业界资讯

​科技领域一直存在着一种「教派之争」。无论是关于不同操作系统、云服务提供商还是深度学习框架的利弊之争，只要喝上几杯啤酒，事实就会被抛到一边，人们就开始就像争夺圣杯一样，为他们支持的技术而战。关于IDE的讨论似乎没有尽头，有些人喜欢VisualStudio，有些人喜欢IntelliJ，还有一些人更偏爱普通的旧编辑器，如Vim。总有人说，爱用的文本编辑器往往会反映出用户的性格，这听起来似乎有点荒唐。在AI技术兴起后，深度学习框架PyTorch和TensorFlow两大阵营似乎也爆发了类似

了解为什么FRT成为热门话题，以及企业如此迅速地适应它的原因。此外，了解FRT的工作原理以及将其集成到您的应用程序中的各种方法。FacialRecognitionTechnology（人脸识别技术）是一种用于识别人脸的技术，并将其与预先存储的人脸图像进行比对和匹配。人脸识别技术主要使用计算机视觉和模式识别技术来识别人脸，其主要目的是确保安全和方便认证身份。人脸识别技术通常包括以下步骤：采集图像、检测人脸、提取人脸特征、比对、识别和认证。在采集图像时，可以使用摄像头、扫描器等设备，并将其传输到计

数据科学和机器学习的概述数据科学是通过对数据进行各种形式的分析来获取洞见的学科。它涉及从多个来源收集数据，清洗数据，分析数据，并将数据可视化以便得出有用的结论。数据科学的目的是将数据转化为有用的信息，以便更好地了解趋势，预测未来，并做出更好的决策。机器学习是数据科学的一个分支，它利用算法和统计模型自动从数据中学习规律，并做出预测。机器学习的目标是构建能够根据以前未见过的数据做出准确预测的模型。在机器学习中，通过将数据划分为训练集和测试集，使用训练集数据训练模型，然后使用测试集数据评估模型的准确性。常用数据

本文转自雷锋网，如需转载请至雷锋网官网申请授权。对一些人来说，量子计算（Quantumcomputer）可能听上去像是科幻小说，是几十年后的情景。实际上，全球已经有不少人已经投入这项前沿计算的研究中，有超过2100篇量子计算的研究论文发布，有超过250家量子计算初创公司，有22个国家级量子计算相关的政策。量子计算是一种遵循量子力学规律调控量子信息单元进行计算的新型计算模式，通常与经典计算相比较。从原理看，量子计算可以拥有比经典计算更快的计算速度，这种差距有可能高达百万亿倍。量子计算有望攻破当今面临的诸多

IT自动化已经成为一个基础广泛的技术类别，涵盖了从基础设施到应用程序开发、安全性和非IT功能的各个方面。例如，机器人流程自动化(RPA)机器人处理财务部门的发票或挑选人力资源部门的简历。换句话说：自动化无处不在。根据RedHat公司日前发布的一份2022年全球技术展望报告，IT自动化的预算作为首席信息官的优先事项而持续增长。虽然IT自动化与安全、云计算管理和云计算基础设施都被列为重要支出项目，但实际上，自动化在这些领域中的每一个领域都扮演着越来越重要的角色。该报告进一步指出，例如，安全自动化和云计算服务

个性化技术如何重塑智慧城市的未来近年来，随着技术进步，城市变得比以往任何时候都更高效、更互联，智慧城市的发展越来越受到关注。智慧城市是指利用技术来提高公民生活质量的城市，使之能够更好地获得服务、提高安全性、提高可持续性。智慧城市最重要的方面之一是个性化技术，其使城市能够定制其产品，以满足公民的特定需求。这项技术可用于根据个人的偏好和需求定制服务和信息。例如，城市可以使用个性化技术来定制公共交通路线，以匹配公民最受欢迎的目的地，或者根据个人的病史提供量身定制的医疗服务。个性化技术还可用来为公民提供更高效的服

希腊哲学家赫拉克利特说：“变化是生活中唯一不变的。”众所周知，人工智能正在彻底改变我们所知道的世界。但这对我们的日常生活意味着什么？在本文中，我们将探讨人工智能将如何影响从我们学习、出行和使用银行服务的方式到我们社交的方式的一切。人工智能(AI)是一个术语，指计算机或机器学习和执行通常需要人类智能的任务的能力，例如理解自然语言和识别物体。虽然人工智能以一种或另一种形式存在了几个世纪，但直到最近，人工智能技术才发展到成为我们日常生活一部分的地步。人工智能有很多应用，从Siri和Alexa等个人

量子纠缠（quantumentanglement）是指粒子之间发生的一种特殊耦合现象。在纠缠态下，我们无法单独描述各个粒子的性质，只能描述整体系统的性质的现象，这种影响不随距离的改变而消失，哪怕粒子之间相隔整个宇宙也不会变。一项新的研究表明，使用量子纠缠机制，传感器可以在检测运动时更加准确且更快。科学家们认为，这些发现可能有助于发展不依赖GPS的导航系统。在美国亚利桑那大学等机构在《NaturePhotonics》提交的一项新研究中，研究人员对光机械传感器（optomechanicalsensor）进行了

​AI面部识别领域又开辟新业务了？这次，是鉴别二战时期老照片里的人脸图像。近日，来自谷歌的一名软件工程师DanielPatt研发了一项名为N2N（NumberstoNames）的AI人脸识别技术，它可识别二战前欧洲和大屠杀时期的照片，并将他们与现代的人们联系起来。用AI寻找失散多年的亲人2016年，帕特在参观华沙波兰裔犹太人纪念馆时，萌生了一个想法。这一张张陌生的脸庞，会不会与自己存在血缘的联系?他的祖父母/外祖父母中有三位是来自波兰的大屠杀幸存者，他想帮助祖母找到被纳粹杀害的家人的照片。二战时

零样本学习（Zero-ShotLearning）聚焦于对训练过程中没有出现过的类别进行分类，基于语义描述的零样本学习通过预先定义的每个类别的高阶语义信息来实现从可见类（seenclass）到未见类（unseenclass）的知识迁移。传统零样本学习在测试阶段仅需要对未见类进行识别，而广义零样本学习（GZSL）需要同时识别可见类和未见类，其评测指标是可见类类平均准确率与未见类类平均准确率的调和平均。一种通用的零样本学习策略是使用可见类样本和语义训练从语义空间到视觉样本空间的条件生成模型，再借助未见类语

前几天写了一篇《​​如何更优雅地设计聊天机器人​​》，有一些小伙伴留言问我：stone，有没有一些关于聊天机器人架构说明的文章吗？有需求就有动力，今天我们就来聊聊聊天机器人的架构。在现今越来越多企业客服系统(当然还有其他业务系统)从传统的语音通话转向文字、图形与智能语音。通过聊天机器人进行交流越来越受欢迎，主要有两个原因：简单和实时。在下面，我们一起聊聊聊天机器人的工作原理，如何定制机器人以及了解聊天机器人架构结构所需的一切。但在开始之前，我们先了解一下基础知识。什么是聊天机器人？聊天机器人是一种模拟人与

3月7日消息，微软在推动必应聊天（BingChat）之外，还在推进其它生成式AI项目。微软今天在官方博文中发布了MicrosoftDynamics365Copilot，可执行某些枯燥但必要的任务，从而减轻员工的负担。微软表示企业可以通过Dynamics365Copilot，借助人工智能给客户写电子邮件，为MicrosoftTeams创建会议摘要等等。微软在博文中表示，66%的销售人员花时间撰写和阅读电子邮件，因此在这方面的协助应该可以腾出时间让员工去做其他重要任务。Dyn

连续分级概率评分（ContinuousRankedProbabilityScore,CRPS）或“连续概率排位分数”是一个函数或统计量，可以将分布预测与真实值进行比较。机器学习工作流程的一个重要部分是模型评估。这个过程本身可以被认为是常识：将数据分成训练集和测试集，在训练集上训练模型，并使用评分函数评估其在测试集上的性能。评分函数（或度量）是将真实值及其预测映射到一个单一且可比较的值[1]。例如，对于连续预测可以使用RMSE、MAE、MAPE或R平方等评分函数。如果预测不是逐点估计，而是

随着互联网时代的出现，人们需要与外部世界建立更紧密的联系，而后Wi-Fi开始流行。如今，公司需要提供更为强大的无线局域网，并帮助远程员工建立良好的网络连接，故此，边缘网络就在我们身边。以下是网络管理的一些主要趋势：边缘网络激增边缘网络是目前最热门的网络领域之一。关于边缘互联网经济的一项研究表明，到2030年，边缘经济规模将达到4.1万亿美元。这对网络管理有着巨大的影响。IT不仅要管理局域网、Wi-Fi、通过vpn的远程连接和其他传统职责，还必须能够监控、维护和管理预期的许多边缘设备和小型数据中心出现。例如

自成立以来，机器人行业的收入大幅增长。预计到2023年，全球机器人市场的年复合增长率将达到24.52%。意识到机器人不可思议的能力，世界各地的组织都投入了大量的资本来享受这一人工智能应用的好处。抓住机会提高企业的生产力，自动化业务服务，并在众多竞争者中保持独特性，企业正在寻找可以用机器人取代人工任务的潜在领域。机器人已经成为推动市场收入显著增长的关键因素之一。技术市场上已经有很多机器人应用帮助各种企业，促进经济增长推动竞争优势。但是，在许多应用中，一些独特的应用比其他应用更能吸引人的眼球。让我们来看看这些

视觉基础模型近两年取得了瞩目发展。从一方面而言，基于大规模互联网数据的预训练已经给模型预置了大量的语义概念，从而具有良好的泛化性能；但另一方面，为充分利用大规模数据集带来的模型尺寸增长，使得相关模型在迁移到下游任务时面临着低效率问题，尤其是对于需要处理多帧的视频理解模型。论文链接：https://arxiv.org/abs/2208.03550代码链接：https://github.com/OpenGVLab/efficient-video-recognition基于上述两方面特点，来自香港中文大学、上海

建筑的价值在很大程度上受到建筑物能源效率的影响。在物联网的帮助下，能源优化正在成为减少能源使用的最有效方法之一，从而增加财产价值并减少二氧化碳排放。世界变得越来越聪明——汽车自动驾驶、无人机培育苹果树，身体传感器监测人体健康状况，以及许多其他智能物联网应用。然而，一个对智能解决方案适应速度相当缓慢的行业领域是建筑领域，尽管建筑的能源效率是一个热门话题——有充分的理由:总的来说，欧盟的建筑占能源消耗的40%和温室气体排放的36%，这根本是不可持续的如今，欧洲75%的建筑都不是节能建筑，据预测，到2050年，

不同于蛋白质领域，RNA领域的研究往往缺少充足的标注数据，比如3D数据只有1000多个RNA。这极大限制了机器学习方法在RNA结构功能预测任务中的开发。为了弥补标注数据的不足，本文展示了一项可为RNA各类研究提供丰富结构功能知识的基石模型——RNAfoundationmodel(RNA-FM)。作为全球首个基于23million的无标签RNA序列通过无监督方式训练得到的RNA基石模型，RNA-FM挖掘出了RNA序列中蕴含的进化和结构模式。值得注意的是，RNA

数十年来，数字取证工作在司法侦查的不同分支中不断发展，已成为全球执法活动中非常重要的组成部分。与此同时，由于互联网和全球化的发展，犯罪形式多样化，执法人员也需要通过自动化的数字取证工具，才能获取关键的数字证据，将不法分子送入监狱。日前，Magnetforensics研究团队最新发布了《企业数字取证和事件调查（DFIR）应用现状》研究报告。报告研究认为，数字取证市场目前发生了很大变化，可以用两个词来概括：速度和准确率。如何尽快将违法证据提交给调查人员是将网络犯罪分子绳之以法的关键。然而，这并不容易实现，一

ChatGPT是OpenAI发布的最新语言模型，比其前身GPT-3有显著提升。与许多大型语言模型类似，ChatGPT能以不同样式、不同目的生成文本，并且在准确度、叙述细节和上下文连贯性上具有更优的表现。它代表了OpenAI最新一代的大型语言模型，并且在设计上非常注重交互性。OpenAI使用监督学习和强化学习的组合来调优ChatGPT，其中的强化学习组件使ChatGPT独一无二。OpenAI使用了「人类反馈强化学习」（RLHF）的训练方法，该方法在训练中使用人类反馈，以最小化无益、

一觉醒来，美国贸易大棒又朝着36家中国科技公司和科研机构砸了下来，商务部工业和安全局将出口管制的「实体清单」再次扩大。当地时间周四，美国政府将长江存储、寒武纪、上海微电子装备、中科院计算所等在内的36家中国科技公司和研究机构列入了「实体清单」，以期进一步阻挠和打压中国科技行业的发展。美国商务部将这些公司列入所谓的实体清单，意味着上述任何公司如果对名单上企业提供的产品涉及美国技术，必须获得华盛顿方面的许可，而这个许可证很难申请成功。实体清单变动情况美国当地时间12月15日早上8点45分，美国《联邦公报》官网

斯坦福大学以人类为中心的人工智能研究所（HAI）发布了2023年人工智能指数，该指数分析了人工智能的影响和进展。这份数据驱动的报告深入探讨了人工智能相关的热门主题，如研究、伦理、政策、舆论和经济学。这项研究的主要发现包括人工智能研究如何扩展到模式识别、机器学习和计算机视觉等专业领域。报告指出，自2010年以来，人工智能出版物的数量增加了一倍多。同时，人工智能行业应用超越学术界，并引用了32个由行业生产的重要机器学习模型，而学术界仅生产了3个。研究将此归因于训练这些大型模型所需的大量资源。传统的人工智能基准

了解以任务为中心的移动应用、机器人过程自动化、过程自动化软件等智能自动化技术如何帮助医疗机构专注于改善患者护理，同时提高效率和降低成本。多年来，支持人工智能的计算机视觉和数据分析已经改变了医疗机器人，将其能力扩展到医疗保健的许多其他领域。机器人被用于手术和临床领域，以协助医护人员并改善为患者提供的护理。机器人技术和自动化技术也被用于研究设施，使费力、重复和大批量的操作自动化，以便工人和科学家可以将注意力集中在更重要的职责上，从而更快地发现新事物。医疗机器人简化的流程和降低的风险在各个领域都带来了好处。在医