详细内容或原文请订阅后点击阅览
DeepMind在ICLR 2023的最新研究
下周是第11届学习代表国际会议（ICLR）的开始，于5月1日至5日在卢旺达的基加利举行。这将是第一次举办在非洲举行的主要人工智能会议，也是自大流行开始以来的第一次面对面活动。来自世界各地的研究人员将聚集在一起，分享他们在AI，统计学和数据科学领域以及机器视觉，游戏和机器人技术等应用领域的深入学习方面的尖端工作。我们很荣幸能以钻石赞助商和DEI冠军来支持会议。
来源:DeepMind - 新闻与博客研究能够推广、扩展和加速科学发展的人工智能模型
下周，第 11 届学习表征国际会议 (ICLR) 将于 5 月 1 日至 5 日在卢旺达基加利举行。这将是在非洲举办的首次大型人工智能（AI）会议，也是自疫情爆发以来的首次现场活动。
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，涵盖人工智能、统计和数据科学以及机器视觉、游戏和机器人等应用领域。我们很荣幸能够作为钻石赞助商和 DEI 冠军来支持这次会议。
来自 DeepMind 的团队今年将发表 23 篇论文。以下是一些要点：
关于 AGI 之路的开放性问题
最近的进展表明人工智能在文本和图像方面具有令人难以置信的性能，但需要更多的研究来使系统能够跨领域和规模泛化。这将是开发通用人工智能 (AGI) 作为我们日常生活中的变革性工具的关键一步。
我们提出了一种新方法，模型通过同时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，他们可以学习如何对需要解决类似问题的任务进行推理，这有利于泛化。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，并发现使用外部存储器增强它们对于提高性能至关重要。
通过同时解决两个问题来学习 神经网络的泛化能力 在专家级别的长期任务上取得进展