申请试用
HOT
登录
注册
 
7.-孫明俊-人工智能應用的社會風險評估與《網絡安全法》

7.-孫明俊-人工智能應用的社會風險評估與《網絡安全法》

人工智能算法
/
发布于
/
30
人观看

全球的人工智能技术突破——5个关键突破 • 技术推动产业落地:自然语言处理、图像生成技术的产业应用已经能够提供成熟的产品。人工智能技术已经开始部署在虚拟数字人图像采集、模型优化等领域。同时,应用图像处理技术的计算机辅助决策也开始进入制造业。应用图形识别技术对流程和工艺进行优化,同时使用增强现实技术,优化产业工人的生产流程。 • 计算机视觉的产业化加速:过去十年,得益于机器学习技术(特别是深度学习技术)的应用,计算机视觉取得了巨大进展。新的数据显示,计算机视觉正在实现 产业化。在一些较大的基准库中,算法或模型的性能已经开始趋于平稳。这表明计算机视觉社区需要致力于开发和确定难度更大的基准,以进一步测试性能。各公司正在投入越来越多的计算资源,以比以往更快的速度训练计算机视觉系统。同时,用于已部署系统的技术,如用于分析视频静止帧的对象检测框架,正在迅 速成熟,这表明人工智能将会进一步在产业场景中部署。 • 自然语言处理(NLP)超越了现有人类评估基准:谷歌和微软都在其搜索引擎中部署了BERT语言模型,而微软、OpenAI等公司也开发了其他大型语言模型。NLP的 研究进展迅速,以至于它已经开始超过了用于测试它们的基准。在第四届机器翻译大会(WMT19)的竞赛中,Facebook AI使用了一种新型的半监督训练,在几种语言翻译中获得了第一名。Facebook 还引入了一种新的自我监督的预训练方法——若伯塔(RoBERTa),它在数个语言理解任务上超越了所有现有的NLU(自然语言理解)系统。而在某些情况下,这些系统甚至优于人类,包括英德翻译和五个 NLU 基准。 • 推理评估基准的完善:人工智能知识推理算法的表现,在2018年之前,一直是在当时最佳系统上进行度量。而在2019年,分别计算算法和解算器的性能改善的评估方法被引入SAT竞赛中。通过引入夏普利值,裁判可以确定算法和设施对性能改善的贡献。这种计量方法不仅强化了算法的竞争,也促进了解算器及其运行 系统的进步。 • 机器学习正在改变医疗和生物学领域的游戏规则:随着机器学习技术的引入,医疗和生物行业的格局发生了实质性的变化。DeepMind的AlphaFold应用深度学习 技术,在蛋白质折叠这一长达数十年的生物学难题上取得了重大突破。科学家利用机器学习学习化学分子的表示,以制定更有效的化学合成计划。PostEra是一家人工智能初创公司,这家公司在COVID-19流行期间使用基于机器学习的技术来加速发现COVID相关的药物。

0 点赞
0 收藏
0下载
确认
3秒后跳转登录页面
去登陆