详细内容或原文请订阅后点击阅览
DeepMind 在 ICLR 2023 上的最新研究
下周将举行第 11 届国际学习表征会议 (ICLR)，会议将于 5 月 1 日至 5 日在卢旺达基加利举行。这将是非洲举办的首个大型人工智能 (AI) 会议，也是疫情爆发以来的首个线下活动。来自世界各地的研究人员将齐聚一堂，分享他们在深度学习方面的前沿成果，涉及人工智能、统计学和数据科学领域，以及机器视觉、游戏和机器人等应用。我们很荣幸能够以钻石赞助商和 DEI 冠军的身份支持此次会议。
来源:DeepMind - 新闻与博客研究可以泛化、扩展和加速科学发展的 AI 模型
下周将举行第 11 届国际学习表征会议 (ICLR)，会议将于 5 月 1 日至 5 日在卢旺达基加利举行。这将是非洲举办的首个大型人工智能 (AI) 会议，也是疫情爆发以来的首个线下活动。
国际学习表征会议来自世界各地的研究人员将齐聚一堂，分享他们在深度学习领域的前沿工作，涉及人工智能、统计学和数据科学领域，以及机器视觉、游戏和机器人等应用。我们很荣幸能够作为钻石赞助商和 DEI 冠军支持此次会议。
DeepMind 的各个团队今年将发表 23 篇论文。以下是一些亮点：
关于 AGI 的未决问题
最近的进展表明，人工智能在文本和图像方面表现出色，但需要更多研究才能使系统在各个领域和规模上实现泛化。这将是将通用人工智能 (AGI) 发展为我们日常生活中的变革工具的关键一步。
我们提出了一种新方法，即模型通过一举解决两个问题来学习。通过训练模型同时从两个角度看待问题，它们学会了如何推理需要解决类似问题的任务，这对泛化很有帮助。我们还通过将神经网络与乔姆斯基语言层次结构进行比较来探索神经网络的泛化能力。通过在 16 个不同的任务中严格测试 2200 个模型，我们发现某些模型难以泛化，并发现用外部内存增强它们对于提高性能至关重要。
通过一举解决两个问题来学习 神经网络的泛化能力 在专家级别上取得长期任务进展