Qudata领域信息情报检索

收集有关机器学习和人工智能开发服务的最新新闻,数据更新和研究结果。Qudata是一家于2018年从游戏开发公司崛起,并转型专注于解决复杂的机器学习和人工智能挑战的初创公司。

保护地球的路上:分析如何支持可持续发展

On the way to protect the planet: how analytics can support sustainability

大自然保护协会在 SAS 客户智能 360 的帮助下通过数字化转型重新考虑了其营销策略。结果,这家国际环保非营利组织的会员收入创下了有史以来最好的一年。这比其他任何事情都更有助于推进其创造更可持续未来的使命。

新发现的 AI 创造力:关于基础模型的关键事实以及它们如何帮助机器人讲好笑话

Newfound AI creativity: Key facts about foundation models and how they help robots tell good jokes

您是否曾见过牛油果形茶壶的照片或读过略微偏离主题的巧妙文章?如果是这样,那么您可能已经发现了人工智能 (AI) 的最新趋势。DALL-E、GPT 和 PaLM 机器学习系统正以能够完成创造性任务的创新工具而闻名。

新研究将循环神经网络 (Rnn) 与退火概念相结合,以解决现实世界的优化问题

New Study Combines Recurrent Neural Networks (Rnn) with the Concept of Annealing to Solve Real-world Optimization Problems

优化问题涉及从各种选项中确定最佳可行答案,这在现实生活中以及大多数科学研究领域中都经常看到。然而,有许多复杂问题无法用简单的计算机方法解决,或者需要花费大量时间才能解决。

W2v-bert:结合对比学习和用于自监督语音预训练的掩蔽语言建模

W2v-bert: Combining Contrastive Learning and Masked Language Modeling for Self-supervised Speech Pre-training

受掩蔽语言建模 (MLM) 在预训练自然语言处理模型中的成功启发,开发人员提出了 w2v-BERT,探索 MLM 用于自监督语音表示学习。

OpenAI 的新神经网络根据构图描述创建照片

OpenAI's New Neural Network Creates Photos from Compositional Descriptions

“我们发现 DALL·E 还可以控制场景的视点和渲染场景的 3D 风格”,OpenAI 解释说。生成的图像范围从插图到物体,以及调整后的真实世界图片。

自动化可以取代 140 多万个工作岗位

Automation Can Replace over 1.4 Million Jobs

“雇主和雇员都需要改变他们的观点。工作的未来已经到来,技术的引入不会以统一的方式影响工作。我们必须承认它对现有工作的补充,并投资于有针对性的再培训方法,以认识到技术正在创造的新角色,并确保人力和机器劳动相互补充。

人工智能如何保护您的数字生活

How AI Can Protect Your Digital Life

近年来,随着社交媒体的使用增加,我们所有人都在网上生活,我们需要开发减少威胁、确保我们的安全并消除引起担忧的互动的方法。人工智能 (AI) 是一种先进的机器学习技术,在当代生活中发挥着重要作用,对当今社交媒体网络的运作也至关重要。

创建 AI 服务引擎的实践

Practices for Creating an AI Serving Engine

人工智能引擎审查和分析知识库中的信息,处理模型部署并检查性能。它们引入了一种新方法,应用程序可以利用人工智能来提高运营效率并帮助解决不同的业务挑战。

使用人工智能分析车辆乘员

Using Artificial Intelligence to Analyze Vehicle Occupants

“在过去十年中,Affectiva 不断寻求新专利,开拓并推进了情感 AI 和人类感知 AI 领域。我们专利组合的广度和深度反映了我们致力于突破计算机视觉、机器学习、深度学习和边缘 AI 界限的承诺;也证明了我们在定义人类感知 AI 的众多创造性和多样化应用方面的领导地位,这些应用正在塑造当今和未来的行业。”

人工智能的发展

Development of Artificial Intelligence

计算机系统拥有的能力非常先进。最早的设备不仅帮助人们解决复杂的数学问题,而且还存储了大量信息。今天,计算机操作复杂的设备和系统以防止人为错误。

设计具有感知能力的软机器人

Designing Soft Robots Which Can Sense

传统的刚性机器人无法完成广泛的任务。相反,软体机器人可以更安全地与人类互动,或更轻松地进入狭窄的空间。然而,机器人要想成功完成目标,必须知道它们身体部位的确切位置。对于可以进行几乎无限次修改的软体机器人来说,这是一项复杂的任务。