机器之心

Latest articles

节省时间,告别眼花,「一键」挑出高质量图片,科大&微软推出挑图神器

机器之心发布机器之心编辑部做生成模型的同学们,你们是不是或多或少都遇到过这个问题:用一个生成网络生成了一批图,但选几张最好的做 demo 可能得花费一番功夫。现在这个问题不用担心了,中科大和微软研究院的学者提出了生成图像质量评估算法(GIQA),它可以自动对生成图片的质量打分,挑出高质量的图片。目前该文章已被 ECCV 2020 会议收录。论文地址:https://arxiv.org/pdf/2003.08932.pdf代码:https://github.com/cientgu/GIQA近些年来,深度生成模型取得了巨大的进展,诞生了很多有趣的应用,然而,并非所有生成的结果都很完美。如下图所示,图中四个角上的图片均为 StyleGAN 在一个猫数据集上的生成结果。在这些图片中,既有很多高质量的猫图片(右下),也有很多图质量很差(完全看不出来是猫,左下)。以往大家为了评估哪张图生成的好,往往都是要靠人来判断,这需要花费大量人力成本。在实际应用中,由于对生成图片的最差质量缺少把控,很多产品遭受到了各种质疑。基于此,来自中科大和微软研究院的学者提出了生成图像质量评估(Generated...

对话智能新高度:百度发布超大规模开放域对话生成网络PLATO-2

机器之心发布机器之心编辑部近日,百度发布对话生成网络 PLATO-2,宣布在开放域对话生成模型上迎来重要进展。PLATO-2 承袭 PLATO 隐变量进行回复多样化生成特性,模型参数高达 16 亿,涵盖中英文版本,可就开放域话题深度畅聊。实验结果显示,PLATO-2 中英文对话效果已超越谷歌 Meena、微软小冰和 Facebook Blender 等先进模型。百度 NLP 于去年 10 月预公布了通用领域的对话生成预训练模型 PLATO,近期在 ACL 2020 上展示。最近,百度又新发布了超大规模模型 PLATO-2。PLATO-2 承袭了 PLATO 隐变量进行回复多样化生成的特性,模型参数规模上升到了 16 亿。PLATO-2 包括中英文版本,能够就开放域话题进行流畅深入的聊天。据公开数据,其效果超越了...

当技术落地应用,WAIC开发者日企业级AI架构专场带你解读AI新实践

随着越来越多人工智能技术的逐步成熟,越来越多的企业开始尝试通过拥抱 AI 应用进行信息化业务创新,实现企业的智能化发展战略。如何架构一套可靠、有效、安全的AI技术栈,实现智能化战略蓝图?技术的迭代,又会对现有的企业架构带来什么挑战?开发团队要如何抓住人工智能时代的发展机遇?在今年的世界人工智能大会开发者日上,特设置企业级AI架构专场,邀请众多来自AI领域的代表企业和嘉宾,共同探讨AI落地过程的技术挑战与难题。人工智能方兴未艾,同时受新冠疫情的影响,各行各业加速了智能化转型的步伐,如何拥抱智能,推动人工智能技术的落地和普及,是企业智能化转型的首要问题。人工智能领域没有运动场上一令齐发的统一起点,在前沿的理论和技术领域,有企业早早开始高瞻布局、持续推进,为实现企业业务场景和AI技术更好的结合而不断深耕;也有对AI应用抱有极大热情的行业一直望着人工智能的风口却苦于找不到切入点。在...

美国不值得:美移民局规定留学生只上网课或被遣返,吴恩达发声反对

机器之心报道参与:泽南、杜伟在美留学生必须离开美国,除非他们今年秋季学期有足够课程是在学校亲自上的。当地时间 7 月 6 日,美国移民局突然宣布了一项重要新规:国际留学生不能在美国只上网课。美国移民及海关执法局 ICE 发布通知:如果你是持有 F-1 或者 M-1 签证的国际学生,而你所在的大学宣布整个秋季学期都采用在线教学,那么你将会只有两个选择:离开美国,或者转学到部分开放或全部开放校园的学校。在 2020 年秋季学期,学生和交流访问相关的在线课程临时许可程序将进行修改。新规仍为住所为学校或非移民的学生提供便利,但随着全国许多机构重新开放,美国政府认为迫切需要恢复联邦法规以实施谨慎平衡的保护措施。美国国土安全部计划发布程序和职责解释,作为《联邦公报》中的临时最终规则。由于 2020 年起发生的新冠疫情,美国对在美留学生春季和夏季学期的在线学习执行了临时豁免。其政策允许学生们参加超出平时规定的在线教育,目的是为了维持完整的学习课程,以在特殊情况下保持...

搜索关键词加个「VS」有何用?学下棋、追剧都不在话下

选自Medium作者:David Foster机器之心编译参与:Panda、张倩在使用搜索引擎的时候,引号、星号、加减号等都能帮我们更快地搜到自己想要的结果,那你有没有试过在搜索词后边加个「VS」呢?近日,一位 medium 博主就介绍了「搜索词」+「VS」的妙用。利用该技巧创建的 ego graph 能帮你学习下棋、购买宠物,甚至是追剧。你是否尝试过在搜索引擎里输入一个关键词,然后再输入「vs」,看看它能给你自动匹配出什么东西?事实证明这还挺好玩的,而且还算得上是一种实用技巧,能帮你快速找到你感兴趣的事物的其它对应选项或替代选项。 不仅如此,如果你想要了解一项技术、一款产品或一个概念,这个技巧也能为你提供很有效的帮助。原因有三点:学习新事物的最好方法是了解它与你已经很熟悉的事物的异同点。当在搜索引擎返回的列表中看到你熟悉的事物时,你心中立马就会浮现出「原来如此」感觉。操作很简单,几秒钟就搞定了。在你输入「vs」之后,搜索引擎会认为你想对「vs」前后的事物进行直接比较。你也可以使用「or」,但这样表达的态度远不如...

机器之心邀你参加陆奇与Gary Marcus的老友记——AI产业落地还缺啥?

人工智能在工业落地如何打造可信的AI?7月10日20:00-21:00,在机器之心主办的2020 WAIC·开发者日中,我们邀请到了重磅嘉宾——陆奇与Gary Marcus 进行一场1v1 高峰对话,探讨人工智能在产业落地中的各种问题及解决方案。在工业智能落地过程中,「一机一模型」让人头疼,工业算法难泛化,这些落差意味着,在没有充分理解人工智能技术的情况下大量开发人工智能应用将承担较大的风险。关于人工智能的讨论总是很热烈,但要得到真正可信的AI,却远比想象的要复杂得多。过去几年各国产业实践也都不约而同证明,2B 业务之所以很难做到快速扩张,核心问题之一在于如何获取这种信任。理想的AI与现实的AI之间为什么会有这么大的差距?我们现在能在多大程度上信任人工智能?如何建立关于人工智能的信任?围绕这一主题,机器之心特别策划了「2020...

2020世界人工智能大会即将召开,腾讯AI将有哪些新动作?

2020 年世界人工智能大会腾讯论坛已开启公开报名。通过大会官网第一时间掌握论坛直播信息。官网链接:http://case.mofyi.com/waic疫情为 AI 按下加速键、新基建被提升到战略新高度…… 近年来,快速发展的 AI 技术已经成为推动产业升级的核心引擎,AI 与产业融合将迈入新阶段。作为 AI 行业发展的风向标,2020 年世界人工智能大会将于 7 月 9 日至 11 日在上海拉开帷幕。其中,腾讯论坛将于 7 月 10 日召开,借助 5 场主题演讲和 1 场圆桌论坛,联合国内外学界、产业界数十位重量级嘉宾共同探讨 AI 与产业创新融合发展的新趋势。腾讯始终秉承产业共建的理念,致力于提升 AI 在产业互联网及数字经济发展中的价值呈现。这一次,在产业中破局、并不断深化产业落地的腾讯...

记录理解程度、一篇至少读3遍,吴恩达建议这样读论文

选自Medium作者:Richmond Alake机器之心编译参与:杜伟、小舟、魔王在科研领域中,读论文大概是大家的日常基本操作了。但如何读论文,才能实现效率最大化呢?斯坦福大学教授吴恩达在斯坦福 CS230 深度学习课程中专门讲述了如何读论文,那么具体效果如何呢?本文作者以「姿态估计」为例复现了吴恩达的读论文方法,并提出了他自己的读论文小技巧,希望对大家的科研有所帮助。理解人工智能和机器学习领域中的前沿研究是每一位机器学习从业者应该掌握的技能。要想实时追踪前沿研究并增加自己的知识,机器学习从业者需要养成开放的学术心态和习惯。人工智能、机器学习和深度学习领域每时每刻都在更新发展,所以我们必须用知识来武装自己,紧跟领域发展步伐,而这些只能通过读论文来实现。但是读论文也不是盲目而就的,也需要一定的方法和流程。如果只是流水账似的通读下来,恐怕也不会有特别好的效果。之前,斯坦福大学教授、Coursera...

波士顿动力机器狗首个开箱视频:53万,我买到了啥?

机器之心报道参与:张倩、蛋酱、泽南开箱一只售价 53 万元的狗,是怎样一种体验?波士顿动力首款零售的机器人 Spot,今年 6 月 16 日起正式向美国企业用户发售了。作为机器人里的明星,发货时间超过六周显然不会浇灭人们的热情。最近,这款售价 7.5 万美元(折合人民币 53 万元)起的 Spot「机器狗」已经有了买家开箱视频。当然,7.5 万美元你能买到的只是「探索版」,企业版和教学版的价格需要咨询经销商获得。波士顿动力在官网解释得很明确,你在花买一台特斯拉 Model S 的价钱时买到的不只是机器狗,而是一个包含机器狗的开发工具包。具体来说,购买 Spot Explorer 版本获得的一套设备包含一台 Spot 机器狗、两块电池、充电器、平板电脑控制器、机器狗外壳、电源盒及 Spot API...

如何解决稀疏奖励下的强化学习?

机器之心分析师网络作者:仵冀颖编辑:Joni Zhong如何解决稀疏奖励下的强化学习?本文将介绍常用方法以及相关论文。强化学习(Reinforcement Learning,RL)是实现强人工智能的方法之一,在智能体(Agent)与环境的交互过程中,通过学习策略(Policy)以最大化回报或实现特定的目标。在实际应用场景中,RL 面临一个重要的问题:agent 无法得到足够多的、有效的奖励(Reward),或者说 agent 得到的是稀疏奖励(Sparse Reward),进而导致 agent 学习缓慢甚至无法进行有效学习。然而对于人类来说,即便在稀疏奖励的状态下仍然能够持续学习。人类的学习也可以看做是内在动机和外在动机激励下的学习过程,关于内在动机和外在动机的激励机器之心也有过专门介绍,感兴趣的读者可以具体看一下这篇文章。人类在日常生活中其实每天能够收获的奖励很少,但是也在持续的学习,改进自己的知识和能力,我们当然希望...

Discover, share and read the best on the web

Subscribe to RSS Feeds, Blogs, Podcasts, Twitter searches, Facebook pages, even Email Newsletters! Get unfiltered news feeds or filter them to your liking.

Get Inoreader
Inoreader - Subscribe to RSS Feeds, Blogs, Podcasts, Twitter searches, Facebook pages, even Email Newsletters!