用合作社的数字化趋势表示欢迎。Z世代和千禧一代希望在任何地方、任何渠道都能获得即时服务——他们想要自助服务的体验。他们希望金融服务提供商能够参与其金融旅程的各个方面，以准确了解他们需求，并提供无缝体验。作为回应，通常通过提供更好的本地和定制社区参与服务以脱颖而出的信用合作社，正试图通过个性化、互动和始终在线的参与，以直观和智能的方式与客户建立联系。但是，大规模地做到这一点是一个挑战，因为可能实时的联系消费者多达数百万。这就是会话参与技术(例如支持人工智能的聊天机器人)发挥重要作用的地方。

英国信息委员会（ICO）日前向科技领袖发出警告，最好不要购买情感分析AI工具，因为这种技术并不像人们想象的那样有效，还有可能导致AI偏见和歧视。采用了这种技术的企业可能面临数据监管机构的审查和监管，除非他们能证明该技术的有效性。情绪分析技术采用了许多生物特征数据点，包括注视跟踪、情绪分析、面部运动、步态分析、心跳、面部表情和皮肤水分水平等，并试图利用这些数据来确定或预测某人的情绪状态。英国信息委员会副信息专员StephenBonner表示，问题在于没有证据表明这种方法确实有效，而且有很多证据表明它并不

「人工智能」一词，首次在1956年达特茅斯会议上，由约翰麦卡锡等人正式提出。实用AI地提出，最早可以追溯到1914年。当时LeonardoTorresyQuevedo构建了第一个工作的国际象棋机器终端游戏玩家。当时，国际象棋被认为是一种仅限于智能生物领域的活动。至于人工智能理论，则可以追溯到1931-34年。当时库尔特·哥德尔（KurtGödel）确定了任何类型的基于计算的人工智能的基本限制。时间来到1980年代，此时的AI历史会强调定理证明、逻辑编程、专家系统和启发式搜索等主题。2000年代初

当前主流语义分割算法本质上是基于softmax分类器的判别式分类模型，直接对p(class|pixelfeature)进行建模，而完全忽略了潜在的像素数据分布，即p(class|pixelfeature)。这限制了模型的表达能力以及在OOD(out-of-distribution)数据上的泛化性。在最近的一项研究中，来自浙江大学、悉尼科技大学、百度研究院的研究者们提出了一种全新的语义分割范式——基于高斯混合模型（GMM）的生成式语义分割模型GMMSeg。论文链接：https:

昨天凌晨，OpenAI出人意料地发布了GPT-4。这次发布令科技界颇感意外，毕竟人们普遍认为GPT-4会在微软周四的「TheFutureofWorkwithAI」活动上宣布。距离ChatGPT首次亮相才不过四个月，它便创造了「历史上增长最快的消费者应用程序」记录。如今GPT-4上线，这款产品的应对能力又上了一层楼。震撼之余，很多研究者认真阅读了GPT-4的技术报告，却感到了失望：怎么没有技术细节呢？一次违背创始精神的发布在公告中，OpenAI分享了大量GPT-4基准和测

​ChatGPT在few-shot和zero-shot场景下展现出的惊人性能，让研究人员们更坚定「预训练」是一条正确的路线。预训练基础模型（PretrainedFoundationModels,PFM）被认为是不同数据模式下各种下游任务的基础，即基于大规模数据，对BERT、GPT-3、MAE、DALLE-E和ChatGPT等预训练基础模型进行训练，为下游应用提供了合理的参数初始化。PFM背后的预训练思想在大型模型的应用中起着重要作用，与以往采用卷积和递归模块进行特征提取的方法不同，生

位于美国弗吉尼亚州亚历山大市的美国专利商标局，正在利用人工智能（AI）项目加快专利分类过程，帮助检测欺诈行为，扩大审查员对类似专利的搜索范围，使他们能够在相同的时间内搜索更多文件，而且他们的每个项目都从试点开始的。美国专利商标局首席信息官JamieHolcombe表示：“概念证明（PoC）是我们用来了解新技术、测试业务价值假设、降低规模项目交付风险、为全面生产实施决策提供信息的一个关键方法。”他说，一旦试点项目被证明是成功的，那么下一步就是确定是否扩大这些试点项目。然后，就是在实际环境中扩展，以及全面投

自2017年提出至今，Transformer模型已经在自然语言处理、计算机视觉等其他领域展现了前所未有的实力，并引发了ChatGPT这样的技术突破，人们也提出了各种各样基于原始模型的变体。由于学界和业界不断提出基于Transformer注意力机制的新模型，我们有时很难对这一方向进行归纳总结。近日，领英AI产品战略负责人XavierAmatriain的一篇综述性文章或许可以帮助我们解决这一问题。在过去的几年里，陆续出现了数十个来自Transformer家族模型，所有这些都有有趣且

有变革，知乎必有回响。搜索「ChatGPT」，仿佛瞬息挪移到能听见号角的最前线：创新工场董事长李开复总结后ChatGPT时代拯救自己职业的通用法则；DeepLearning.AI创始人吴恩达警醒人们，将伦理与法律追问置于狂热之前；一流科技创始人袁进辉觉得一个迫在眉睫的需要研究的问题是，怎么区分由人类生成的文本和ChatGPT生成的文本？《数字化生存》作者、北大新闻传播学院胡泳则在「知聊八点半」圆桌直播中提出，人工智能的发展方向并不一定要「类人」，而应该是提升人的能力；…...透过问答、话

机器学习系统从过去的数据中学习并自主适应新情况，而基于规则的系统则依赖于人为干预进行任何修改。什么是基于规则的人工智能？基于规则的人工智能是一种基于一组预定规则的AI系统。这些规则是由人类创建的，并定义了系统在不同情况下将采取的行动。例如，如果发生X，则应执行Y。基于规则的人工智能本质上是确定性的，这意味着它采用因果方法。基于规则的人工智能模型需要基本的数据和信息才能成功运行，而且它们仅限于执行编程的任务和功能。它们是机器人过程自动化的一种更高级的形式，可用于数据输入、文档分类和欺诈检测等任务。什么是机器

作者|揭梦梅，单位：中国移动智慧家庭运营中心​Labs导读一些概念和理念的相继诞生并非一蹴而就，而是有着历史根源的。新事物随着市场需求更新迭代，RPA也不例外，它应解决业务问题而生，因企业自动化需求而逐步发展并壮大。本文将着眼于RPA的发展过程，详细叙述RPA的前世今生。Part01RPA是什么？RPA全称Roboticprocessautomation，即机器人流程自动化，依据预先设定的程序，由软件机器人通过模拟人工对键盘与鼠标操作，处理大量基于规则、重复、繁琐的工作流程任务，实现流程自

GPU制造商英伟达日前推出了一项新服务，允许客户在云端访问其DGXAI超级计算机。该公司还发布了一套新的基于云的工具，用于构建生成式AI系统。自从OpenAI推出ChatGPT聊天机器人以来，这类AI模型得到了广泛欢迎，而英伟达也一直从中获利。英伟达CEO黄仁勋在2月22日召开的电话财报会议上透露了新产品的细节。当财季，英伟达营收为60.5亿美元，略高于预期的60.1亿美元，但同比下降21%。尽管全球经济放缓正在影响利润，但该公司预计今年第一季度的收入将达到65亿美元，高于此前63.3亿美元的预期，

随着5G时代的到来，边缘计算成为自动驾驶系统中新的业务增长点，未来将有超过60%的数据和应用将在边缘产生和处理。边缘计算是一种在网络边缘进行计算的新型计算模式，其对数据的处理主要包括两个部分，其一是下行的云服务，其二是上行的万物互联服务。“边缘”实际上是一种相对概念，指从数据到云计算中心内路径之间的任意计算、存储以及网络相关资源。从数据的一端到云服务中心的另一端，在此路径上根据应用的具体需求和实际应用场景，边缘可以表示为此条路径上的一个或多个资源节点。边缘计算的业务本质是云计算在数据中心之外汇聚节点的延伸

安防行业作为人工智能早具有市场空间的行业，对人工智能的发展有着更清晰的认知和更迫切的需求，人工智能正在推动安防行业继高清化和网络化之后的第三次技术变革。在人工智能如火如荼的发展背景下，安防行业围绕着AI开始全新的智能之旅。在这场旅途中，智能安防发展进度如何呢？“进展”边缘计算推动边缘智能发展边缘计算，是指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。用一句话表示，边

疫情几年来，保住绿码，成了中国人尤其是深圳人的头等大事。见面寒暄更多不是问“你吃了吗？”，而是“你做核酸了吗？”毕竟，现在能挡住深圳人继续搞钱的，恐怕只有大喇叭里的“凭24小时核酸绿码进入办公楼”了。相信不少深圳打工人或多或少经历过加班到晚上11点，突然意识到自己错过了核酸采样时间的后惊。如果这时候告诉他，楼下有一台24小时工作的自主核酸采样机，他大概会激动地跳起来。核酸采样机器人如何工作？这两天，深圳福田区市民中心附近的居民，率先体会到了这种快乐。当前试运营的核酸采样机器人，基本都包含了抓取、标定、采集

当前，人工智能正在迅速颠覆各行各业开展业务的方式，然而持怀疑论者仍然比比皆是。不过，我们真的有理由害怕人工智能吗?人工智能将改变我们工作和开展业务的方式，其影响已经显现。不过，这并不意味着它总是可怕的。相反，拥抱人工智能并利用其潜力的企业现在可以获得许多竞争优势。理解人工智能根据IBM的说法，在最基本的情况下，人工智能是“利用计算机和机器来模仿人类思维的解决问题和决策能力”的任何事物。但并非所有的人工智能都是一样的。当前，AI主要有两种类型：弱AI和强AI。弱人工智能(WeakAI)也被称为狭隘人工智

​近年来，随着深度学习的发展和大规模数据集的出现，深度学习在很多领域也取得了进展，但其中「人脸复原」（FaceRestoration）任务仍然缺乏系统性的综述。最近，来自南京大学、澳大利亚国立大学、中山大学、帝国理工学院和腾讯的研究者们全面回顾并总结了基于深度学习的人脸复原技术的研究进展，对人脸复原方法进行了分类，讨论了网络架构、损失函数和基准数据集，并对现有SOTA方法进行了系统性性能评测。论文链接：https://arxiv.org/abs/2211.02831仓库链接：https://github

以ChatGPT为代表的人工智能应用一经问世便风靡全球。火爆的背后，是澎湃的人工智能浪潮。如何进一步加快关键技术创新？如何看待人工智能的应用前景？今年全国两会上，代表委员纷纷对人工智能发表见解。科技部部长王志刚在“部长通道”接受采访时说道：“AI（人工智能）这个领域是大方向、大领域，并且它的影响绝不仅仅在科技领域本身，可能还涉及在其他领域的赋能应用。”人工智能作为引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。加强AI技术创新抓住发展机遇今年的政府工作报告显示，在工信部的支持

ChatGPT这是准备一统江湖了。3月23日，OpenAI官方宣布，ChatGPT可以联网了。当然，这只是冰山一角，更重要的是OpenAI为ChatGPT开放了第三方插件功能，联网只是其中的的一环。这意味着，ChatGPT不再仅仅是一个AI，很可能会成为一个全知全能的AI平台，这并不是夸张，因为它既拥有了整个互联网的知识，又拥有了世界上最强大的语言处理能力，再加上第三方的定制化服务，正如Gregmushen在推特上写道:“我认为ChatGPT插件的引入对AppStore是一个威