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 […]
Understanding artists’ perspectives on generative AI art and transparency, ownership, and fairness
插图：Julia Zimmerman 作者：Juniper Lovato、Julia Zimmerman 和 Jennifer Karson 生成式人工智能正在迅速改变艺术世界，不仅在艺术家和模型创作者之间，而且在艺术家之间也造成了巨大的紧张关系。这些工具能够以前所未有的规模产生几乎即时的艺术作品，这正在改变生产方式 [...]
The Good Robot podcast: Lithium extraction in the Atacama with Sebastián Lehuedé
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。Sebastián Lehuedé 讲述阿塔卡马的锂提取 在本期节目中，我们采访了伦敦国王学院的伦理、人工智能和社会讲师 Sebastián Lehuedé。我们谈论数据 [...]
Interview with Erica Kimei: Using ML for studying greenhouse gas emissions from livestock
Erica Kimei 温室气体排放是气候变化的主要驱动因素。Erica Kimei 的工作重点是研究农业，特别是反刍牲畜的气体排放。我们向 Erica 询问了她的工作，以及她在深度学习 Indaba 的 AfriClimate AI 研讨会上的经历，她的研究在那里获得了奖项。请告诉我们一些关于 […]
TELL: Explaining neural networks using logic
Alexa Steinbrück / Better Images of AI / Explainable AI / 获得 CC-BY 4.0 许可 您会信任人工智能软件为您做出诊断吗？大多数人对这个问题的回答都是否定的。事实上，尽管人工智能和神经网络取得了重大进步，但它们的“黑匣子”性质是实现这一目标的重大障碍。
Will AI revolutionize drug development? Researchers explain why it depends on how it’s used
Rens Dimmendaal & Banjong Raksaphakdee / Better Images of AI / Medicines (flipped) / 获得 CC-BY 4.0 许可 作者：Duxin Sun，密歇根大学和 Christian Macedonia，密歇根大学 人工智能在药物发现和开发中的潜力引起了科学家、投资者和公众的兴奋和怀疑。“人工智能 […]
The Machine Ethics podcast: Responsible AI strategy with Olivia Gambelin
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，主题包括自主算法、人工智能、机器学习和技术对社会的影响。 Olivia Gambelin 的负责任的人工智能战略 我们聊了聊 Olivia 关于负责任的人工智能、可扩展的人工智能战略、人工智能伦理和负责任的 [...]
AI weather models can now beat the best traditional forecasts
NASA/GSFC，MODIS 快速反应小组，Jacques Descloitres Vassili Kitsios，CSIRO 根据谷歌 DeepMind 研究人员上个月在《自然》杂志上发表的一篇论文，一种名为 GenCast 的新型机器学习天气预报模型至少在某些情况下可以胜过最好的传统预报系统。 使用类似于人工智能 (AI) 图像的扩散模型方法 [...]
Human-AI collaboration in physical tasks
TL;DR：在 SmashLab，我们正在创建一个智能助手，它使用智能手表中的传感器来支持烹饪和 DIY 等物理任务。这篇博文探讨了我们如何使用与摄像头相比侵入性更低的场景理解来实现有用的、情境感知的交互，以便在日常生活中执行任务。想过让 AI 助手执行数字世界以外的任务吗？每天，我们都会执行许多任务，包括烹饪、手工制作和医疗自我护理（例如 COVID-19 自检试剂盒），这些任务涉及一系列离散步骤。准确执行所有步骤可能很困难；例如，当我们尝试一种新食谱时，我们可能会在任何步骤产生疑问，并且可能会因为跳过重要步骤或按错误顺序执行而犯错。这个项目，即传感模块的程序交互 (PrISM)，旨在通过基
在过去的 12 个月里，人工智能领域发生了太多事情。我们在每月的定期文摘中报道了一些较大且报道较少的故事。我们回顾档案，从每篇文摘中挑选一个故事。2024 年 1 月对 Bo Li 的采访：全面 […]
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，回顾最近发生的事件等等。本月，我们回顾了我们参加 NeurIPS 的一周，了解了使用机器学习和地理空间数据定位非法采矿地点的工作，并了解了一个团队如何 […]
AIhub blogpost highlights 2024
在这一年中，我们很高兴与来自世界各地的许多才华横溢的研究人员合作。随着 2024 年接近尾声，我们回顾了我们的贡献者发表的一些精彩博客文章。生成物理上一致的局部尺度气候变化预测 Jose González-Abad 报告了统计降尺度工作 […]
AIhub interview highlights 2024
在 2024 年期间，我们很高兴从世界各地的研究人员那里了解到有关一系列 AI 主题的更多信息。在这里，我们重点介绍了过去 12 个月中我们最喜欢的一些采访。请注意：我们没有包括对 AAAI/ACM SIGAI 博士生联盟参与者的采访——这些是 […]
New AI tool generates realistic satellite images of future flooding
生成式 AI 模型可视化了德克萨斯州洪水在卫星图像中的样子。左侧是原始照片，右侧是 AI 生成的图像。来源：洪水前图像来自 Maxar Open Data Program，通过 Gupta 等人提供，CVPR 研讨会论文集。生成的图像来自 Lütjen 等人，IEEE TGRS。[…]
