Beberapa waktu lalu, Wu Enda menulis dua surat terbuka kepada para profesional industri, mempopulerkan penerapan kecerdasan buatan di industri untuk semua lapisan masyarakat. Baru-baru ini, Jeff Dean dan Yann LeCun, kepala Google Brain, juga sering muncul di depan umum, menafsirkan pembelajaran mesin, pembelajaran tanpa pengawasan, dan teknologi pembelajaran yang disempurnakan untuk publik.
Dewa Agung Yann LeCun: Cara mengajari diri Anda sendiri teknik pembelajaran mendalam dan menghindari jalan memutar
Sebuah pesan baru diposting di blog Facebook, merilis video tiga-shot dari dewa besar Yann LeCun yang secara pribadi menjelaskan pengetahuan AI. Namun, jika pembaca profesional di bidang AI mengeklik video dan menontonnya, mereka akan tahu bahwa ini sepertinya gaya seorang guru sekolah menengah yang mengajar kelas sains populer.
Video tiga jepretan tersebut digabungkan menjadi satu serial. Gayanya sangat meriah. Penjelasan Yann LeCun diselingi animasi, dan tidak banyak konten teknis. LeCun menjelaskan dalam video bahwa kali ini yang terpenting adalah mempopulerkan prinsip dasar deep learning kepada publik, dengan harapan dapat mendorong kaum muda dan siswa sekolah menengah untuk mempelajari lebih lanjut tentang bidang ini dan merangsang minat mereka untuk menjelajahi bidang ini.
Tiga video Yann Lecun terutama menggambarkan teknologi dasar kecerdasan buatan:
-
Pembelajaran yang diawasi adalah yang paling umum digunakan, kuncinya adalah "penyesuaian parameter"
-
Pembelajaran mesin, gunakan template untuk pengenalan gambar
-
Metode baru pembelajaran mendalam: jaringan saraf konvolusional
Empat perusahaan bersama-sama meluncurkan OPEN AI LAB, dengarkan apa yang dikatakan orang-orang besar seperti Yu Kai
Baru-baru ini, laboratorium kecerdasan buatan terbuka OPEN AI LAB didirikan di Beijing. Laboratorium tersebut diprakarsai bersama oleh ARM, akselerator Anchuang Space, Teknologi Allwinner, dan Robotika Horizon.
Dilaporkan bahwa tujuan pendirian laboratorium adalah untuk membangun kerangka algoritma terpadu dan standar chip dengan nilai referensi, dan membangun platform kecerdasan buatan berdasarkan perangkat yang disematkan.
Wakil Presiden Eksekutif Global ARM dan Presiden Cina Besar Wu Xiongang, CEO Horizon Robotics Kai Yu, CEO Anchuang Space Chen Peng, dan Wakil Presiden Teknologi Allwinner Xue Wei masing-masing memperkenalkan arah penelitian, formulir implementasi, dan prospek masa depan OPEN AI LAB .
Wawancara dengan Jeff Dean Google Ares tentang Enhanced Learning dan Unsupervised Learning
Dalam sebuah wawancara dengan majalah Fortune, Jeff Dean, kepala Google Brain, berbicara tentang pandangannya tentang penerapan pembelajaran tanpa pengawasan dan pembelajaran penguatan di bidang kecerdasan buatan. Dia menunjukkan bahwa Anda perlu mengingatnya ketika Anda menggunakan mesin pencari Google atau menggunakan navigasi peta. Ada otak besar di baliknya untuk memberi Anda hasil pencarian dan memastikan Anda tidak tersesat.
Tentu saja, ini bukan otak sungguhan, tapi tim peneliti otak Google.
Dalam beberapa tahun terakhir, tim peneliti telah membuat lebih dari 1.000 proyek pembelajaran mendalam dan menerapkannya pada produk Google yang sudah ada: seperti YouTube, Google Terjemahan, dan Google Foto. Peneliti menggunakan pembelajaran mendalam untuk memasukkan sejumlah besar data ke dalam jaringan saraf guna mempelajari pola yang lebih cepat daripada pengenalan manusia.
Bagaimana Anda melihat "eksodus" berskala besar sarjana AI dari kampus ke industri?
Dalam beberapa tahun terakhir, Geoffrey Hinton dari Universitas Toronto bergabung dengan Google, Yann LeCun dari Universitas New York bergabung dengan Facebook, Enda Wu dari Universitas Stanford bergabung dengan Baidu, dan Alex Smola dari Universitas Carnegie Mellon bergabung dengan Amazon. Minggu lalu, Google mempekerjakan Li Feifei, kepala Lab AI Universitas Stanford. Beberapa sarjana ini masih mempertahankan posisi fakultas di universitas, tetapi mereka memiliki rasa kehadiran yang lebih kuat di bidang bisnis.
Menurut statistik dari National Science Foundation (NSF), proporsi PhD di bidang ilmu komputer di Amerika Serikat saat ini setinggi 57% di industri, dibandingkan dengan 38% sepuluh tahun lalu. Asosiasi Riset Komputasi dalam industri menyatakan bahwa meskipun jumlah total mahasiswa PhD di Amerika Serikat meningkat, proporsi mereka yang ingin tinggal di dunia akademis telah mencapai "titik terendah dalam sejarah".
Siswa di bidang AI bernilai setidaknya US $ 5-10 juta untuk perusahaan, kata Andrew Moore, direktur School of Computer Science di Carnegie Mellon University.
Perlakuan murah hati yang diberikan oleh raksasa teknologi tidak sebanding dengan universitas. Mereka tidak hanya menyediakan pendanaan penelitian yang stabil, database besar dan daya komputasi, tetapi juga jenis "kegembiraan" yang secara langsung menciptakan produk untuk mengubah kehidupan jutaan orang.
Dalam hal pendapatan pribadi, perusahaan memberikan jauh lebih tinggi daripada sekolah, mungkin disertai dengan opsi saham, pendapatan kekayaan masa depan akan lebih objektif. Menurut statistik NSF, di bidang ilmu komputer dan informasi di Amerika Serikat, gaji tahunan rata-rata dari mahasiswa pascadoktoral di laboratorium universitas adalah $ 55.000, sedangkan untuk mahasiswa pascadoktoral yang bekerja di laboratorium perusahaan adalah $ 110.000.
Pengungkapan Algoritma Kecerdasan Buatan MIT: Bagaimana kita menggunakan 2 juta gambar untuk meramalkan dunia dalam 1,5 detik
Sebuah studi oleh para peneliti dari Massachusetts Institute of Technology (MIT) Computing Science and Artificial Intelligence Laboratory (CSAIL) sekali lagi mempromosikan pengembangan pembelajaran mesin. Algoritme pembelajaran mendalam hanya menggunakan gambar agar komputer dapat menghasilkan video pendek untuk mensimulasikan adegan dalam gambar dan memprediksi apa yang akan terjadi selanjutnya.
Proses pelatihan menggunakan 2 juta bidikan tanpa label, dan total durasi video adalah satu tahun. Dibandingkan dengan algoritma model benchmark, video yang dihasilkan oleh algoritma ini lebih realistis. Selama proses pengujian, video penjumlahan yang dihasilkan oleh algoritma deep learning 20% lebih otentik dibandingkan algoritma model benchmark.
Tim peneliti mengatakan bahwa teknologi ini dapat digunakan untuk meningkatkan strategi pemeriksaan keamanan dan meningkatkan keselamatan mengemudi secara otonom. Menurut mahasiswa doktoral dan penulis pertama laboratorium, algoritma ini dapat mewujudkan pengenalan mesin atas aktivitas manusia dan menghilangkan biaya tinggi pengenalan manual.
"Video-video ini menunjukkan apa yang menurut komputer akan terjadi," kata Vondrick. "Jika Anda dapat memprediksi masa depan, maka Anda harus dapat memahami apa yang terjadi sekarang." Vondrick, Profesor MIT Antonio Torralba, dan Hamed Pirsiavash bersama-sama menerbitkan ini Satu hasil. Profesor Pirsiavash adalah peneliti pascadoktoral di CSAIL dan saat ini menjadi profesor di Universitas Maryland. Karya ini akan dipamerkan di Neural Information Processing Systems Conference (NIPS) di Barcelona minggu depan.
- Pra-penjualan kios Festival Musim Semi dibuka, dan itu mengalahkan kerumunan untuk mengambil tempat pertama Netizens: kios Festival Musim Semi terkuat dalam sejarah!
- Mac Safari yang cepat dan hemat daya, berikut 10 tip untuk memanfaatkannya Suka Kolom · Mainan Komputer
- Pahlawan wanita dari "Buku Ilustrasi Wanita Shanghai" yang tidak mengandalkan superioritas pria memiliki wajah tingkat tinggi, dan dia benar-benar seorang kerah putih