APP下载

AI趋势周报第137期:DeepMind新指令集强化算法通用性和效率

消息来源:baojiabao.com 作者: 发布时间:2024-03-28

报价宝综合消息AI趋势周报第137期:DeepMind新指令集强化算法通用性和效率

DeepMind在最新的论文中提出新方法,透过设计一套类神经模型的输入输出界面,来强化算法对任意大小输入值的处理能力,进而提高通用性。

图片来源: 

DeepMind

重点新闻(0530~0604)

DeepMind     算法效率     通用性  

DeepMind新方法强化AI算法通用性和效率

在设计算法时,开发者通常注重两大功能,也就是改善准确率和效率(即所需资源越少越好),由于准确率已有许多研究着墨,DeepMind决定专攻算法的效率和通用性。近日,他们设计了一个方法,来改善类神经网络算法的通用性和效率。一般来说,类神经网络输入值大小会取决于要解决的问题,而且会随输入次数呈线性成长,这不仅耗费运算资源,也无法泛化未知的序列,也就是难以泛化训练资料以外的输入值。

不过DeepMind发现,使用恒定部分输入(Constant partial input size),就能帮助AI系统泛化训练资料以外的数据,而且还能降低计算资源成本。因此,团队设计了一个指令集,其中的参数定义了如何代表不同的算法,来执行每个指令。也就是说,该方法能应对任意大小的输入值,提高通用性。经测试,DeepMind指出,虽然新方法仍有些局限,但与现有其他方法相比,自家的方法表现更胜一筹。(详全文)

  智慧制造     SiteWise    智慧制造  

Amazon正式发表工业级IoT监测服务SiteWise

经过两年测试,Amazon近日终于正式发表工业级的IoT托管监测服务SiteWise,可自动从工厂底层的IoT设备中提取数据,将其结构化并自动标记资料,来即时产生指标、协助决策。

Amazon指出,制造业者希望能即时整合所有设备和感测器的数据,来制定更好的决策。但要收集成千上万个不同位置的IoT数据并不容易,因为这些资料储存于地端服务器,且缺乏通用的资料格式,如果要分析这些数据,还须自行加上情境资料,比如设备类型、位置以及与其他设备的关系等,甚至还须自行撰写自定义的应用程序来计算出营运指标。而SiteWise旨在克服这些问题,能自动收集IoT数据、进行标记,使用者只须对收集到的数据添加情境资料,再加上通用的性能指标,SiteWise就能开始建模,并按照使用者定义的时间,定期产出性能指标供使用者参考。此外,使用者也能从SiteWise建立网页应用程序,完全不须程式码,来视觉化即时的性能指标变化。(详全文)

  联合国     AI预测    疫情追踪  

联合国发起疫情决策AI专案,要来助各国-抗疫

联合国教科文组织(UNESCO)、史丹佛人本AI中心和非营利组织智库日前正式启动对抗武汉肺炎(COVID-19)的专案CAIAC,要为决策者、医疗专家和科学家打造AI流行病决策工具。CAIAC初期将聚焦于三大部分,分别是接触追踪、打破假消息、弥补鸿沟;就接触追踪来说,CAIAC会利用行动装置数据来打造追踪工具,来锁定疑似病例,帮助决策者拟定策略,再来,针对疫情资讯,CAIAC除了提供正确的消息来源,同时也会帮忙辨识假消息来源。最后,CAIAC会将疫情讯息带到资讯化较落后的地区,来弥补数字化差距、防止疫情扩散。CAIAC预计今年九月推出第一版工具,给联合国成员国家使用,之后也会普及到其他国家-。(详全文)

 

 

  机器学习   偏见       社会因素 

如何降低ML偏见?Google研究建议纳入社会因素

Google在最近一篇研究论文中指出,为降低机器学习偏见、提高公平性,开发者应将社会因素(Societal context)纳入考量,来设计机器学习系统。为此,由Google技术专案经理Donald Martin, Jr.领军的团队设计了一套基于复杂适应性系统(CAS)的分类模型,在CAS中,所有元素彼此直接或间接互动,也因此会不断适应变动的环境。如此一来,就很难单靠各元素的行为来预测系统变化。

不只如此,为提倡更公平的系统,团队也提出了协作式因果理论方法,来将复杂的利害关系纳入计算,以产出更贴近真实世界的预测。(详全文)

  医疗大数据     文字分析    微软 

瞄准医疗非结构化资料分析,Azure认知服务推出医疗文字分析API

微软近日在Azure认知服务中,新增了医疗领域的文字分析API。Azure认知服务原本就提供了不少AI功能,可让开发者在应用程序中,加入诸如图像辨识和语音理解等功能。

而医疗业中有许多非结构化资料,比如医疗出版物、病例和临床实验等文字,这次新添的文字分析功能,可让开发人员处理、撷取非结构化医学文本中的知识。该API可连结非结构化资料中的文字和生物医学领域中的名词实体(如诊断、药物名称、症状和剂量等),并将文字所提及的概念进行有意义的关联,而且还可以从非结构化文字中,撷取100多种的个资。(详全文)

Cloud 重复动作    电脑视觉    RepNet  

周期性动作也难不倒!Google新模型RepNet专门捕捉重复动作

Google开发出可理解各种重复过程的模型RepNet,像是人类跑步、钟摆以及鸟类拍动翅膀等动作,从单一影片辨识不停重复的动作,有别于过去从不同影片理解同一个动作。

RepNet以包含各种周期性动作的影片作为输入,来计算动作重复的周期数。RepNet由3部分组成,包括影格编码器、相似矩阵中介表示,还有周期预测器。系统会先比对每个影格与其他影格的嵌入、计算时间自相似矩阵(TSM),接着输出让后续模组来预测重复周期。虽然RepNet以合成资料集训练而成,但仍能处理实际影片,像是计算心脏跳动这种等速的重复运动。(详全文)

武汉肺炎    R语言     资料探勘  

武汉肺炎疫情带动资料探勘需求,R语言爬到新高第7名

R语言在7月的热门程式语言排行榜Tiobe Index中达到第7名,跟去年同期相比,整整提高了14个名次。这是因为,近几个月武汉肺炎(COVID-19)疫情肆虐,大学和研究机构利用R语言来开发疫苗的统计和资料探勘工作,因此R语言开始往上爬。

Tiobe软件首席执行官Paul Jansen指出,研究机构常用Python和R语言进行统计分析,但武汉肺炎爆发后,开发疫苗需大量统计和资料探勘工作,让容易学习和使用的R语言备受欢迎。至于第1名的C语言,受欢迎程度持续上涨,Tiobe认为,这是因为C语言大量使用于医疗设备上。(详全文)

机器学习开发套件     ML Kit      Google  

ML Kit与云端开发平台Firebase脱钩,更快又更安全

Google日前更新机器学习开发套件ML Kit,与Firebase脱钩,还将加入实体撷取和姿势侦测两大新功能。Google两年前推出ML Kit,让开发人员在行动App中,能添加机器学习技术。

不过开发者抱怨,ML Kit的原始版本和Firebase整合在一起,难以灵活应用。这次Google让ML Kit SDK独立出来,所有装置上API不再仰赖Firebase专案,ML Kit不仅更能支援装置上机器学习应用,而且比起云端机器学习运算,更快速也更具隐私安全。(详全文)

图片来源/DeepMind、Amazon、CAIAC、微软、Google

 AI趋势近期新闻 

1. NLP除错工具CheckList能抓出Amazon、Google和微软的NLP臭虫

2. DeepMind:深度强化学习是窥探大脑和人类行为如何运作的好方法

3. Google新研究:用自然语言就能触发行动App指令

资料来源:iThome整理,2020年7月

 
 
 
 
2020-07-16 15:48:00

相关文章