The Children’s AI Summit – an event from The Turing Institute
Hanna Barakat 和剑桥多元化基金 / 更好的人工智能图像 / 数据实验室对话 / CC-BY 4.0 许可 2025 年 2 月 4 日星期二，儿童人工智能峰会汇集了来自英国各地的约 150 名儿童，向全球领导人、政策制定者和人工智能开发者分享他们对人工智能未来的信息 […]
AIhub coffee corner: Bad practice in the publication world
AIhub 咖啡角通过简短对话记录了 AI 专家们的思考。本月，我们将讨论出版领域的不良做法。这次参与对话的有：Sanmay Das（弗吉尼亚理工大学）、Tom Dietterich（俄勒冈州立大学）、Sabine Hauert（布里斯托大学）和 Sarit Kraus（巴伊兰大学）。Sabine Hauert：[...]
Explained: Generative AI’s environmental impact
Fritzchens Fritz / Better Images of AI / GPU shot etched 5 / 由 CC-BY 4.0 授权 作者：Adam Zewe 在两部分系列文章中，MIT News 探讨了生成式 AI 对环境的影响。在本文中，我们将探讨这项技术为何如此耗费资源。第二部分将探讨专家们正在做什么来 [...]
Interview with Nisarg Shah: Understanding fairness in AI and machine learning
在济州举行的第 33 届国际人工智能联合会议 (IJCAI) 期间，我有幸与主题演讲人之一、2024 年 IJCAI 计算机与思想奖获得者 Nisarg Shah 教授会面。我问了他关于他的研究、理论在机器学习研究中的作用、公平性和安全性 [...]
Stuart J. Russell wins 2025 AAAI Award for Artificial Intelligence for the Benefit of Humanity
AAAI 人类福祉人工智能奖旨在表彰人工智能对保护、改善和改善人类生活产生的积极影响，这些影响具有深远的意义和深远影响。该奖项每年在人工智能促进协会 (AAAI) 大会上颁发。今年，AAAI 奖项委员会 […]
Forthcoming machine learning and AI seminars: February 2025 edition
这篇文章包含计划于 2025 年 2 月 3 日至 3 月 31 日举行的 AI 相关研讨会的列表。此处详述的所有活动都是免费的，任何人都可以虚拟参加。2025 年 2 月 3 日 构建光薛定谔桥 演讲者：Alexander Korotin（Skoltech） 组织者：范德堡大学 加入这里。概念瓶颈语言 […]
Hanna Barakat’s image collection & the paradoxes of depicting diversity in AI history
Hanna Barakat 和剑桥多元化基金 / Better Images of AI / Shadow Work——解密布莱切利园的密码破译者 / CC-BY 4.0 许可 作为 Better Images of AI 和剑桥大学多元化基金合作的一部分，Hanna Barakat 受委托创作了一系列数字拼贴画，以描绘关于学习的不同图像 […]
A deep learning pipeline for controlling protein interactions
LPDI 的从头蛋白质结合剂之一（红色）与蛋白质 Bcl2（蓝色）结合，与 FDA 批准的药物 Venetoclax（米色）复合 © LPDI EPFL 作者：Celia Luterbacher 2023 年，由 Bruno Correia 领导的工程学院和生命科学学院蛋白质设计和免疫工程联合实验室 (LPDI) 的科学家发表了一篇 […]
欢迎阅读我们的每月文摘，在这里您可以了解您可能错过的任何 AIhub 故事，阅读最新消息，回顾最近的事件等等。本月，我们将了解艺术家对生成 AI 的看法，学习如何使用逻辑解释神经网络，并了解如何使用机器学习研究温室 […]
Public competition for better images of AI – winners announced!
2024 年底，我们 [更好的人工智能图像] 与剑桥多元化基金会发起了一场公开竞赛，征集能够重现和重新审视剑桥大学人工智能教育多样性历史的图像。我们非常感谢收到如此多样化的投稿，这些投稿提供了丰富的诠释 [...]
Translating fiction: how AI could assist humans in expanding access to global literature and culture
作者：Andy Miah，索尔福德大学 荷兰出版社 Veen Bosch & Keuning (VBK) 已确认计划尝试使用人工智能翻译小说的消息引发了一场发人深省的辩论。一些人认为这标志着人类翻译的末日，而另一些人则认为这是新时代的开启 […]
Interview with Yuki Mitsufuji: Improving AI image generation
Yuki Mitsufuji 是索尼人工智能的首席研究科学家。Yuki 和他的团队在最近的神经信息处理系统会议 (NeurIPS 2024) 上发表了两篇论文。这些作品涉及图像生成的不同方面，标题为：GenWarp：具有语义保留生成扭曲的单幅图像到新视图和 PaGoDA：渐进式增长 […]
The Good Robot podcast: Using feminist chatbots to fight trolls with Sarah Ciston
由 Eleanor Drage 和 Kerry McInerney 主持的《The Good Robot》是一档播客节目，探讨了性别、女权主义和技术之间许多复杂的交集。使用女权主义聊天机器人与 Sarah Ciston 一起对抗网络恶搞者 在这一集中，我们采访了艺术家、程序员、作家和批判性人工智能学者 Sarah Ciston。我们请 Sarah 谈谈 […]
An open-source training framework to advance multimodal AI
尝试通过组合各种模态来模拟物理现实：图像显示了通过多种模态镜头看到的几个橙子，每个切片都展示了人们感知和理解这一场景的不同方式。从左到右的模态代表表面法线（颜色代表表面方向）、深度（到 […] 的距离
Optimizing LLM test-time compute involves solving a meta-RL problem
TL;DR：训练模型以优化测试时间计算并学习“如何发现”正确答案，而不是学习“输出什么答案”的传统学习范式，这可以使模型更好地利用数据。迄今为止，改进大型语言模型 (LLM) 的主要策略是使用越来越多的高质量数据进行监督微调 (SFT) 或强化学习 (RL)。不幸的是，这种扩展形式似乎很快就会遇到障碍，预训练的扩展定律会趋于稳定，并且有报告称，用于训练的高质量文本数据可能在 2028 年耗尽，特别是对于更困难的任务，例如解决推理问题，这似乎需要将当前数据扩展约 100 倍才能看到任何显着的改进。LLM 在这些困难任务中的问题上的当前表现仍然令人失望（见示例）。因此，迫切需要数据高效的方法来训练
Generating a biomedical knowledge graph question answering dataset
作者：Xi Yan 生物医学领域是一个复杂的相互关联的知识网络，涵盖遗传学、疾病、药物和生物过程。虽然知识图谱 (KG) 擅长组织和链接这些信息，但它们的复杂性往往使用户难以查询。理想情况下，用户应该能够用自然语言提问并获得准确的答案 [...]
The Machine Ethics podcast: 2024 in review with Karin Rudolph and Ben Byford
由 Ben Byford 主持的《机器伦理播客》汇集了对学者、作家、商界领袖、设计师和工程师的采访，主题涉及自主算法、人工智能、机器学习以及技术对社会的影响。Karin Rudolph 和 Ben Byford 回顾 2024 年 在我们的 2024 年总结节目中，我们将与 Karin Rudolph 聊聊 […]
Playbook released with guidance on creating images of AI
媒体上关于人工智能的文章通常伴随着蓝色大脑、白色机器人和飞行数学的图像，有时仅与报道的内容间接相关。由于这些糟糕的图像选择，来自媒体来源和营销材料的通信可能会误导或误导公众了解人工智能的工作原理及其影响 […]
