业界资讯

谁在发表最具影响力的AI研究？在如今「百花齐放」的时代，这个问题极具挖掘空间。你可能会猜到一些结论：比如谷歌、微软、OpenAI、DeepMind这些顶级机构，类似这样的结论只猜对了一半，还有另外一些信息，向我们揭露了原本不为人知的结论。随着AI创新的飞速发展，尽快获取一些「情报」是至关重要的。毕竟几乎没人有时间去阅读所有的东西，但可以肯定的是，本文整理的这些论文具备改变人工智能技术发展方向的潜力。对研发团队影响力的真正考验当然是技术如何落地在产品中，OpenAI在2022年11月底发

医学是人工智能最激动人心的前沿领域之一，但人工智能将在哪些方面对医疗保健的未来产生真正的影响？O'ReillyMedia内容策略副总裁RachelRoumeliotis在这里回答。数据将如何更好地改变诊断很少有行业像医学那样数据密集。医疗数据有多种形式：图像、音频、视频、非结构化文本和结构化信息。所有这些数据都受到其他行业所经历的传统问题的影响：信息缺失、值损坏、可疑异常值、缺少标签、印刷错误等等。随着医学数据库的增多，清理和标记信息变得越来越重要。虽然我们距离解决这一挑战还有一段距离，但我们

9月6日消息，据深圳特区报报道，我国首部人工智能产业专项立法——《深圳经济特区人工智能产业促进条例》（以下简称《条例》）今天通过该报正式公布，并拟于今年11月1日起实施。据报道，为破解人工智能产品落地难问题，《条例》提出创新产品准入制度，对于国家、地方尚未制定标准但符合国际先进产品标准或者规范的低风险人工智能产品和服务，允许通过测试、试验、试点等方式开展先行先试。主要内容包括：首次立法明确人工智能概念和产业边界建立面向产业的算力算法开放平台定期制定并发布人工智能场景需求清单设立人工智能伦

以Transformer为核心的自回归注意力类程序始终难以跨过规模化这道难关。为此，DeepMind/谷歌最近建立新项目，提出一种帮助这类程序有效瘦身的好办法。DeepMind与GoogleBrain打造的PerceiverAR架构回避了一大严重占用资源的任务——将输入与输出的组合性质计算至潜在空间。相反，他们向潜在空间引入了“因果掩蔽”，由此实现了典型Transformer的自回归顺序。人工智能/深度学习领域最令人印象深刻的发展趋势之一，就是模型体量越来越大。该领域的专家表示，由于规模往往与效能直接

虽说现代的深度学习早已脱离对「生物神经网络」的模仿，但了解生物大脑的运行机制，对于神经网络模型的未来发展仍然很有帮助。大脑回路的结构方式影响着大脑的计算能力，但到目前为止，除了在一些非常简单的生物体中，仍然还没有看到任何大脑的具体结构。去年11月，来自剑桥大学、约翰霍普金斯大学、珍利亚研究园区等多家顶尖机构的研究人员在Biorxiv上传了一篇论文，经过十余年的艰苦研究，首次完整地对「果蝇幼虫」的大脑连接组进行重建。论文链接：​https://www.science.org/doi/10.1126/scie

惯性导航一般集成在GPS设备中，都是由供应商集成，那在这里有什么讨论的必要呢，要知道在车辆行驶中，我们可以拿到GPS的yawrate和speed信号，而且车辆本身还有一套传感器获取yawrate和speed，又因为航迹推算是自动驾驶很重要的一部分，所以理解惯性导航的工作原理，能很好地帮助我们做基于车身的航迹推算。惯性导航目前GNSS+IMU构成的组合导航系统是主流的定位系统方案，惯性导航系统是唯一可以输出完备的六自由度数据的设备、数据更新频率高、是定位信息的融合中心。惯导中使用的核心算法主要包括3种：1.

Meta的逼真数字人2.0再次进化，现在可以用iPhone生成了，只要拿出手机扫一扫！早在2019年3月，Facebook就在活动上展示了第一代数字人形象（CodecAvatar1.0）。第一代数字人是利用多重神经网络，用132个摄像头的专用捕获装置生成的。一旦生成，在VR头显设备上的5个摄像头。每只眼部提供两个内部视角，脸部以下提供三个外部视角。就像下面这样。从那时开始，Facebook一直在不断改进这些虚拟形象的逼真度，比如只需麦克风和眼球追踪技术，就可以获得更逼真的形象。最终在2

​ChatGPT的火，让全球概念股开启狂飙模式。单是在国内资本市场，像百度、科大讯飞、云从等一众AI企业，可谓是一路“大写”的涨涨涨。甚至是像搞手写识别、OCR的汉王科技都能连拉5个涨停板，引得不少网友直呼“这都能扯上关系”……但是家人们，正所谓“没有最意外，只有更意外”，还有更令你意想不到的企业也要插足ChatGPT了——造车！啊这……一个对话机器人，现在都厉害到可以造车了吗？？？造车，如何AIGC？首先要说明的是，AI造车并非指的是AI去操纵生产线，而是利用AI算法来完成汽车零部件的设计方案。在造车界

经过了长达六个月的交易纠纷，刚刚，伊隆·马斯克完成了对推特的440亿美元收购。从今天开始，推特姓「马」。就在几个小时前，CNBC记者DavidFaber透露，伊隆·马斯克已经正式入主推特。消息人士称，TwitterCEOParagAgrawal和财务主管NedSegal已离开公司旧金山总部，不会再回来。据报道，法律政策、信任和安全负责人VijayaGadde也被解雇。一封信想必很多人都看过这个名场面了——本周四，马斯克带着一个水槽抵达推特总部，并在推特上放出视频，说

开发ChatGPT的OpenAI公司在网站展示了摩根士丹利进行的一个案例研究。其主题是“摩根士丹利财富管理部署GPT-4来组织其庞大的知识库。”该案例研究援引摩根士丹利分析、数据与创新主管JeffMcMillan的话说，“该模型将为一个面向内部的聊天机器人提供动力，该机器人将对财富管理内容进行全面搜索，并有效地解锁摩根士丹利财富管理的累积知识”。McMillan进一步强调说：“采用GPT-4，你基本上立刻就拥有了财富管理领域最博学的人的知识……可以把它想象成我们的首席投资策略师、首席全球经济学家、全球股票

在使用BI工具的时候，经常遇到的问题是：“不会SQL怎么生产加工数据、不会算法可不可以做挖掘分析？”而专业算法团队在做数据挖掘时，数据分析及可视化也会呈现相对割裂的现象。流程化完成算法建模和数据分析工作，也是一个提效的好办法。同时，对于专业数仓团队来说，相同主题的数据内容面临“重复建设，使用和管理时相对分散”的问题——究竟有没有办法在一个任务里同时生产，同主题不同内容的数据集？生产的数据集可不可以作为输入重新参与数据建设？1.DataWind可视化建模能力来了由火山引擎推出的BI平台Da

ChatGPT诞生之后，用自己强悍的文本创作能力，不断刷新着我们的认知。AI即将给大学校园带来怎样的爆炸性改变？似乎还没人做好准备。Nature已经发文，担心ChatGPT会成为学生写论文的工具。文章链接：https://www.nature.com/articles/d41586-022-04397-7无独有偶，一位加拿大作家StephenMarche痛心疾首地呼吁：大学的论文已死！用AI写论文，太容易了假设你是一位教育学教授，你为学术布置了一篇关于学习风格的论文。一位学生提交了一篇文章，开头如下：「

学习人工智能少不了需要一些数据集，比如进行鉴黄的人工智能少不了一些类似的图片。进行语音识别的人工智能，语料库是少不了的。对于初学人工智能的同学常常为数据集而发愁。今天我们就介绍一个非常简单，但很有用的数据集，这就是MNIST。这个数据集非常适合我们进行人工智能相关算法的学习和练习。MNIST数据集是美国国家标准与技术研究所（NationalInstituteofStandardsandTechnology，简称NIST）制作的一个非常简单的数据集。那么该数据集是什么内容呢？其实就是一些手写的阿

自从2020年开始，伴随着AI的发展开始走向产品和产业融合，AI所带来的商业化营收成为衡量一家科技巨头在技术战略、产品规划、生态构建等方面综合实力的关键指标，依此为指标。在数字经济持续扩张的背景下，各行各业的企业主体面临着，利用数字技术解决方案实现转型的迫切需要。而这也进一步促进人工智能的蓬勃发展。得益于数字科技进步和商业模式创新的持续驱动，加之传统产业对转型升级意愿的提升，数字化转型发展成为了当今的大势所趋，人工智能的加持成为了必然形势。伴随产业数字化带来的数据基础的日趋成熟，AI在训练层（学习能力）、

1、缓解交通拥堵当前城市交通治理最核心的问题之一是如何缓解交通拥堵。利用人工智能算法调节交通信号灯是这两年各大互联网和IT企业开始尝试缓解拥堵问题的一种策略，并纷纷在一线城市建设试点，最终也取得了不错的效果。通过AI算法对路口运行效率进行实时监测和展示，从而起到优化信号灯配时作用，主要针对两种现象，一是路口运行失衡，二是出口溢出。当一个交叉口某个方向非常拥堵，而其他方面运行顺畅，则称之为路口失衡。这种情况可以适当增加拥堵方向的信号配时，减少顺畅方向的配时来缓解路口的拥堵。对于严重失衡的路口，系统会发出报

ChatGPT可能是一位废话艺术家、错误信息的传播者，但它不是「数学家」！近日，一位Meta的数据科学家ColinFraser发现，ChatGPT并不能生成真正的随机数，而更像是「人类的随机数」。通过实验，Fraser得出的结论是：「ChatGPT非常喜欢数字42和7。」网友表示，意味着人类非常喜欢这些数字。ChatGPT也爱「宇宙终极答案」在他的测试中，Fraser输入的prompt如下：「Pickarandomnumberbetween1and100.Justreturnthe

在纽约市有员工的公司还有四个月时间来适应第144号地方法律，这是全美第一部规范人工智能在招聘中使用的法律。该法律于1月1日生效，但该市将执法推迟至4月15日。144当地法律规定了使用自动就业决策工具（AEDT）的限制，这些工具用来帮助公司进行候选人评估，并协助他们决定聘用谁。该法律直接针对人工智能和人工智能辅助的招聘，并要求AEDT用户由认证审计员进行“偏见审计”，以查看每个工作类别的种族/族裔和性别选择率。根据法律，专业术语“自动就业决策工具”是指“源自机器学习、统计建模、数据分析或人工智能的任何计算过

提起Monica，你会想到什么？是老友记里的主角之一Monica·Geller，一个热心肠的女主人形象；还是心跳文学部里的疯疯癫癫的Monika？或者，最近爆火的Chrome插件——Monica。它的功能实在是太强大了，用完一次保你爱不释手。毕竟，搭载了ChatGPT的网页助手，能是俗物吗？Monica功能大赏首先明确一点，Monica是ChatGPT在网页上的应用，换句话说，Monica就是靠着ChatGPTAPI的强大功能才厉害。而仔细看看Chrome商店中的介绍，我们就会发现Monica真的是无所不

机器学习、深度学习和神经网络是您在人工智能领域会听到的一些最常见的技术术语。如果您不专注于构建AI系统，可能会感到困惑，因为这些术语经常互换使用。在本文中，我将介绍机器学习、深度学习和神经网络之间的区别，以及它们之间的关系。让我们从定义这些术语开始。什么是机器学习?机器学习是人工智能的一个子领域，专注于算法和统计模型的开发，使计算机能够从数据中学习并做出预测或决策，而无需明确编程。机器学习主要分为三种类型：1.监督学习：为计算机提供标记数据(已经分类或分类的数据)并学习根据该数据进行预测。例如，可以通过为

智能网联汽车，与自动驾驶有什么关系？自动驾驶核心在于车，那智能网联系统又是什么呢？智能网联的载体也是车，但核心是需要连接的网络。一个是汽车内部的传感器和智能控制系统构成的一张网络，另一个是所有汽车连接、共享的网络。网联就是将一台车置身到一张大的网络之中，去交换重要的信息，比如位置、路线、速度等信息。智能网联系统的发展目标就是通过汽车内部传感器和控制系统的设计优化能够改善汽车的安全性和舒适性，使汽车更加人性化，当然终极目标是在实现无人驾驶。自动驾驶汽车三大核心辅助系统：环境感知系统、决策与规划系统和控制与执

标签传播算法是一种半监督机器学习算法，它将标签分配给以前未标记的数据点。要在机器学习中使用这种算法，只有一小部分示例具有标签或分类。在算法的建模、拟合和预测过程中，这些标签被传播到未标记的数据点。LabelPropagationLabelPropagation是一种在图中查找社区的快速算法。它只使用网络结构作为指导来检测这些连接，不需要预定义的目标函数或关于群体的先验信息。标签传播通过在网络中传播标签并基于标签传播过程形成连接来实现。接近的标签通常会被赋予相同的标签。单个标签可以在密集连接的节点组中占主导

化学反应的发现不仅受到获得实验数据的速度的影响，还受到化学家理解这些数据的难易程度的影响。揭示新的催化反应的机理基础是一个特别复杂的问题，通常需要计算和物理有机化学的专业知识。然而，研究催化反应很重要，因为它们代表了最有效的化学过程。近日，来自英国曼彻斯特大学（UoM）化学系的Burés和Larrosa报告了一种机器学习模型，展示了可以训练深度神经网络模型来分析普通动力学数据并自动阐明相应的机理类别，而无需任何额外的用户输入。该模型以出色的精度识别各种类型的机理。研究结果表明，人工智能引导的机理分

ChatGPT、AIGC、大模型……一系列眼花缭乱的名词横空出世，AI商业价值引发社会的高度关注。随着训练模型规模的增长，支撑AI算力的数据中心网络也成为热点。提升算力效率，构建高性能网络……大厂们各显神通，努力在以太产业宏图上开辟AI网络的“F1新赛道”。在这场AI的军备竞赛中，DDC高调出镜，一夜之间似乎成为了构建高性能AI网络革命性技术的代名词。但真如看上去那么美好吗？让我们详细分析，冷静判断。始于2019年，DDC的本质是以盒盒路由器替代框式路由器随着DCN流量的快速增长，DCI网络升级需求日益迫