0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Facebook最新AI變革研發(fā)成果“無監(jiān)督學(xué)習(xí)”

測試測試測試 ? 來源:網(wǎng)絡(luò)整理 ? 作者:工程師李察 ? 2018-06-18 17:03 ? 次閱讀

導(dǎo)讀: 自古希臘,人們對于世界的認(rèn)知經(jīng)歷了眾神創(chuàng)世、水火土氣、進(jìn)化論、宇宙大爆炸、原子論……直到今天,我們開始思考“AI生萬物”。

假如穿越回兩千五百年前,當(dāng)你問歐洲人萬物從何而生時,他們大多數(shù)給到你的答復(fù)是荷馬史詩中眾神創(chuàng)世神話。只有極少數(shù)開始理性思考的哲人會告訴你,萬物的創(chuàng)生是水,泰勒斯;是氣,阿那克西美尼;是火,赫拉克利特;是數(shù)學(xué),畢達(dá)哥拉斯。直到他們的思考被恩培多克勒系統(tǒng)綜合,認(rèn)為構(gòu)成萬物的元素主要有四種:水、火、土、氣。

其中,除了畢達(dá)哥拉斯認(rèn)為萬物起始于數(shù)學(xué)是抽象思維,水、火、土、氣都是物質(zhì)實(shí)在。

如今,如果你要問世人,萬物因何而生?受過現(xiàn)代科學(xué)教育的人給到的回答會是進(jìn)化論、宇宙大爆炸、原子論、量子力學(xué)……

兩千多年來,人類的認(rèn)知一直因循著邏輯辯證不斷窮究。直到今天,人類開始思考,除了我們所能耳聞目睹的物質(zhì),以及抽象的思維意識之外,還有哪些事物可以“生”萬物?

對于這個問題,GMIC北京2018“AI生萬物”主題峰會給到你關(guān)于“AI”的答案。

本屆會議,不僅邀請到創(chuàng)新工場董事長兼首席執(zhí)行官李開復(fù),F(xiàn)acebook人工智能團(tuán)隊(duì)首席AI科學(xué)家Yann Lecun,卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)學(xué)院機(jī)器學(xué)習(xí)系主任Tom Mitchell,百度總裁張亞勤,以及紅杉資本全球執(zhí)行合伙人沈南鵬等世界頂尖人工智能專家學(xué)者、企業(yè)高層、投資人等參會演講,業(yè)界一眾科技獨(dú)角獸、新興企業(yè)也齊聚一堂。

在古希臘,除了探索自然的哲學(xué)家外,還有探索人類和社會本身的社會科學(xué)哲學(xué)家。蘇格拉底、柏拉圖和亞里士多德是探索人類哲學(xué)的“希臘三杰”。作為探索以人工智能為代表的新興科學(xué)現(xiàn)代“三杰”之一,Yann Lecun在本屆會議上第一個帶來了“AI的最新技術(shù)趨勢”主題演講。

以下是OFweek人工智能網(wǎng)整理后的演講實(shí)錄:

楊立昆(Yann Lecun):大家晚上好。我這邊是晚上,你們那邊應(yīng)該是上午。非常抱歉我不能親自到會場。我是楊立昆(Yann Lecun),來自Facebook,以及紐約大學(xué)人工智能研究團(tuán)隊(duì)。今天我想講一下關(guān)于人工智能目前的進(jìn)展情況,同時也介紹下深度學(xué)習(xí)的未來,以及我們所面臨的關(guān)于深度學(xué)習(xí)各方面挑戰(zhàn),如何讓機(jī)器變得更加智能。

首先,我們看一下當(dāng)下的AI系統(tǒng),目前所有的應(yīng)用,不管是影像、聲音,還是圖像識別,翻譯,以及測試等等,這些都是AI的應(yīng)用。通過深度學(xué)習(xí)我們可以訓(xùn)練機(jī)器,比如說向它展示一個車的圖像,它就會知道這是一輛車,下次向機(jī)器展示同一個圖像你就會得到想要的答案。你可以看到在這種指導(dǎo)下的學(xué)習(xí)對于計(jì)算機(jī)學(xué)習(xí)來說是非常重要的。

深度學(xué)習(xí),比如科學(xué)培訓(xùn),機(jī)器進(jìn)行端到端的培訓(xùn)可以完成各種任務(wù),它會告訴你最后輸出的是什么。機(jī)器會學(xué)習(xí)整個過程,是端到端的學(xué)習(xí)過程,通過這種方式機(jī)器計(jì)算機(jī)會更好的了解我們的世界。關(guān)于人工神經(jīng)智能,我們知道神經(jīng)網(wǎng)絡(luò)是非常強(qiáng)大的。我只有在非常強(qiáng)大的計(jì)算機(jī)上才可以運(yùn)用,需要有CPU加以輔助。在深度學(xué)習(xí)變得比較普遍之前,我們需要確保什么樣的系統(tǒng)可以進(jìn)行應(yīng)用。

舉個例子,這是我們在2009年、2010年在紐約大學(xué)合作的一個實(shí)驗(yàn)(見上圖),可以看到它可以識別圖像,可以看出馬路上的建筑,天空以及路上的車和人等等。我們可以利用這樣的技術(shù)識別一些車輛。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    29824

    瀏覽量

    268112
  • Facebook
    +關(guān)注

    關(guān)注

    3

    文章

    1429

    瀏覽量

    54610
  • 李開復(fù)
    +關(guān)注

    關(guān)注

    1

    文章

    42

    瀏覽量

    6247
收藏 人收藏

    評論

    相關(guān)推薦

    小鵬汽車2024 AI科技日:圖靈AI芯片進(jìn)展公布,預(yù)計(jì)AI汽車市場將迎來巨變

    在11月6日下午的2024小鵬AI科技日上,小鵬汽車揭曉了其圖靈AI芯片的最新研發(fā)成果。小鵬汽車強(qiáng)調(diào),這款圖靈芯片是專為AI應(yīng)用而生,配備了40核處理器,能夠本地運(yùn)行參數(shù)高達(dá)30B的大
    的頭像 發(fā)表于 11-07 14:56 ?648次閱讀

    榮耀與高通攜手展示AI技術(shù)新成果,Magic7系列即將發(fā)布

    在夏威夷舉行的高通驍龍峰會上,榮耀終端有限公司與高通公司共同展示了他們在AI原生應(yīng)用場景方面的最新研發(fā)成果。榮耀終端有限公司CMO郭銳出席了此次峰會并發(fā)表了演講,詳細(xì)闡述了榮耀與高通在AI技術(shù)領(lǐng)域的深度合作。
    的頭像 發(fā)表于 10-23 17:06 ?479次閱讀

    【《大語言模型應(yīng)用指南》閱讀體驗(yàn)】+ 基礎(chǔ)知識學(xué)習(xí)

    收集海量的文本數(shù)據(jù)作為訓(xùn)練材料。這些數(shù)據(jù)集不僅包括語法結(jié)構(gòu)的學(xué)習(xí),還包括對語言的深層次理解,如文化背景、語境含義和情感色彩等。 自監(jiān)督學(xué)習(xí):模型采用自監(jiān)督學(xué)習(xí)策略,在大量標(biāo)簽文本數(shù)據(jù)
    發(fā)表于 08-02 11:03

    【《大語言模型應(yīng)用指南》閱讀體驗(yàn)】+ 基礎(chǔ)篇

    章節(jié)最后總結(jié)了機(jī)器學(xué)習(xí)的分類:有監(jiān)督學(xué)習(xí)、監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、自監(jiān)督學(xué)習(xí)和強(qiáng)化
    發(fā)表于 07-25 14:33

    旗晟機(jī)器人人員行為監(jiān)督AI智慧算法

    ,以實(shí)現(xiàn)對工業(yè)場景巡檢運(yùn)維的高效化目標(biāo)。那么,下面我們來談?wù)勂礻蓹C(jī)器人AI智慧算法之一——人員行為監(jiān)督AI智慧算法。 旗晟人員行為監(jiān)督AI
    的頭像 發(fā)表于 07-24 17:05 ?248次閱讀
    旗晟機(jī)器人人員行為<b class='flag-5'>監(jiān)督</b><b class='flag-5'>AI</b>智慧算法

    神經(jīng)網(wǎng)絡(luò)如何用監(jiān)督算法訓(xùn)練

    神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的重要組成部分,其訓(xùn)練方式多樣,其中監(jiān)督學(xué)習(xí)是一種重要的訓(xùn)練策略。監(jiān)督學(xué)習(xí)旨在從未標(biāo)記的數(shù)據(jù)中發(fā)現(xiàn)數(shù)據(jù)內(nèi)在的結(jié)構(gòu)、模
    的頭像 發(fā)表于 07-09 18:06 ?677次閱讀

    深度學(xué)習(xí)中的監(jiān)督學(xué)習(xí)方法綜述

    應(yīng)用中往往難以實(shí)現(xiàn)。因此,監(jiān)督學(xué)習(xí)在深度學(xué)習(xí)中扮演著越來越重要的角色。本文旨在綜述深度學(xué)習(xí)中的監(jiān)督學(xué)
    的頭像 發(fā)表于 07-09 10:50 ?388次閱讀

    基于FPGA的類腦計(jì)算平臺 —PYNQ 集群的監(jiān)督圖像識別類腦計(jì)算系統(tǒng)

    STDP 監(jiān)督學(xué)習(xí)算法,可運(yùn)用于圖像的 監(jiān)督分類。 從平臺設(shè)計(jì)角度: (1)本設(shè)計(jì)搭建的基于 PYNQ 集群的通用低功耗的大規(guī)模類腦計(jì)算平臺,搭載 PYNN,NEST 等
    發(fā)表于 06-25 18:35

    齊普光電攜最新的研發(fā)成果亮相荷蘭交通展

    4月16日-19日齊普光電攜最新的研發(fā)成果來到荷蘭交通展會,其富有創(chuàng)意和創(chuàng)新性的產(chǎn)品在展會上博得大量眼球,下面讓我們看看都有哪些展品以及現(xiàn)場盛況。
    的頭像 發(fā)表于 04-20 10:47 ?427次閱讀

    機(jī)器學(xué)習(xí)基礎(chǔ)知識全攻略

    監(jiān)督學(xué)習(xí)通常是利用帶有專家標(biāo)注的標(biāo)簽的訓(xùn)練數(shù)據(jù),學(xué)習(xí)一個從輸入變量X到輸入變量Y的函數(shù)映射。Y = f (X),訓(xùn)練數(shù)據(jù)通常是(n×x,y)的形式,其中n代表訓(xùn)練樣本的大小,x和y分別是變量X和Y的樣本值。
    發(fā)表于 02-25 13:53 ?201次閱讀
    機(jī)器<b class='flag-5'>學(xué)習(xí)</b>基礎(chǔ)知識全攻略

    OpenAI推出Sora:AI領(lǐng)域的革命性突破

    大模型的核心技術(shù)是自然語言處理(NLP)和深度學(xué)習(xí)。具體而言,它基于Transformer架構(gòu),使用了大規(guī)模監(jiān)督學(xué)習(xí)方法,例如自回歸語言建模和掩碼語言建模,來訓(xùn)練一個龐大的神經(jīng)網(wǎng)絡(luò)模型。
    發(fā)表于 02-21 16:36 ?978次閱讀
    OpenAI推出Sora:<b class='flag-5'>AI</b>領(lǐng)域的革命性突破

    Meta發(fā)布新型監(jiān)督視頻預(yù)測模型“V-JEPA”

    Meta,這家社交媒體和科技巨頭,近日宣布推出一種新型的監(jiān)督視頻預(yù)測模型,名為“V-JEPA”。這一模型在視頻處理領(lǐng)域引起了廣泛關(guān)注,因?yàn)樗ㄟ^抽象性預(yù)測生成視頻中缺失或模糊的部分來進(jìn)行學(xué)習(xí),提供了一種全新的視頻處理方法。
    的頭像 發(fā)表于 02-19 11:19 ?908次閱讀

    2024年AI領(lǐng)域?qū)心男┬峦黄颇兀?/a>

    傳統(tǒng)的機(jī)器學(xué)習(xí)需要大量的標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練,但自監(jiān)督學(xué)習(xí)可以通過監(jiān)督的方式從大規(guī)模未標(biāo)記的數(shù)據(jù)中學(xué)習(xí)到更有用的表示形式,從而提高模型的性能。
    的頭像 發(fā)表于 01-24 09:58 ?1934次閱讀

    基于transformer和自監(jiān)督學(xué)習(xí)的路面異常檢測方法分享

    鋪設(shè)異常檢測可以幫助減少數(shù)據(jù)存儲、傳輸、標(biāo)記和處理的壓力。本論文描述了一種基于Transformer和自監(jiān)督學(xué)習(xí)的新方法,有助于定位異常區(qū)域。
    的頭像 發(fā)表于 12-06 14:57 ?1382次閱讀
    基于transformer和自<b class='flag-5'>監(jiān)督學(xué)習(xí)</b>的路面異常檢測方法分享

    監(jiān)督域自適應(yīng)場景:基于檢索增強(qiáng)的情境學(xué)習(xí)實(shí)現(xiàn)知識遷移

    本文對比了多種基線方法,包括監(jiān)督域自適應(yīng)的傳統(tǒng)方法(如Pseudo-labeling和對抗訓(xùn)練)、基于檢索的LM方法(如REALM和RAG)和情境學(xué)習(xí)方法(如In-context learning)。
    發(fā)表于 12-05 14:14 ?534次閱讀
    <b class='flag-5'>無</b><b class='flag-5'>監(jiān)督</b>域自適應(yīng)場景:基于檢索增強(qiáng)的情境<b class='flag-5'>學(xué)習(xí)</b>實(shí)現(xiàn)知識遷移