6 天前 / hyper0x
来源：集智俱乐部 作者：Alex Davies, Petar Velikovi, Lars Buesing 等 译者：赵雨亭 审校：潘佳栋 编辑：邓一雪 导语 我们通常认为，数学家的世界充满了直觉和想象力，他们发现模型、提出猜想、证明定理；而计算机只不过是擅长机械的计算。但能够从大量数据中学习的 AI，是否能够像数学家一样，从数据中发现模式？是否可以辅助数学家做出新发现呢？12 月 1 日，DeepMind 团队在 Nature 杂志上发表的一项最新研究中，人们成功让 AI 与人类数学家进行了合作，利用机器学习从大规模数据中探测模式，然后数学家尝试据此提出猜想...
12 天前 / hyper0x
来源：机器之心编辑：蛋酱 虽然世界仍在从新冠疫情的破坏中复苏，人们无法向从前那样时常线下相聚、共同探讨交流关于学术领域的最新问题，但 AI 研究也没有停下跃进的步伐。 转眼就是 2021 年底了，一年就这么就过去了，时光好像被偷走一样。细细数来，你今年读了多少论文？ 一名加拿大博主 Louis Bouchard 以发布时间为顺序，整理出了近 40 篇 2021 年不可错过的优秀论文。整体来看，合集中的论文偏重计算机视觉方向。 在这个 15 分钟左右的视频中，你可以快速浏览这些论文： 以下是每篇论文的详细信息： 1、DALL·E: Zero-Shot Text-to-Image Generation...
19 天前 / 虞大胆
公众号关注「奇妙的 Linux 世界」 设为「星标」，每天带你玩转 Linux ！ 什么是 RunCDocker、Google、CoreOS 和其他供应商创建了开放容器计划 (OCI)，目前主要有两个标准文档：容器运行时标准 （runtime spec）和 容器镜像标准（image spec）。 OCI 对容器 runtime 的标准主要是指定容器的运行状态，和 runtime 需要提供的命令。下图可以是容器状态转换图： init 状态：这个是我自己添加的状态，并不在标准中，表示没有容器存在的初始状态 creating：使用 create 命令创建容器，这个过程称为创建中 created：容器创建出来，但是还没有运行...
25 天前 / 趣编程
01 推荐理由不依赖 cgo！不依赖 cgo！不依赖 cgo！真的不依赖 cgo，且跨平台，原生渲染 无嵌入式浏览器，轻量级，生成的文件很小，而且只有一个可执行文件就可运行。 02 功能介绍 后端使用标准 Go 使用任意前端技术构建 UI 界面 快速为您的 Go 应用生成 Vue、Vuetify、React 前端代码 通过简单的绑定命令将 Go 方法暴露到前端 使用原生渲染引擎 - 无嵌入式浏览器 共享事件系统 原生文件系统对话框 强大的命令行工具 跨多个平台 03 使用指南 本次教学在 windows 下进行。
54 天前 / hyper0x
Datawhale 干货 作者：太子长琴，算法工程师，Datawhale 成员本文涉及到的思考从我 2017 年接触人工智能就开始萌芽了，由于个人经历关系，我一开始是从认知科学的角度开始自己的工程师生涯的，看的论文也更偏向如何构建真正的人工智能。比如，Few-Shot 或 One-Shot Learning、因果推理、快速思考、学习如何学习，甚至开始思考语言学以及究竟什么是智能。很自然地也熟知了图灵、冯诺依曼、维特根斯坦。直至现在依然对这些理论相当沉迷，这是我当初下定决心从事 AI 的原因。
63 天前 / 我爱计算机视觉
关注公众号，发现 CV 技术之美 本文转载自： https://zhuanlan.zhihu.com/p/428802599 10 月 28 日，Jeaf Dean 发了一篇博客，简单介绍了谷歌下一代 AI 架构 Pathways 的关键特性。详情：谷歌又在开发新 AI 框架！这次瞄准的是：通用人工智能（AGI） (https://blog.google/technology/ai/introducing-pathways-next-generation-ai-architecture/） 文章引起了 AI 圈内很多人士的关注，特别是对 AI 平台架构有兴趣的对此做了非常丰富的解读。 MindSpore 项目组内部也进行了讨论，总结了一些观点供大家思考（这些观点主要来自岳大师）。
70 天前 / u312562
我给你们出道题。创作一组图像，题材是：未来的生物学家 shadow 匿名 这题我不会…… eva 我用 AI 创作了一组图像： opus 有点可怕……AI 创造各种生物是否可行？ 知识库 @opus 有的。诺亚方舟：智能的元宇宙 诺亚方舟是一个智能的元宇宙，核心技术是 iNFT。NFT 如果是一个数字人作品，融入 AI 后，成为了 iNFT，具有了和用户聊天能力的 NFT 作品。 诺亚方舟产品主页 alethea.ai 诺亚方舟具备创建、训练、交易的 AI 系统。有趣的是，我们可以创建人物、机器人、石头之类的……万物皆可被创造。
88 天前 / u312562
物种进化，从智人到半机械人，还是从智人到数字人？ shadow 虚拟身份 随着数字化的渗透，数字空间不断影响着我们的行为习惯，社交网络、网络应用、游戏等都是一种数字空间，为了进入其中我们需要构建一种虚拟身份。虚拟身份可以映射真实身份（实名注册），也可以“匿名”存在。当个体构建完成虚拟身份，他才能在实体空间和数字空间自由切换。 Gucci 与虚拟形象科技公司 Genies 合作，允许用户创建自己的个性化虚拟形象。 虚拟身份随着技术的发展，从最低级的"昵称"，近些年进阶为虚拟形象（捏人），甚至有数字人的趋势。
96 天前 / u312562
这是 shadow 老师《人工智能设计》课程学生的投稿人工智能设计，一门自己生长的课 宋沫 @shadow 老师老师！想投稿一篇关于 SpringVibe 的文章在 mixlab，这次保证不鸽辽！ 已经拖稿 2 个多月的总结，终于完成了......这个项目是黑客松作品，为我们展现了 AI、人文科技的无限可能 shadow opus 听图团队的五位成员是今年夏天 X Academy 的学员（其中三位同学是 shadow 的亲学生），他们来自天南地北，从事不同的专业，甚至拥有不同的国籍。
100 天前 / Ryan众乐
前言—AI 正在不断拓展前端的技术边界， 算法的加持也为前端研发注入了全新的力量。本文为大家介绍什么是端智能，端智能的应用场景以及 Web 端侧实现 AI 的基本原理概念。 什么是端智能—首先，回顾一个 AI 应用的开发流程，具体步骤包括了 数据的采集与预处理模型的选取与训练模型的评估模型服务部署模型训练的中间产物为一个模型文件，通过加载模型文件，部署为可调用的服务，然后就可以调用进行推理预测了。
118 天前 / Juicedata
解决方案下载文档定价博客GitHub加入我们首页归档标签如何借助 JuiceFS 为 AI 模型训练提速 7 倍高昌健2021.09.17背景海量且优质的数据集是一个好的 AI 模型的基石之一，如何存储、管理这些数据集，以及在模型训练时提升 I/O 效率一直都是 AI 平台工程师和算法科学家特别关注的事情。不论是单机训练还是分布式训练，I/O 的性能都会显著影响整体 pipeline 的效率，甚至是最终的模型质量。 我们也逐渐看到容器化成为 AI 训练的趋势，利用容器可以快速弹性伸缩的特点，结合公有云的资源池，能够最大化资源利用率，为企业大大节约成本。
123 天前 / 携程技术
作者简介 携程度假 AI 研发团队致力于为携程旅游事业部提供丰富的 AI 技术产品，其中性能优化组为 AI 模型提供全方位的优化方案，提升推理性能降低成本，实现 AI 技术在旅游场景的成功落地。 一、背景 近年来，人工智能逐渐在安防，教育，医疗和旅游等工业和生活场景中落地开花。在携程旅游业务上，AI 技术同样广泛覆盖了多个旅游产品和旅游服务领域，携程度假 AI 研发根据旅游的特定场景和业务需求，将自然语言处理，机器翻译，计算机视觉，搜索排序等主流 AI 技术成功应用于旅游度假的多个业务线，例如自由行，跟团游，签证，玩乐和租车等。
138 天前 / u312562
opus 最近在 Mixlab 博士吐槽互助群里，@Simon Meng 分享了他的最新作品~~~ 你们以为我用 AI 画那些图是在乱玩么？ 不，我是在下一盘大棋：用 AI 去预测人类未来每一个可能的末日，并在其中找到生存的可能性，直到宇宙终结 AI 创作 139 幅未来终极图景（部分预览，余下见全文）文中所有图片动画均为 AI 生成 Simon 现在——生存是一种幸运 地球就像太空中的一滴眼泪，美丽而脆弱。 我们当下的建设和研究，预设的基本前提是“人类在地球上的存续”。
158 天前 / u312562
byDALL·E mini ML1062 今天想聊 AI SaaS @shadow 该如何理解？ 分成 2 部分来理解： - SaaS 的 S 到底是什么？ - AI 是什么 AI？ shadow SaaS Software as a service，软件即服务。 在十几年前，大家都习惯安装软件需要去购买个安装光盘，或者购买许可码，安装下，就可以愉快地使用。 软件是产品，一次购买，无限次 / 无期限使用。软件公司把软件当成标准产品来售卖，属于第二产业（工业） service 服务怎么理解呢？餐厅服务员提供的服务，理财师的服务，咨询公司的服务，猎头的服务等等。 软件作为一种服务，按需购买，按次或时间周期购买。
174 天前 / Aceyclee～
深度学习推理框架 OpenPPL 已经开源了，本文以一个图像分类实例，从 0 到 1 讲解如何部署一个深度学习模型，完成一个 AI 推理应用。 最终效果：通过上传一张猫咪照片（狗狗也可以），识别出图片中的动物 背景知识 OpenPPL 是基于自研高性能算子库的推理引擎，提供云原生环境下 的 AI 模型多后端部署能力，并支持 OpenMMLab 等深度学习模型的高效部署。 以下以在 Linux x86 平台上部署图像分类模型为例，详述 OpenPPL 的安装与使用流程，帮助同学们从 0 到 1 来实现一个人工智能应用推理服务。