业界资讯

GPT代表生成式预训练变压器。它是一种神经网络机器学习模型，使用互联网上的数据进行训练以生成任何类型的文本。这种复杂的神经网络用于训练大型语言模型(LLM)以模拟人类交流。该模型按顺序跟踪单词，使其能够学习语言的上下文和含义。GPT模型专注于纯文本，允许它使用人工智能来分析用户的询问并有效地生成文本。它以其对话能力、上下文信息等席卷了人工智能世界。该模型可以处理文本摘要、代码生成等任务，并在几秒钟内提供有价值的见解。关于GPT-3的一些介绍GPT-3是一种自回归语言模型，通过预测下一个标记来进行训练。该模

数据科学和人工智能(AI)已成为变革性领域，彻底改变了全球各行各业。凭借从大量数据中提取有价值的见解并创建智能系统的能力，数据科学和人工智能正在重塑就业市场和高等教育机构安排职位的方式。本文探讨了数据科学和人工智能对就业的深远影响，强调了它们的作用、不断发展的就业市场，以及它们为有抱负的专业人士提供的充满希望的未来。了解数据科学和人工智能：数据科学包含一种多学科方法，可从大型非结构化数据中获得有意义的见解。通过采用科学方法、算法和数据挖掘、机器学习和数据可视化等各种技术，数据科学将原始数据转化为可操作的见

最近，深度生成模型在根据文本prompt生成高质量图像方面取得了显著成功，部分原因在于深度生成模型扩展到了大规模网络数据集（如LAION）。但是，一些重大挑战依然存在，因而大规模文本到图像模型无法生成与文本prompt完全对齐的图像。举例而言，当前的文本到图像模型往往无法生成可靠的视觉文本，并在组合式图像生成方面存在困难。回到语言建模领域，从人类反馈中学习已经成为一种用来「对齐模型行为与人类意图」的强大解决方案。这类方法通过人类对模型输出的反馈，首先学习一个旨在反映人类在任务中所关心内容的奖励函

我们知道，从谷歌T5模型到OpenAIGPT系列大模型，大语言模型（LLMs）已经展现出了令人印象深刻的泛化能力，比如上下文学习和思维链推理。同时为了使得LLMs遵循自然语言指令和完成真实世界任务，研究人员一直在探索LLMs的指令微调方法。实现方式有两种：一是使用人类标注的prompt和反馈在广泛任务上微调模型，二是使用通过手动或自动生成指令增强的公共基准和数据集来监督微调。​在这些方法中，Self-Instruct微调是一种简单有效的方法，它从SOTA指令微调的教师LLMs

提起「杀猪盘」，很多人都恨得牙痒痒。这是一种流行于网络上的电信诈骗方式。诈骗分子准备好人设、交友套路等「猪饲料」，将社交平台称为「猪圈」，在其中寻找被他们称为「猪」的诈骗对象，通过建立恋爱关系，即「养猪」。最后骗取钱财，即「杀猪」。由于诈骗分子身处海外，这种诈骗案件通常很难破获，受害人的几十万甚至上百万钱财就这么打了水漂，心理也遭受重创。B站up主@图灵的猫表示，最近他也有几位朋友遭遇了杀猪盘。于是，他决定「用魔法打败魔法」：利用一个用B站评论训练出的AI和骗子聊天，看看AI如何与骗

一位程序员老哥Caleb最近喜得一子，不过烦恼也随之而来。刚出生的Baby每隔几个小时就要喂一次，夜里饿了就会放声大哭，这时全家都被吵醒，被折腾一晚上睡不好觉。他咨询了周围有经验的人，得到的建议都是：忍着，熬过最初几个月就好了。但Caleb作为程序员可不甘心，开始运用他的工程师思维解决问题。最终，通过摄像头+AI算法的组合，他搞出一套婴儿饥饿自动检测系统，能在宝宝真正开始哭之前就及时发现。Caleb让程序一旦判定宝宝的饥饿可能性达到100%，就给他的手机发送通知。这样他就可以自己悄悄起床去喂奶，用技术力守

​译者|李睿审校|孙淑娟近年来，深度学习在人工智能的一些最具挑战性的领域取得了长足的进步，其中包括计算机视觉、语音识别和自然语言处理。然而，深度学习系统仍然没有解决一些问题。因为深度学习系统不擅长处理新情况，它们需要大量数据进行训练，有时还会犯一些奇怪的错误，甚至连它们的创造者都会感到困惑。一些科学家认为，这些问题要以通过创建越来越大的神经网络并在越来越大的数据集上进行训练来解决。也有人认为，人工智能领域需要的是人类的一些“常识”。计算机科学家RonaldJ.Brachman和Hecto

世界充满了数据——由人和计算机生成的图像、视频、电子表格、音频和文本充斥着互联网，将我们淹没在信息的海洋中。传统上，人类分析数据以做出更明智的决策，并设法调整系统以控制数据模式的变化。然而，随着传入信息量的增加，我们理解它的能力下降，给我们带来了以下挑战：我们如何使用所有这些数据以自动而非手动的方式推导意义？这正是机器学习发挥作用的地方。本文将介绍：什么是机器学习机器学习算法的关键要素机器学习是如何工作的6个真实世界的机器学习应用机器学习的挑战和局限性机器学习为我们提供了分析和处理数据以做出准确预测的工具

人工智能算法通过对交通出行所产生的信息进行分析和预测，协助城市交通管理者更好的决策；未来，智能化交通解决方法，人参与的部分将会越来越少，甚至达到自动化运行的水平。那么，人工智能在智慧城市有哪些应用路径呢？1.算力电力重构网随着5G建设的深化发展，智慧城市云网融合出现新趋势，一是超算联网，实现算力和算法及工具的跨地域、跨城市群的共享，二是边缘数据中心联网，实现闲置算力资源的全网统一调度和再利用，三是算力共享共筑安全新体系。算力和电力重构网络的关键之一是解决了5G基站耗电的问题，为杆塔共享建设提供新机遇。算力

能够准确识别动物的技术可以帮助主人与走失的动物团聚，帮助农民监控牲畜，帮助研究人员研究野生动物。以往在这方面，微芯片是最受欢迎的动物识别方法。然而，植入芯片需要进行侵入性手术。如果没有专门的设备，它们就无法读取，而且小偷可以提取微芯片。另一种方法是DNA分析，它是精确的，但也非常昂贵和耗时。由计算机视觉解决方案支持的动物面部识别（有时不仅仅限于面部）可以作为上述方法的一个可行的替代方案。尽管它有其缺点，但该技术可以在特定情况下显示出高水平的准确性。那么，动物面部识别是如何操作的呢?阻碍这项技术进步的挑战会

未来25年应该是利用现有可控可编程的所谓"人工智能"帮助人类全力研究生物领域的科技。突破基因工程奥秘和意识的保留与转移。强化还是有机生物体的人类自己，将来好和人工智能并存。利用人工智能在各行各业商业化应用，这很好。但是这种思维的观点是人工智能是人工的，是人类的创造物，是一种工具，应该被人所利用。但这并不智能。就像一把钳子，它是人工的产物，是一个工具。一段程式代码，是人工的，可预知用途的，是一个工具。但是智能是赋予一部机器逻辑思维的能力，让它拥有智慧可以思考。那么一把会思考的钳子为什么不会向往大海，为什么不

自从去年底推出以来，对话式AI模型ChatGPT火遍了整个社区。ChatGPT的确是一个了不起的工具，就像一个「潘多拉魔盒」。一旦找到正确的打开方式，你或许会发现，自己再也离不开它了。作为一个全能选手，人们给ChatGPT提出的要求五花八门，有人用它写论文，有人让它陪聊，这些都是常见的玩法。脑洞再打开一点，既然ChatGPT是AI中的「王者」，那它会不会写一个AI？近日，一位机器学习领域的博主突发奇想，他决定让ChatGPT构建一个神经网络，使用Keras解决MNIST

大模型的卷，已经不睡觉都赶不上进度了......这不，微软亚研院刚刚发布了一个多模态大型语言模型（MLLM）——KOSMOS-1。论文地址：https://arxiv.org/pdf/2302.14045.pdf论文题目LanguageIsNotAllYouNeed，还得源于一句名言。文中有这么一句话，「我语言的局限，就是我世界的局限。——奥地利哲学家LudwigWittgenstein」那么问题来了......拿着图问KOSMOS-1「是鸭还是兔」能搞明白吗？这张有100多年历史的梗图硬是

这是一副刚刚获得获得了美国科罗拉多州博览会举办的艺术比赛一等奖的作品《太空歌剧院》。而该画的创作者杰森艾伦自曝该作品是其用AI绘画App“Midjourney”创作产生的。《太空歌剧院》的出现，让人们再次将目光放在AI与艺术的融合上。伴随着技术和软件能力的提升，“人人都可以画画”的时代已经到来了。百度文心一格相关负责人表示，计算机与艺术创作的融合，具有很大的想象空间，AI将对艺术创新起到正向促进作用。每个普通人都可以通过文字来描述自己的想法，然后通过机器来实现创作，人工智能在艺术领域的学习与创作能力正以

从开车到使用智能手机，甚至在带有数字计时器的咖啡机上煮一杯咖啡或在线登录你的银行账户，今天我们在无数不同的地方都会遇到算法。由于算法无处不在的特性，它已经吸引了工业界、学术界、研发部门以及几乎你能想到的任何部门的想象力。或许最可能受益于尖端算法的技术是人工智能，而这种算法又会对当今大多数其他行业产生连锁反应。强大算法开发的一个关键组成部分是数学——图是Shor的算法或Schrödinger的方程的基石。布尔代数奠定了今天“信息时代”的基础。同样，早在1842年，AdaLovelace的算法就被广泛认为

据报道，通用汽车正在使用了OpenAI公司开发的时下非常流行的ChatGPT，开发一款新的车载助理。这一新的辅助技术能够取代汽车使用手册，与调度程序集成，甚至能够理解或预测是否需要打开车库门或关闭警报。自2022年11月推出以来，ChatGPT已经成为有史以来用户增长最快的消费产品之一，仅在今年1月注册的用户就多达1亿。全球行业巨头也开始转向并重新专注于将生成式人工智能集成到他们的产品中，包括微软最近发布的BingChat，Salesforce以EinsteinGPT的形式将OpenAI技术集成到其客户

5月16日，小冰公司宣布启动“GPT克隆人计划”，最短只要采集三分钟数据，即可为明星红人、专家学者或普通人创造源于本人性格、技能、声音、外貌的AI克隆人。同时将提供平台，便于本人把认证的克隆人，有偿或无偿提供给自己的受众。克隆人基于小冰框架大模型、神经网络渲染及超级自然语音技术，可进行实时情感交互、提供AIGC能力，甚至有自己的朋友圈，如同人类在平行世界的第二人生。计划现已在中国和日本启动报名，首批克隆人在一个月内正式上线。出于个人隐私数据安全及伦理考虑，首批限制300个名额，需要本人提供权属证明。小冰公

随着科技的发展以及人们生活水平的不断提高，无人驾驶技术逐渐走进人们的生活，传统汽车行业也受到了一定的冲击，以特斯拉、比亚迪为例的众多车企以及以百度为例的互联网企业也相继开启了或准备开启无人驾驶技术的研发。但由于技术尚未成熟，事故的频发以及对庞大数据的采集工作造成的私人隐私泄露等问题一直困扰着研发人员以及目前人数尚未庞大的用户。无人驾驶系统的感知、识别和决策系统还存在一定的瓶颈，整体的稳定性和可靠性还需要提升。无人驾驶只有在进入大规模使用阶段，并且在安全系数达到一定的程度，才能去验证无人驾驶是否能够达到真正

2022年世界杯将于11月20日至12月18日，在卡塔尔世界杯的8座球场举办。然而据外媒估计，这项世界足坛最高水平的对决，却预计为这个中东小国带来120万游客。要知道，根据最新一期的数据统计：卡塔尔一共也才只有264万人啊…年中的欧冠决赛，大批球迷在场馆外「进退两难」的混乱场面仍历历在目；韩国的梨泰院踩踏事故更是惨绝人寰，这还没考虑足球流氓和恐怖主义的影响。在未来的一个月中，这120万游客的安全，究竟该怎么保证？千万别担心！据半岛电视台报道，卡塔尔已经在首都多哈建立了一个技术中心，以监控体育场内的球迷以及

持续学习是指在不忘记从前面的任务中获得的知识的情况下，按顺序学习大量任务的模型。这是一个重要的概念，因为在监督学习的前提下，机器学习模型被训练为针对给定数据集或数据分布的最佳函数。而在现实环境中，数据很少是静态的，可能会发生变化。当面对不可见的数据时，典型的ML模型可能会性能下降。这种现象被称为灾难性遗忘。解决这类问题的常用方法是在包含新旧数据的新的更大数据集上对整个模型进行再训练。但是这种做法往往代价高昂。所以有一个ML研究领域正在研究这个问题，基于该领域的研究，本文将讨论6种方法，使模型可以在保持旧的

我们都知道，人类的大脑90%都是自监督学习的，生物会不断对下一步发生的事情做出预测。自监督学习，就是不需要外部干预也能做出决策。只有少数情况我们会接受外部反馈，比如老师说：「你搞错了」。而现在有学者发现，大型语言模型的自监督学习机制，像极了我们的大脑。知名科普媒体QuantaMagazine近日报道，越来越多的研究发现，自监督学习模型，尤其是大型语言模型的自学方式，与我们的大脑的学习模式非常类似。过去常见的AI系统都是使用大量标记数据进行训练的。例如，图像可能被标记为「虎斑猫」或「虎猫」，

人工智能领域的下一个发展机会，有可能是给AI模型装上一个「身体」，与真实世界进行互动来学习。相比现有的自然语言处理、计算机视觉等在特定环境下执行的任务来说，开放领域的机器人技术显然更难。比如prompt-based学习可以让单个语言模型执行任意的自然语言处理任务，比如写代码、做文摘、问答，只需要修改prompt即可。但机器人技术中的任务规范种类更多，比如模仿单样本演示、遵照语言指示或者实现某一视觉目标，这些通常都被视为不同的任务，由专门训练后的模型来处理。最近来自英伟达、斯坦福大学、玛卡莱斯特学院、加州理

在去年10月的GoogleCloudNext2022活动中，OpenXLA项目正式浮出水面，谷歌与包括阿里巴巴、AMD、Arm、亚马逊、英特尔、英伟达等科技公司推动的开源AI框架合作，致力于汇集不同机器学习框架，让机器学习开发人员获得能主动选择框架、硬件的能力。本周三，谷歌宣布OpenXLA项目正式开源。项目链接：https://github.com/openxla/xla通过创建与多种不同机器学习框架、硬件平台共同工作的统一机器学习编译器，OpenXLA可以加速机器学习应用的交