全球第一所人工智能大学成立:培养硕博研究生,全员全额奖学金
AI专业、AI学院,还不足以反映AI时代变革的态势。这不,全球首个AI大学正式成立,阿联酋阿布扎比官方出资创办,面向研究生进行AI培养。而且发起规格到校董会设置,级别都非常高。包含姚期智、李开复等在内的全球知名AI学者人士均是创始校董会成员。详情如下:全球第一所AI大学全名“穆罕默德·本·扎耶德人工智能大学(MBZUAI)”。大学以阿布扎比王储、阿拉伯联合酋长国联邦武装部队副最高指挥官——谢赫·穆
陈天奇任CTO,TVM团队成立OctoML:任何硬件都能部署机器学习模型
机器之心报道机器之心编辑部据机器之心消息,知名人工智能青年学者、华盛顿大学博士陈天奇于近期参与创建了创业公司 OctoML,担任 CTO 一职。随着人工智能的火热,创业成为了众多 AI 人才毕业后的选择。近日,机器之心了解到,机器学习领域知名青年学者陈天奇毕业后也参与创建了全新创业公司 OctoML,担任 CTO 一职。陈天奇的领英资料界面。领英的公开信息显示,陈天奇目前担任 OctoML 的 C
YouTube视频推荐系统为什么那么强?看了这篇文章你就知道了
选自Medium作者:Tim Elfrink机器之心编译参与:张倩作为全球主流的视频平台,谷歌旗下视频网站 YouTube 的成功离不开精准的视频推荐系统。YouTube 的推荐系统有何亮点?他们解决了哪些问题?在一篇 RecSys 2019 论文中,谷歌研究者对这些问题做出了解释。来自荷兰的一位数据科学家对论文的内容进行了总结。论文地址:https://dl.acm.org/citation.c
为什么我的 CV 模型不好用?没想到原因竟如此简单……
选自Medium作者:Adam Geitgey机器之心编译参与:Panda计算机视觉模型表现不佳的原因有很多,比如架构设计缺陷、数据集代表性不足、超参数选择失误等。但有一个很简单的原因却常常被人们忽略:图像的方向。机器学习专家 Adam Geitgey 近日发布了一篇文章探讨了这一简单却又让很多人头痛的问题,并分享了他为解决这一问题编写的自动图像旋转程序。我写过很多有关计算机视觉和机器学习项目的内
深度学习/计算机视觉常见的8个错误总结及避坑指南
导语:或许,有些问题是大家都会遇到的人类并不是完美的,我们经常在编写软件的时候犯错误。有时这些错误很容易找到:你的代码根本不工作,你的应用程序会崩溃。但有些 bug 是隐藏的,很难发现,这使它们更加危险。在处理深度学习问题时,由于某些不确定性,很容易产生此类错误:很容易看到 web 应用的端点路由请求是否正确,但却不容易检查梯度下降步骤是否正确。然而,在深度学习实践例程中有很多 bug 是可以避免
2019 年度回顾:抵制之声暗潮涌动,AI 自身该如何负起责任?
导语:AI 引发的主要问题是社会、文化和政治问题,而非技术问题。雷锋网 AI 科技评论:作为一家跨学科研究 AI 对社会、政治和伦理的影响的 AI 研究机构,AI Now 研究所自创立以来的四年时间里,已发布三份年度报告,在去年的《AI Now Report 2018》中,该研究所对围绕 2018 年人工智能的一连串技术丑闻的核心——问责制进行了回应,并从该问题出发,对包括监控问题,公平、偏见与歧
Uber 第三轮裁员敲定,自动驾驶部门成重灾区
2019-10-15 15:54:04雷锋网按,据美媒 CNBC 拿到的最新邮件显示,打车巨头 Uber 今年第三轮的裁员靴子终于落地。Uber CEO Dara Khosrowshahi 在这封公司全员邮件中宣布,此次裁员波及人数约为 350 人,占到 Uber 总员工数的 1.5%。其中,自动驾驶和送餐业务 Uber Eats 团队成为裁员的重灾区。除此之外,还有部分员工未来会转岗,但具体人数
AI基础:美女和野人过河问题
AI是一个提升高级度的概念,真正的AI远远不是说说而已。笔者以AI算法的经典问题为例,阐释了问题的解决逻辑和办法,展示了算法的形成过程。AI(Artificial Intelligence)人工智能,可以说是最近比较火热一个词。就像曾经的互联网概念一样,任何一个项目只要和AI搭上边,就似乎显得非常高大上。AI是一个领域,是一门学科,里面涉及的知识非常多,仅我们大家能想到的AI应用,就能随口说出数几
开源图神经网络框架DGL升级:GCMC训练时间从1天缩到1小时
又一个AI框架迎来升级。这次,是纽约大学、亚马逊联手推出图神经网络框架DGL。不仅全面上线了对异构图的支持,复现并开源了相关异构图神经网络的代码,在GCMC、RCGN等业内知名的模型实现上,取得更好效果。还发布了训练知识图谱嵌入(Knowledge Graph Embedding)专用包DGL-KE,在许多经典的图嵌入模型上都获得了性能提升。目前,这个在2018年NeurIPS大会上发布的框架,已
Facebook 发布 Detectron2:基于 PyTorch 的新一代目标检测工具
Detectron 是 FAIR 在 2018 年初公开的目标检测平台,包含了大量业内最具代表性的目标检测、图像分割、关键点检测算法,该框架主要基于 python 和 caffe2 实现,开源项目已获得了超 2.2w 的星标数。而 Detectron2 则是刚推出的新版 PyTorch 1.3 (详情查看:https://www.leiphone.com/news/201910
国外都在用虹膜黑科技?这位20年从业者和你聊聊这项神秘技术
虹膜被认作是除DNA外“最可靠的生物特征”之一,非接触、高精度、独一无二、终身稳定,在侦破刑事案件、打击非法出境工作中发挥着重要作用。在人流、物流高度发达的当今社会,仅凭身份证、护照等证件资料难以精准地确定人员身份,用科技手段进行公民身份的精准认证是今后治安工作的重要方向,国外部分发达国家和发展中国家已经开始收集出入境旅客的虹膜生物特征信息,开展相关测试研究。在本次公开课中,讲者将深度分享现代虹膜
麻省理工人工智能实验室:如何做研究?
2019-10-14 19:14:06本文来自于MIT的人工智能实验室,创作于1988,虽然有30多年,但作为新进硕士博士研究生的参考,写的绝对精辟,奉为经典。中文译本由北京师范大学信息学院2000级博士生柳泉波完成。1. 简介并没有什么神丹妙药可以保证在研究中取得成功,本文只是列举了一些可能会有所帮助的非正式意见。目标读者是谁?本文档主要是为MIT人工智能实验室新入学的研究生而写,但
Facebook开源模型可解释库Captum,这次改模型有依据了
作者 | Narine Kokhlikyan, Vivek Miglani, Edward Wang, Orion Reblitz-Richardson译者 | Rachel出品 | AI科技大本营(ID:rgznai100)【导读】前脚 TF 2.0 刚发布,在 PyTorch 开发者大会首日也携 PyTorch1.3 版本而来。除此之外,还发布了隐私保护机器学习框架 CrypTen、模型可解释
盘点丨麻省理工学院的计算机科学里程碑
奠基数字时代、登陆月球、造就个人电脑、在永不崩溃的互联网上确保电子商务的安全……许多项计算机、人工智能、机器人领域内的关键性突破背后,都有麻省理工学院的身影。正值麻省理工苏世民计算学院成立之际,我们从这所学校为上述领域所做出的无数贡献中精选了25个“高光时刻”。1937 年 | 数字电路图片来自:麻省理工学院博物馆研究生克劳德·香农(Claude Shannon,1940 届科学硕士、1940 届
谷歌又出量子计算新成果,这次用上了深度强化学习
日前,谷歌在 Nature 合作期刊《npj Quantum Information》上发表了一篇论文,提出结合深度强化学习的方法来实现通用量子控制,从而能够极大地提高量子计算机的计算能力。谷歌也在官方博客上发表文章介绍了这项工作。论文下载地址:https://www.nature.com/articles/s41534-019-0141-3.pdf实现近期量子计算机的主要挑战之一与其最基本的组成
AI芯片现状:领导者很难被超越
第二届AI HW峰会于9月17日至18日在硅谷中心举行,近50位演讲者向500多位与会者(几乎是去年首届参会人数的两倍)发表了演讲。虽然我不可能在一个简短的博客中涵盖所有展示的公司,但我想分享几点看法。John Hennessy的观点计算机架构传奇人物John Hennessy,Alphabet董事长兼斯坦福大学前校长。他介绍了半导体的历史趋势,其中摩尔定律和Dennard Scaling的过时消
AI 白皮书:赢家、输家
引言:纵观历史,对企业界而言改变游戏规则的始终是技术。制造商取代手艺人,工厂从制造商手里接过接力棒,自动化和遥测技术取代大部分重复性的人力劳动。从个人计算机到互联网和移动商务,在过去的30年间,全世界见证了数字经济的崛起,数字经济正迅速取代商品经济。很显然,下一个最大的变化来自AI。应用型AI(applied AI)有望彻底改变一切:健康、金融、房地产、运输及旅游、制造、营销及销售、农业、能源、商
速度与精度的结合 - EfficientNet 详解
2019-10-11 22:47:53初识本篇将为你介绍来自 google 的 EfficientNet,论文提出了一种多维度混合的模型放缩方法。论文链接(文末有代码):https://arxiv.org/pdf/1905.11946.pdf作者希望找到一个可以同时兼顾速度与精度的模型放缩方法,为此,作者重新审视了前人提出的模型放缩的几个维度:网络深度、网络宽度、图像分辨率,前人的文章
Facebook 发布 Detectron2,新一代目标检测平台
2019-10-12 12:44:08Detectron 是 FAIR 用于实现最先进的目标检测算法(包括 Mask R-CNN)的软件系统。该系统是在Apache 2.0许可下提供的Python库,并建立在由Facebook支持的深度学习框架“Caffe2”上。自2018年发布以来,Detectron对象检测平台已经成为Facebook人工智能研究(FAIR)广泛采用的开源项目之一。
细粒度物体检测算法的升级揭秘
EasyDL是百度大脑的定制化模型训练和服务平台,用户通过EasyDL可以低成本地训练自己的深度学习模型,从而获得效果优异的定制化AI服务。自上线以来,EasyDL的用户规模和使用场景迅速增长,也收到了深度学习业内人士的赞赏和青睐。在众多模型使用场景中,小目标物体的检测比较常见,一般的目标检测算法往往效果不理想;因此,EasyDL团队针对小目标物体的检测进行了专项优化,并取得了令人瞩目的效果提升。