业界资讯

对于二元分类，分类器输出一个实值分数，然后通过对该值进行阈值的区分产生二元的相应。例如，逻辑回归输出一个概率(一个介于0.0和1.0之间的值);得分等于或高于0.5的观察结果产生正输出(许多其他模型默认使用0.5阈值)。但是使用默认的0.5阈值是不理想的。在本文中，我将展示如何从二元分类器中选择最佳阈值。本文将使用Ploomber并行执行我们的实验，并使用sklearn-evaluation生成图。这里以训练逻辑回归为例。假设我们正在开发一个内容审核系统，模型标记包含有害内容的帖子(图片、视频等);然后，

计算机被用来验证数学证明已经有一段时间了，但它们只有在使用专门设计的证明语言准备问题时才能做到这一点，而无法处理数学符号和数学家使用的书面文本的混合体。如果把用自然语言编写的数学问题转换为正式代码，让计算机更容易解决它们，或许能够帮助构建能探索数学新发现的机器。这个过程被称为形式化（formalisation），但仅仅一个证明就可能需要数年的工作，因此只有一小部分数学知识被形式化，然后由机器证明。自动形式化（Autoformalization）指的是自动从自然语言数学翻译成正式语言的任务。一个成功的自动形

本文将分享训练ChatGPT（最新GPT-4模型版本）并生成报告的全过程，并就ChatGPT使用过程中存在哪些常见的问题，如何使用ChatGPT来最大化提升学习、工作效率等问题进行探讨。以下是AI安全报告生成全过程。基础架构选题优质的选题能够帮助学术研究者快速确定报告的切入点，引导读者捕捉报告的主旨，使整个报告呈现更清晰的架构和逻辑。通过向ChatGPT介绍报告的背景或者提供关键词、概述，ChatGPT能够在几秒内生成选题，供研究者参考。我们在提问时，可要求ChatGPT同时生成多个选题，这在帮助学术研究

arXiv论文“Ithaca365:DatasetandDrivingPerceptionunderRepeatedandChallengingWeatherConditions“，22年8月1日上传，Cornell和OhioState两个大学的工作。近年来，由于采用大规模数据集，自动驾驶汽车的感知能力有所提高，这些数据集通常在特定位置和良好的天气条件下收集。然而，为了达到高安全要求，这些感知系统必须在各种天气条件下鲁棒运行，包括雪和雨的情况。本文提出了一个实现鲁棒自主驾驶的数据集，

GPT-4的识图能力什么时候能上线呢？这个问题目前依然没有答案。但研究社区已经等不及了，纷纷自己上手DIY，其中最火的是一个名为MiniGPT-4的项目。MiniGPT-4展示了许多类似于GPT-4的能力，例如生成详细的图像描述并从手写草稿创建网站。此外，作者还观察到MiniGPT-4的其他新兴能力，包括根据给定的图像创作故事和诗歌，提供解决图像中显示的问题的解决方案，根据食品照片教用户如何烹饪等。该项目上线3天就拿到了近一万的Star量。今天要介绍的项目——LLaVA（LargeLanguageandV

虽然ImageNet早已完成历史使命，但其在计算机视觉领域仍然是一个关键的数据集。2016年，在ImageNet上训练后的分类模型，sota准确率仍然还不到80%；时至今日，仅靠大规模预训练模型的zero-shot泛化就能达到80.1%的准确率。最近LAION使用开源代码OpenCLIP框架训练了一个全新的ViT-G/14CLIP模型，在ImageNet数据集上，原版OpenAICLIP的准确率只有75.4%，而OpenCLIP实现了80.1%的zero-shot准确率，在MSCOCO上

随着深度学习模型的应用和推广，人们逐渐发现模型常常会利用数据中存在的虚假关联（SpuriousCorrelation）来获得较高的训练表现。但由于这类关联在测试数据上往往并不成立，因此这类模型的测试表现往往不尽如人意[1]。其本质是由于传统的机器学习目标（EmpiricalRiskMinimization，ERM）假设了训练测试集的独立同分布特性，而在现实中该独立同分布假设成立的场景往往有限。在很多现实场景中，训练数据的分布与测试数据分布通常表现出不一致性，即分布偏移（DistributionS

从骑马的宇航员到三次元小姐姐，在不到一年的时间里，AI绘画似乎已经取得了革命性的进展。这个「骑马的宇航员」由OpenAI2022年4月推出的文生图模型DALL・E2绘制。它的前辈——DALL・E在2021年向人们展示了直接用文本生成图像的能力，打破了自然语言与视觉的次元壁。在此基础上，DALL・2更进一步，允许人们对原始图像进行编辑，比如在画面中添加一只柯基。这一个看似简单的操作其实体现了AI绘画模型可控性的提升。不过，就影响力而言，2022年最火的文生图模型并不是DA

作者|云昭谷歌掌舵人SundarPichai似乎没有度过一个快乐的假期。近日，根据《纽约时报》看到的一份内部备忘录，Sundar把ChatGPT被调整成了最高级别的“红色警报”，并“调整了公司内部众多组织的工作，以应对ChatGPT的威胁”，同时从其他部门抽调员工来应对OpenAI计划面临的威胁。此外，谷歌将于5月发布一系列人工智能公告，以应对这家搜索巨头商业模式面临的日益严重的危险。但这些只是功能性产品的查漏补缺，远远不够。谷歌到底在担心什么？仅仅是ChatGPT？一、谷歌怕了1.用户注意力转移，

译者|朱先忠审校|孙淑娟在经典的机器学习中，随机森林（RandomForests）算法可谓是一种“银弹”类型的算法模型。该模型之所以很棒，有如下几个原因：与其他许多算法相比，需要更少的数据预处理，这使得该算法设置起来更容易可以充当分类或回归模型不易过度拟合能够轻松计算出特征的重要程度在这篇文章中，我想更好地分析一下组成随机森林算法的各个组成部分。为了实现这一点，我将把随机森林算法分解为最基本的组成部分，并解释每一组成部分计算任务的情况。到文章最后，我们就能够对随机森林算法如何工作以及如何以更直观

商业智能正在改变各行各业的全球企业的传统工作负载。商业智能实践使企业更加现代化，同时有效地采用数字化或数字化转型。根据业务目标和目的，有多种商业智能实施实践与人工智能的集成。在业务中利用人工智能将有助于提高客户参与度，并渴望获得足够的利润。商业智能实施实践有助于在全球科技市场中获得数百万公司的竞争优势。人工智能和商业智能的结合支持通过自动化做出更好、更明智的决策。BI实践已成为帮助决策过程在2022年及以后满足客户满意度的关键要素之一。人们需要了解在商业中实施人工智能以消除潜在的巨大损失时要避免的十大最

01相机特性-曝光和读出相机获取一帧图像分为曝光和读出两个阶段。相机使用的传感器不同，相机的曝光时间和读出时间的重叠关系也有所不同，分为交叠曝光和非交叠曝光两种。叠曝光和非交叠曝光相比，交叠曝光可以减少曝光时间对出图时间的影响。非交叠曝光是指当前帧的曝光和读出都完成后，再进行下一帧的曝光和读出。非交叠曝光帧周期大于曝光时间与帧读出时间的和。内触发模式非交叠曝光交叠曝光是指当前帧的曝光和前一帧的读出过程有重叠，即前一帧读出的同时，下一帧已经开始曝光。交叠曝光帧周期小于等于曝光时间与帧读出时间的和。内触发模式

机器学习算法需要用户定义的输入来实现准确性和通用性之间的平衡。这个过程称为超参数调整。有多种工具和方法可用于调整超参数。我们整理了一份用于调整机器学习模型超参数的前八种方法的列表。1.贝叶斯优化贝叶斯优化已成为机器学习算法超参数调整的有效工具，更具体地说，适用于深度神经网络等复杂模型。它提供了一个有效的框架来优化昂贵的黑盒功能，而无需知道它的形式。它已应用于多个领域，包括学习最优机器人力学、序列实验设计和合成基因设计。2.遗传算法遗传算法(EA)是一种优化算法，它通过根据称为算子的某些规则修改一组候选

Part01●什么是图嵌入●图嵌入是将图结构数据映射为低维稠密向量的过程，同时使得原图中拓扑结构相似或属性接近的节点在向量空间上的位置也接近，能够很好地解决图结构数据难以高效输入机器学习算法的问题。对于图的表示和存储，最容易想到的是使用邻接矩阵的方式。对图中的每个节点进行编号，构造出一个的矩阵，其中表示图中节点的数量。图中任意两个节点是否有边相连决定了邻接矩阵中对应位置的值，这种表示方法非常容易理解且直观，但是非常低效。因为现实场景中的图可能会包含成千上万甚至更多的节点，而大多数节点之间是没有边

托ChatGPT的福，梦想中让Excel自己统计数据，现在成真了。△图源：抖音@秦远国际物流只需输入要求、数据，ChatGPT就能从头做个表。想要增加行列、进行表内计算，通通不是问题，生成表格还能一键复制粘贴到Excel。再懒人一点，用语音转文字，提需求真就只是张张嘴了。△图源：抖音@诚贤不会自己写公式，也能向它求教，甚至还附赠操作提示：这一通行云流水的Excel操作，又双叒把人们看傻了。社交平台上“ChatGPT做表格”的帖子都热度都在一路飙升ing。网友们再次发出“哀嚎”：头顶的失业之剑更加锋利了

人类大脑真的仅能开发10%吗？电影「超体」中，女主Lucy误打误撞开发了100%的大脑潜能。伴随着身体的飞快进化，她掌握了越来越多的超能力：瞬间掌握外语，利用脑电波隔空移物，任意改变物体形态...若想让大脑神经元能够不断开发的一种可能便是我们的大脑细胞拥有再生能力。目前，全球唯一能再生大脑的生物便是——又呆又萌的「神兽」蝾螈。可是，人类能否实现大脑再生呢？近日，华大生命科学研究院带领的团队完成了首个蝾螈脑再生时空图谱，揭示了脑损伤如何自我愈合。这是全球首个脑再生时空图谱，研究成果已于9月2日登上Scien

人工智能一词的第一种使用是更准确地应称为“狭义人工智能”的东西。它是强大的技术，但也是相当简单和直接的：你拿一堆关于过去的数据，用计算机来分析它并找到模式，然后用这种分析来对未来进行预测。这种类型的人工智能每天多次触及我们所有的生活，因为它从我们的电子邮件中过滤出垃圾邮件，并为我们提供交通路线。但是，由于它是用过去的数据训练出来的，它只在未来与过去相似的情况下工作。这就是为什么它能识别猫和下象棋，因为它们并不会每天在元素层面上发生变化。人工智能一词的另一种用法是描述我们称之为通用人工智能（General

多年来，计算机硬件一直是一个不太活跃的市场。占主导地位的x86微处理器架构已经达到了通过小型化可以实现的性能增益的极限，因此制造商主要关注将更多的内核封装到芯片中。对于快速发展的机器学习和深度学习来说，GPU就是救星。GPU最初是为图形处理设计的，它可以有数千个小内核，非常适合AI训练所需的并行处理能力。人工智能的本质是得益于并行处理，大约10年前，人们发现，设计用于在屏幕上显示像素的GPU很适合这一点，因为它们是并行处理引擎，可以在其中放入很多核心。这对英伟达公司来说是个好消息，该企业的市值从2015年

每天，我们组织中的所有人员都要做出决定，可能有数百个决定——这些决定要么增加，要么降低了可持续性。我们应该选择哪个供应商？我们的产品是采用绿色玻璃还是透明玻璃？我们应该在伦敦还是纽约举行会议？正如人工智能改进了组织为优化财务绩效、改进流程、满足客户需求等所做的决策一样，它对于帮助他们实现气候目标至关重要。事实上，因为它可以收集、完成和解释关于排放和气候影响的大型复杂数据集，所以人工智能对于帮助管理所有与气候相关的问题至关重要。BCG（波士顿咨询集团）最近对全球1000名人工智能和气候领域的领导者进行了调查

译者|李睿审校|孙淑娟在具有感知功能的聊天机器人成为热门话题之前，大型语言模型(LLM)就已经引起了人们更多的兴奋和担忧。近年来，经过大量文本训练的深度学习模型——大型语言模型(LLM)在几个用于衡量语言理解能力的基准方面表现出色。诸如GPT-3和LaMDA之类的大型语言模型设法在较长的文本中保持连贯性。它们似乎对不同的主题很了解，并在冗长的对话中保持一致。大型语言模型(LLM)已经变得如此令人信服，以至于有些人将它们与人格和更高形式的智力联系在一起。但是大型语言模型(LLM)能像人类一样进行逻

通过对原始数据进行手工的特征工程，我们可以将模型的准确性和性能提升到新的水平，为更精确的预测和更明智的业务决策铺平道路，可以以前所未有的方式优化模型并提升业务能力。原始数据就像一个没有图片的拼图游戏——但通过特征工程，我们可以将这些碎片拼在一起，虽然拥有大量数据确实是寻求建立机器学习模型的金融机构的宝库，但同样重要的是要承认并非所有数据都提供信息。并且手工特征是人工设计出来，每一步操作能够说出理由，也带来了可解释性。特征工程不仅仅是选择最好的特征。它还涉及减少数据中的噪音和冗余，以提高模型的泛化能力。这

​大数据文摘出品几个月前，当小米宣布推出“铁大”CyberOne人形机器人时，人们并不完全清楚小米究竟打算让这款机器人做些什么。大家的猜测是，小米现在不会说“铁大”将有某种实际用途，而是将其作为一种探索可能性的方式，探索可以迁移到其它地方的实际应用技术。令人惊喜的是，小米的机器人专家已经开始教会机器人做一些即使不是十分有用，至少也很吸引眼球的事情——比如打架子鼓。从走路都会摔倒到自己学会打架子鼓演奏的谱子其实是给“铁大”输入是一个MIDI文件，铁大能够将其解析为可以打出来的节拍。然后，它会产生一连串与音乐

玩电子游戏需要多少个脑细胞？听到这句话，你的第一反应肯定是：这是个脑筋急转弯。不，这个问题有一个真正的答案。这都要归功于一个名为DishBrain的神经网络系统。如果玩的是乒乓球，那么需要脑细胞的数量大约是80万个。这不，80万个人脑细胞竟用了5分钟学会了「打乒乓球」。近日，来自澳大利亚研究团队将80万个人类和小鼠活脑细胞放入培养皿中，将其连接电极后，去玩经典的街机游戏Pong。科学家们将其称为第一个有感知的「盘中大脑」（DishBrain）。这项研究的目的就是为了创建出合成生物智能（SBI），为未来神