业界资讯

不知道大家有没有这种痛点：有时候问问题时，GPT给出的答案老感觉没有回答完成，很多人不知道如何操作，其实直接输入“继续”就可以进行输出了，但是很多时候你会发现，上下文的连贯性很差，经常对不上。这下GPT牛X了，新增了一个继续的功能，而且连贯性很好，如图所示第一个按钮大家应该很熟悉，第二个按钮是不是之前没见过？这是新功能，如果问题的回答没有完成，直接点击以下就可以了，是不是很方便了！！！！！当你的问题的输出大于700字左右，这个按钮就会出现了，写论文、写需求文档，再也不担心了！今天分享加深学习的顶级prom

什么是智能建筑？简而言之，智能建筑使用技术来充分利用资源。除了有助于防止浪费外，智能建筑还旨在为居住者提供安全舒适的环境。物联网传感器、人工智能和机器人技术使智能建筑成为可能。如何利用智能建筑技术但智能技术究竟是如何运作的呢？以下是升级建筑物的一些方法。自动化——在智能建筑中，核心系统连接在一起。物联网传感器和建筑管理系统彼此共享信息，这可以实现供暖、通风、照明、空调甚至安全的自动化，以匹配建筑的使用模式。集成——智能建筑旨在集成系统之间的数据以提供有用的解决方案。例如，通过将物联网占用传感器与会议室预订

译者|朱先忠​审校|重楼​当前，多模式人工智能已经成为一个街谈巷议的热门话题。随着GPT-4的最近发布，我们看到了无数可能出现的新应用和未来技术，而这在六个月前是不可想象的。事实上，视觉语言模型对许多不同的任务都普遍有用。例如，您可以使用CLIP（ContrastiveLanguage-ImagePre-training，即“对比语言-图像预训练”，链接：​​https://github.com/openai/CLIP）​​对看不到的数据集进行零样本图像分类；通常情况下，无需任何训练即可获得出色的表现。​

85岁的图灵奖得主RajReddy参加了最近举行的第九届海德堡获奖者论坛。他发出由衷感叹：「我在人工智能领域工作了近60年，没想到这种技术会在有生之年实用化。」​10年前，也就是2012年，深度学习取得了突破。当时，一种基于多层神经网络的图像分类创新算法突然被证明比之前的所有算法都要好得多。这一突破使得深度学习在语音和图像识别、自动翻译和转录以及机器人等领域得到应用。随着深度学习被嵌入到越来越多的日常应用中，越来越多可能出错的样本也浮出水面：人工智能系统会进行歧视，制定刻板印象，做出难以

​已经霸榜两年，完成四连冠的日本富岳终于跌落了「神坛」。在刚刚公布的2022年全球超算Top500名单中，美国橡树岭国家实验室（ORNL）的Frontier夺得第一。凭借1.102Exaflop/s的HPL分数，Frontier不仅是有史以来最强大的超级计算机，它也是第一台真正的「E级超算」。相比之下，中国的神威·太湖之光和天河二号排名下滑至第六和第九。去年，美国将神威·太湖之光的处理器供应商申威列入了实体清单，或多或少给中国超算的发展造成了影响。这次Top500的64位浮点计算总算力为4

AI密码破解工具认为超过18个字符的密码是安全的。网络安全公司HomeSecurityHeroes发表了一项关于人工智能及其破解密码能力的研究。一种新的人工智能密码破解工具能够立即破解大多数六字符及以下的密码。目前，12个或更多字符的密码被认为很难破解。随着BingChat和Bard等人工智能工具的发布，人们开始意识到人工智能对他们日常生活的帮助。但与大多数恶意使用的产品一样，该技术也有阴暗面需要考虑。人工智能的一种潜在滥用是密码破解。一项新研究表明，当今的AI能够以惊人的速度

译者|李睿审校|孙淑娟在不同的场景中，常用的机器学习建模技术可能会误解数据中的真实关系。因此在这里试图改变这种范式，以基于估计因果关系和衡量目标关键绩效指标（KPI）结果的治疗效果，找到超越虚假相关性的可操作见解。​因果机器学习的动机​假设获得了某家企业在过去一年某一产品的历史数据或观察数据，面这一产品有5%的顾客流失，那么这家企业的目标是通过开展有针对性的活动来降低流失率。通常会构建经典的客户流失预测性倾向模型（倾向性评分——客户行为的协变量流失概率），并通过选择阈值规定折扣或向客户追加销售/

​算力就是生产力，得算力者得天下。随着新一代人工智能技术的快速发展和突破，以深度学习计算模式为主的AI算力需求呈指数级增长。​数据显示，在1960到2010年间，AI的计算复杂度每两年翻一番；在2010到2020年间，AI的计算复杂度每年猛增10倍。面对如此大的模型和复杂的计算，提升AI算力迫在眉睫。毕竟，在人工智能发展的三要素：数据、算法和算力中，无论是数据还是算法，都离不开算力的支撑。那么，AI算力从哪来？AI算力进入“大建设”时期AI算力对于提升国家、区域经济核心竞争力的重要作用已经成为业界共识。《

2021年10月，JeffDean亲自撰文介绍了一个全新的机器学习架构——Pathways。目的很简单，就是让一个AI能够跨越数以万计的的任务，理解不同类型的数据，并同时以极高的效率实现：在大半年之后的2022年3月，JeffDean终于发布了Pathways的论文。论文连接：https://arxiv.org/abs/2203.12533其中，补充了不少技术上的细节，比如最基本的系统架构等等。2022年4月，谷歌用Pathways的PaLM语言模型横空出世，接连打破多项自然语言处理任务的SOTA，这

近期，WakeData惟客数据（以下简称“WakeData”）完成了新一轮的产品能力升级。在2022年11月的产品发布会上，已传递出WakeData的“三个坚定”：始终坚定技术投入，全面夯实核心产品的科技能力和自研率；始终坚定国产化适配能力，支持国产芯片、操作系统、数据库、中间件、国密算法等，并在同领域实现对国外厂商的国产化替代；始终坚定拥抱生态，与伙伴共创共赢。​WakeData继续新一轮的产品能力升级，凭借过去5年的技术积累，以及在地产、零售、汽车等行业和垂直领域的实践，与战略伙伴联合研发具有私有化部

OpenAI公司日前宣布将在其人工智能工具中构建安全措施。该公司是功能强大的GPT-4大型语言人工智能模型的开发者，该模型是其ChatGPT聊天机器人和其他人工智能系统的核心。随着越来越多的人要求对生成式人工智能系统的开发采取更多控制措施，该公司为此不得不披露了这一信息。OpenAI公司在一篇博客文章中详细介绍正在采取的措施，以阻止其人工智能系统生成有害内容，避免违反数据隐私法规。虽然该公司开发的人工智能工具在全球范围内引领了一场生成式人工智能热潮，但在最近几周，监管机构开始对这种人工智能系统的安全性产生

Transformer已成为各种机器学习任务的热门选择，并且取得了很好的效果，那它还能怎么用？脑洞大开的研究者竟然想用它来设计可编程计算机！这篇论文的作者来自普林斯顿大学和威斯康星大学，标题为《LoopedTransformersasProgrammableComputers》，旨在探索如何用Transformer来实现通用计算机。具体来说，作者提出了一个将transformer网络用作通用计算机的框架，方法是使用特定权重对它们进行编程并将它们置于循环（loop）中。在这个框架中，输入序

现在ChatGPT可能会被ChatGPT-4取代，ChatGPT-4是一个更强大的工具，必将会在全球人工智能市场引发更大的波澜。那么什么是GPT-4?它有多强大?如何使用它?以下是人们需要知道的一切：什么是ChatGPT-4?可以从其名字开始了解。聊天(Chat)部分不言而喻，也就是人们可以与之交互的计算机界面，而GPT-4则是“生成式预训练转换器4”的缩写，意味着这是OpenAI公司开发这种人工智能软件的第四次迭代，该软件分析了来自互联网的大量信息，以确定如何生成听起来像人类的文本，并为用户提出的问题提

大数据文摘出品作者：CalebGPT-4终于发布了，相信这对于这阵子沉迷于ChatGPT的人来说无疑是一个大新闻。在上代GPT-3的基础上，GPT-4提高了ChatGPT的核心技术，因此具有更广泛的一般知识和解决问题的能力；当然GPT-4也增加了一些新功能，比如接受图像作为输入，生成标题、分类和分析。作为OpenAI手下备受关注的“香饽饽”，GPT-4的表现能在哪些方面超越上一代，以及超越多少，人们都在翘首以待。就在GPT-4发布当天，就有研究人员开始测试GPT-4是否能表现出主体性以及能否产生寻求权力的

​智能语音技术是市场上人工智能产品应用最为广泛的技术，今天给大家聊聊智能语音技术常见的应用场景，希望对大家能有所帮助！1、智能客服智能客服是基于大规模知识处理基础上发展起来的，它具有较强的行业通用性，可以为企业提供细粒度知识管理技术、用户和企业沟通的有效技术手段、还可以提供相应的客户沟通统计分析、也可以节约一定的人工成本。常见的有京东智能客服、淘宝智能客服等等。2、智能车载智能车载系统可以大大方便了我们的日常出行，常见的功能有实时更新地图、语音技术进行导航、语音播放音乐新闻、手机远程控制可以让那个手机和汽

这是一个AI赋能的时代，而机器学习则是实现AI的一种重要技术手段。那么，是否存在一个通用的通用的机器学习系统架构呢？在老码农的认知范围内，Anythingisnothing，对系统架构而言尤其如此。但是，如果适用于大多数机器学习驱动的系统或用例，构建一个可扩展的、可靠的机器学习系统架构还是可能的。从机器学习生命周期的角度来看，这个所谓的通用架构涵盖了关键的机器学习阶段，从开发机器学习模型，到部署训练系统和服务系统到生产环境。我们可以尝试从10个要素的维度来描述这样的一个机器学习系统架构。1.数据和特征

OpenAI昨天发布了GPT-4，试用了一下确实很不错。在我主要关心的故事生成方面，与ChatGPT生成出来的故事相比，GPT-4文笔更佳细节更多，更擅长生动具体的描绘，情节也开始出现一些有趣的转折。当然，ChatGPT有的问题，比如说缺乏整体布局谋篇能力，角色不突出，叙事展开比较无聊，续写段落会很快归于一个平庸的结尾等等，在GPT-4上面仍然存在。从它的性能报告上来看，与GREverbal接近满分相比，GRE写作只有4分，大学预修英语写作也只有2分（3分及格），而且从GPT-3到4没有进步，不知道是不

今天的人工智能(AI)是有限的。它还有很长的路要走。一些AI研究人员发现，计算机通过反复试验学习的机器学习算法已经成为一种“神秘力量”。不同类型的人工智能人工智能(AI)的最新进展正在改善我们生活的许多方面。人工智能分为三种类型：狭义人工智能(ANI)，具有狭窄的能力范围。通用人工智能(AGI)，与人类能力相当。人工超级智能(ASI)，比人类更有智能。今天的人工智能有什么问题？今天的人工智能主要由统计学习模型和算法驱动，称为数据分析、机器学习、人工神经网络或深度学习。它作为IT基础设施（ML平台、算法、数

哈喽，大家好。之前给大家分享过一次配料表识别程序，这次我们用ChatGPT改造一下。之前的大致思路是，用OCR识别配料表文字，然后开发一个爬虫，爬取每种配料的详细信息（爬百度百科）。这次的程序不两个不同的地方，第一，配料详情调用ChatGPT获取，免爬取，结果更精准。第二，web开发框架用gradio，gradio和streamlit类似，都是为了方便AI人员能快速构建webapp的框架。源码已经打包好，大家见文末。简单贴下核心代码1.ocr识别ocr识别使用paddledef__init__(self)

制造商可以在多种方面受益于人工智能，如提高生产、质量控制和效率。尽管人工智能为制造商提供了几种新的应用，但为了获得最大的价值，企业必须在整个制造过程中使用它。这意味着制造工程师需要专注于人工智能数据准备、建模、仿真和测试以及部署的四个关键方面，以成功地在不间断的制造过程中使用人工智能。不需要成为人工智能专家工程师们可能认为开发人工智能模型需要相当长的时间，但事实往往并非如此。建模是工作流过程中的一个重要步骤，但不是最终目标。要成功使用人工智能，关键是在流程一开始就确定任何问题。这让工程师知道工作流的哪些方

由于谷歌的人工智能(AI)子公司DeepMind几周前发表了一篇论文，描述了他们称为Gato的“通才”代理（可以使用相同的训练模型执行不同的任务），并声称通用人工智能(AGI)可以通过可以通过纯粹的规模化实现，由此在人工智能行业内引发了激烈的争论。虽然看起来有点学术性，但现实情况是，如果通用人工智能指日可待，我们的社会——包括我们的法律、法规和经济模型，都还没有准备好。事实上，多亏了同一个训练有素的模型，通才代理Gato能够玩Atari、为图片添加字幕、聊天或用真正的机械臂堆叠积木

4月25日消息，人类的大脑能够通过神经元和突触的连接网络处理信息，这种网络结构也能被纳米技术所模仿。纳米线网络（Nanowirenetwork）是一种纳米技术，通常由肉眼不可见的高导电银线制成，覆盖有塑料材料并形成网状结构。它们能够自我组装成一个具有记忆和处理能力的动态复杂网络，类似于人脑。现在，悉尼大学的国际研究团队证明了纳米线网络不仅与人脑相似，而且能够像人脑一样学习和记忆。IT之家注：大脑的神经网络（左），纳米线网络（右）研究团队使用了一种用于评估人类工作记忆的测试，叫做n-back测试。在这个测试

众所周知，谷歌就像人工智能领域的「黄埔军校」，自深度学习兴起后培养出了整整一代机器学习研究人员和工程师。很长一段时间里，谷歌就是领先AI技术的代名词。人们已经习惯跟随谷歌的脚步，使用其提出的新技术和工具作为研究基础，谷歌也走出过大批人才，成为了各家研究机构和公司的骨干。然而最近，在ChatGPT的冲击下，谷歌决定不这么干了。据华盛顿邮报报道，今年二月，长期担任谷歌人工智能主管的杰夫・迪恩（JeffDean）向其员工宣布了一项令人震惊的政策转变：谷歌以后将不得不推迟与外界分享自己的工作成果。多年来，Jeff