观察
-
Google Quest 冠军访谈:3个秘诀,8条建议,还有人在华为做 NLP 研究员
Anna Vander Stel 发布在 Unsplash 上的照片 近日,由 Google 举办的 Quest 问答标签大赛结果出炉,由 Dmitry Danevskiy、Yur…
-
今日 Paper | 4D关联图;通用表征学习;元转移学习;无偏场景图生成等
目录 使用多个摄像机的实时多人运动捕捉的4D关联图 放大学习:将深度立体匹配网络泛化到新颖场景 面向深度人脸识别的通用表征学习 用于零样本超分辨率的元转移学…
-
Google更新最大的带注释图像数据集,添加本地化叙述
近日,Google AI 宣布发布 Open Images V6,和 V5 版本相比,它极大地扩展了 Open Images 数据集的注释,增加了大量新的视觉关系(例如,「狗抓飞盘…
-
重读图灵经典之作,九条反驳意见引人深思
当一台计算机能够骗过人类,让他们相信它就是一个人的时候,就能够被称作智能。作者 | Andre Ye编译 | 丛末、蒋宝尚 编者按:对于艾伦·图灵,相信大家都并不陌生,作…
-
如何在谷歌云平台上部署可解释性模型
图片来源于 Pixabay 现代机器学习和人工智能在解决复杂的问题方面取得了令人印象深刻的成果。然而,复杂的问题往往意味着复杂的数据,这必然导致更复杂的模型。真正理解一个…
-
微软强化学习开源节项目开始接受申请,1万美元助学金,3月6日截止
雷锋网(公众号:雷锋网)AI开发者讯,微软研究院的全球项目:强化学习开放源代码节(RL Open Source Fest),目前已经开始面向全球接受申请。 强化学习(RL,Rein…
-
强化学习中无处不在的贝尔曼最优性方程,背后的数学原理知多少?
在星际争霸(AlphaStar)和围棋(AlphaGO)游戏中,强化学习已取得了举世瞩目的成功。 而这些成功背后的核心则是用于求解马尔可夫决策过程(MDP)的贝尔曼最优性方程(Be…
-
公平与精确同样重要!CMU提出学习公平表征方法,实现算法公平
在人工智能发展的初期,人们对算法的要求往往停留于「准」的层面,预测结果越精确似乎越好。然而,随着人工智能技术逐渐融入日常生活,人们对于算法「公平性」的要求与日俱增。在本文中,来自 …
-
深度学习黑盒可视化指南,从隐藏层开始
深度学习的黑盒问题一直以来都是机器学习领域的一大难题,而直接导致这一难题的便是神经网络中除输入层和输出层以外的隐藏层。 隐藏层不直接接受外界的信号,也不直接向外界发送信号,因而如何…
-
手把手教你用 Transformers 和 Tokenizers 从头训练新语言模型
在过去的几周里,我们对 transformers 和 tokenizers 库进行了一些改进,目的是让从头开始训练新的语言模型变得更加容易。  …