模型进化狂飙，DetectGPT能否识别最新模型生成结果？
新智元报道 来源：智源社区 作者：李灿 【新智元导读】语言模型给我们的生产生活带来了极大便利，但同时不少人也利用他们从事作弊工作。如何规避这些难辨真伪的文字所产生的负面影响也成为一大难题。 在3月9日智源Live第33期活动「DetectGPT：判断文本是否为机器生成的工具」中，主讲人Eric为我们讲解了DetectGPT工作背后的思路——一种基于概率曲率检测的用
人工智能
新智元 . 2023-04-23 2387
英伟达GauGAN2 AI：用户输入文本字符，AI就会实时生成图景
英伟达的GauGAN2 AI现在可以使用简单的书写短语来生成相应的逼真图像。该深度学习模型仅用三四个单词就能够生成不同的场景。 GauGAN是英伟达开发的AI软件，用于在2019年将简单的涂鸦变成逼真的杰作，这项技术最终在今年早些时候变成了英伟达Canvas应用程序。现在英伟达进一步完善了这项AI技术，只需要简短的描述就可以生成“照片”。 英伟达表示，GauGAH背后的深度学习模
英伟达
云头条 . 2021-11-23 3673
中科院DeepMind联手，用深度学习揭示大脑如何识别人脸
梦晨 发自 凹非寺 量子位 报道 | 公众号 QbitAI DeepMind和中科院神经科学研究所联手了。 他们用无监督深度学习揭示出大脑识别人脸的机制。 具体来说，大脑会把面部特征分解成一些语义特征，如年龄、性别或是否在微笑，而且是单个神经元对应某个具体特征。 此外，他们构建的模型利用少量神经元的信号就能还原出整个面部图像，相关论文发表在最新一期Nature Com
中科院
量子位 . 2021-11-14 2257
关于 2021 人工智能的发展，你应该知道这四点｜AICon
在某些特定的任务上，人工智能已经达到甚至超越人类的水平，我们需要时刻保持关注人工智能最新前沿与实践。 根据斯坦福大学《人工智能指数 2021 年年度报告》显示，人工智能在智能生成、计算机视觉、自然语言处理以及医疗和生物学领域的发展上已经取得了非凡的成就。 人工智能系统现在可以处理文本、音频和图像并生成足够高质量的产品。对于一些限定的技术来说，人类难以判断合成和非合成输出之间的差异。
人工智能
InfoQ . 2021-08-12 1776
我用 JavaScript 来学习机器学习
作者 | Ben Dickson 策划 | 刘燕 过去的几年中，Python 已成为机器学习和深度学习的首选编程语言。与机器学习和深度学习相关的大多数书籍和在线课程要么只用 Python，要么再带上 R 语言。Python 有着丰富的机器学习和深度学习库、专门优化的实现，具备可伸缩性和大量功能，因而广受欢迎。 但 Python 并不是编写机器学习应用程序的唯一选择。社区中有越来越多的开发人员正在使
javascript
InfoQ . 2021-05-20 1354
从理论到实践，国科大副教授带你实战OpenCV
OpenCV（Open Source Computer Vision）是计算机视觉领域最重要的开源函数库，其中不仅包括了众多图像处理和视频分析算法，还包含了经典机器学习算法和深度学习算法库。这些机器学习算法在计算机视觉的图像分类、目标检测、目标跟踪和光学字符检测识别等任务中扮演了关键角色。 最近，国防科技大学副教授朱斌的新书《OpenCV 4机器学习算法原理与编程实战》上线，全书共10章，先讲解O
opencv
机器之心 . 2021-05-18 2738
裴健团队44页新作：理解深度学习模型复杂度，看这一篇就够了！
新智元报道 编辑：小匀、LRS 【新智元导读】近日，首篇深度学习模型复杂度综述「Model Complexity of Deep Learning: A Survey」在arXiv上线。论文作者为著名大数据科学家裴健教授与他的两位学生，以及微软亚洲研究院的两位合作者。44页的综述从深度学习模型框架、模型规模、优化过程和数据复杂性对现有成果进行了回顾。 在机器学习、数据挖掘和深度学习中，模型复杂性始
深度学习
新智元 . 2021-03-20 884
优化器怎么选？一文教你选择适合不同ML项目的优化器
选自lightly.ai 机器之心编译 编辑：小舟、杜伟 为机器学习项目选择合适的优化器不是一件简单的事。 优化器是深度学习领域的重要组成模块之一，执行深度学习任务时采用不同的优化器会产生截然不同的效果。这也是研究者们不遗余力「炼丹」的原因之一。常见的优化算法包括梯度下降（变体 BGD、SGD 和 MBGD）、Adagrad、Adam、Momentum 等，如此繁多的优化器应该如何做出抉择呢？ 不
ai
机器之心 . 2021-01-05 1015
当前,中国人工智能人才缺口达30万人
在21日举行的2020中国5G+工业互联网大会成果发布会上，国家工业信息安全发展研究中心发布的《人工智能与制造业融合发展白皮书2020》（以下简称《白皮书》）显示，目前中国人工智能人才缺口达30万人。 《白皮书》提出，现阶段中国人工智能与制造业融合发展难点主要包括：人工智能的价值难以被准确衡量、部分领域数据资产管理能力有待提升、工业深水区的解决方案仍待探索以及复合型人才匮乏四个方面。
人工智能
中国新闻网 . 2020-11-24 845
基于深度学习的传统图像增强算法
引言 由于受到环境，光线等的影响，拍摄的照片清晰度和对比度比较低，不能够突出图像中的重点。图像增强就是通过一定手段来增强图像的对比度，使得其中的人物或者事物更加明显，有利于后边的识别等处理。本章介绍几个传统的图像增强算法，并给出matlab实现代码，看一看不同算法的实现效果，最后再介绍一下深度学习在图像增强上的应用。 1. 直方图均衡 在直方图中，如果灰度级集中于高灰度区域，图像低灰度就不容易分辨
图像增强算法
AI加速微信公众号 . 2020-11-11 405
浅谈AI深度学习之于先进封装的重要性
由中国半导体行业协会封装分会、天水市人民政府主办的第十八届中国半导体封装测试技术与市场年会，于11月8-10日在天水市举行。随着半导体的产业热度不减，本次封测大会吸引了众多专家学者，还包括几乎全部的中国半导体行业的大型封测厂商、主流的海内外封测设备提供商。在大会上，聚时科技（上海）有限公司 CEO郑军博士受邀出席，分享了深度学习和机器学习运用于封装质量控制、复杂缺陷检测与分析方面的技术产品进展和落
半导体
中科创星 . 2020-11-10 1245
中国数字化之路:人工智能技术的挑战和机遇
2020年11月3日下午，中国（深圳）综合开发研究院举行“中国数字化之路研讨会”，中科院深圳先进技术研究院数字所所长乔宇做了主题为《中国数字化之路：人工智能技术的挑战和机遇》的发言。 一、人工智能是发展数字经济的核心驱动力量 全球对人工智能发展日益重视。现代社会从信息时代、互联网时代发展到了物联网时代。当前，社会的发展从万物互联走向万物智能，大数据和人工智能技术也成为数字经济时代的主流
人工智能
人工智能实验室 . 2020-11-08 855
人工智能时代,AI已应用到多个领域
2020年，人工智能热度不减，在新冠肺炎疫情的防控中发挥了重要的作用。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。 人工智能时代，机器学习，尤其是深度学习，在各行各业中得到了越来越广泛的应用。比如智能交互、人机交流、图像和视频识别、面部检测、智能语音识别和财务预测等，已经走进了我们生活中的方方面面。 AI成
人工智能
引力空间 . 2020-11-02 855
深度学习拓展了人工智能的应用领域
人工智能（简称AI）在20世纪50年代中期，在数十年里发展起起伏伏，在80年时代在网络神经的发展下，人工智能转入了一个新时代。近几年里深度学习在网络神经方面获得不断的突破，使得机器辅助成为可能，拓展了人工智能的应用领域。 在安防领域，随着智慧城市建设在不断推进，智能监测也就慢慢变多了，比如我们的交通路段从几千公里到几万公里路的规模，与此同时，随着高清视频、智能分析、云计算和大数据等相关技术
人工智能
拓世智能 . 2020-10-18 850
人工智能技术的最核心问题
人工智能技术已成为科学技术领域最先进的技术。 许多国家正在竞相开拓这项技术研究的新方向，并努力抢占这一领域的制高点。那什么是人工智能技术最核心问题？ 首先问人工智能技术发展最好的是那个国家，很多人会说它绝对是美国。 美国的人工智能已经开始玩游戏。 这确实是一个非常现实的问题。 美国人工智能的确比中国发展先进的，它会始终保持这种先进的态度吗？ 我认为这是不可能的。 人工智能是一门交叉学科
人工智能
拓世智能 . 2020-10-14 855
人工智能成为各国竞争的制高点
自18世纪以来，人类社会共发生过三次大型的技术革命，分别是蒸汽机革命、电力革命和信息互联网革命。当前，人类社会进入了第四次工业革命，即人工智能革命。因此，人工智能是各国竞争的制高点，而各国的竞争是政策、基础研究、技术和资本等综合实力的竞争。 一、政策之争 自2016年后，全球主要国家和地区均高度重视人工智能，各国也发布了相关的政策和官方计划。 美国致力于维持全球科技霸主地位，从奥巴
人工智能
人工智能实验室 . 2020-10-12 705
基于飞桨图学习框架PGL的图神经网络训练
随着深度学习在欧几里得空间的成功应用，例如CNN，RNN等极大的提高了图像分类，序列预测等任务的效果，近期来图神经网路也开始蓬勃发展。图神经网络分为谱域和空域两大种类，谱域通过拉普拉斯算子对于图进行类微分处理，而空域通过信息传递的方式更新节点的embedding，均可以大幅度提高节点预测，链接预测，不规则图形分类等问题的效果。 在大规模图数据上训练图神经网络是一个大问题，计算代价过大，内存消耗过高
神经网路
机器之心 . 2020-10-12 580
常见的深度学习框架盘点及选择
近年来，深度学习在很多机器学习领域都有着非常出色的表现，在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等领域有着广泛应用。面对繁多的应用场景，深度学习框架有助于建模者节省大量而繁琐的外围工作，更聚焦业务场景和模型设计本身。 使用深度学习框架完成模型构建有如下两个优势： 节省编写大量底层代码的精力：屏蔽底层实现，用户只需关注模型的逻辑结构。同时，深度学习工具简化了计算，
pytorch
机器之心 . 2020-10-12 1980
FPGA在做深度学习加速时需要的技能
前言 做深度学习加速器已经两年了，从RTL设计到仿真验证，以及相应的去了解了Linux驱动，深度学习压缩方法等等。今天来捋一捋AI加速器都涉及到哪些领域，需要哪些方面的知识。可以用于AI加速器的主要有三种不同架构的器件种类：CPU，GPU，AI芯片/FPGA。CPU是一个通用架构芯片，其计算能力和数据带宽相对受到限制，面对大计算量的深度学习就显露出其缺点了。GPU含有大量的计算阵列，可以适用于大规
加速器
AI加速微信公众号 . 2020-10-10 1325
- 1
- 2
- 3
- 4
- 5
- 6
- 7