自然语言关键词检索结果

深度学习算法 - 完整指南

Deep Learning Algorithms - The Complete Guide

您需要了解的所有基本深度学习算法,包括计算机视觉和自然语言处理中使用的模型

利用人工智能改变媒体和娱乐领域的可能性

Transforming what’s possible in Media & Entertainment with AI

人工智能已经从科幻小说的页面走向“无处不在”,就像杜比环绕声在每部电影开头都相当吓人地告诉你的那样。五年或十年前可能听起来很荒谬的对话现在已司空见惯。将人工智能与人形阿西莫夫式机器人联系在一起的日子已经一去不复返:从医疗保健到购物再到金融,人工智能无处不在。对话式人工智能已经悄然改变了客户服务的游戏规则以及公司可以通过数字界面实现的目标。聊天机器人无处不在——在银行、网上购物、食品配送中——但我们不一定注意到它们的存在。毕竟,这些智能机器人助手的理念是,它们应该让体验尽可能自然。随着机器学习、自然语言处理和先进的文本转语音技术的进步,我们应该能够实现如此自然、如此流畅的对话,以至于我们不会错过

对话式商务:如果您不购买,那么我们的算法就不够好

Conversational Commerce: if you’re not buying, then our algorithms are just not good enough

对话式商务:如果您不购买,那说明我们的算法还不够好……这就是我们仍在努力的原因!0. 开始之前首先,让我们定义一下对话式商务的含义:它是一种通过各种对话方式进行的商务。听起来很简单,对吧?消息应用程序或网站上的聊天机器人以及使用语音识别、自然语言处理和人工智能的语音助手——它们都为科技和商业领域的激动人心的转变做出了贡献。电子商务中的对话系统是可以与客户进行书面或口头对话的智能机器。它们的使用旨在通过引导交互来改善客户体验。因此,电子商务是最面向客户的行业之一,直接的个人体验和社交对话决定了品牌价值。它是一种由规则和人工智能驱动的自动化技术,使在线购物者和品牌能够通过聊天和语音界面相互交流。1

评论:斯坦福在线人工智能课程 - 深度学习和机器学习

Review : Stanford's Online Artificial Intelligence Courses - Deep Learning and Machine Learning

你好!我已经入读斯坦福大学并在网上学习他们的课程。以下是我目前所学课程的一些看法。CS224n - 自然语言处理与深度学习 (Manning 教授)难度:4/5 (中等)预期内容:了解应用于 NLP 的最先进的 (SoTA) 深度学习技术。关键主题:问答文本摘要词性标记序列到序列模型Transformers为您提供了NLP发展方向的非常好的概述,家庭作业很有挑战性,但允许您实现最新的神经架构来解决各种语言问题。我的课堂项目:BertQA(github上99*颗星)- 荣获班级最佳项目奖CS231n - 用于视觉识别的卷积神经网络(Li教授和Justin Johnson)难度:4/5(中等)预期

MIPT 和 ABBYY 开设联合科学实验室

МФТИ и ABBYY открывают совместную научную лабораторию

全球领先的智能信息处理领域解决方案开发商 ABBYY 与莫斯科物理技术学院 (MIPT) 正在开设计算机视觉和自然语言处理联合实验室。

来自 R 的 BERT

BERT from R

深度学习模型 - 来自 Google AI Research 的 BERT - 在各种自然语言处理 (NLP) 任务中取得了最先进的成果。在本教程中,我们将展示如何使用 Keras 从 R 加载和训练 BERT 模型。

Regina Barzilay:深度学习用于癌症诊断和治疗

Regina Barzilay: Deep Learning for Cancer Diagnosis and Treatment

Regina Barzilay 是麻省理工学院的教授,也是自然语言处理和深度学习在化学和肿瘤学中的应用,或使用深度学习进行癌症的早期诊断、预防和治疗方面的世界级研究员。她还因在麻省理工学院教授几门成功的人工智能相关课程而获得认可,其中包括广受欢迎的机器学习入门课程。本次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息,请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系,您可以在那里观看这些对话的视频版本。如果您喜欢播客,请在 iTunes 上给它

什么是 NLP 中的标记化?

What is Tokenization in NLP?

为什么重要:标记化是自然语言处理 (NLP) 中的常见任务。它是传统 NLP 方法(如 Count Vectorizer)和基于高级深度学习的架构(如 Transformers)的基本步骤。

实践中的集体智慧:安全是一项人权

Collective intelligence in practice: Safety as a human right

在 GoodAI 内部的一个小而敏捷的团队中,我们着手解决无人机操作中的挑战,并开发用于异构智能代理组与人类协作的工具。这项工作建立在 GoodAI 在多智能体系统方面的研究历史之上。以下是介绍我们愿景的“故事板”,我们正忙于将其变为现实:在 GoodAI,我们一直在寻找 AI 可以带来最大好处并真正增强人类能力的用例。我们发现,如果无人机能够更实惠、更强大(换句话说,如果可以使用一组更小、可一次性使用的智能单元而不是几架昂贵的无人机),并且更易于使用(这样人们就可以在无需特殊培训的情况下运行复杂的无人机操作),那么无人机可能会成为安全和安保领域的游戏规则改变者。简化无人机操作我们的第一个目标

具身集体:我们迄今为止的进展

Embodied collectives: our progress to date

在 GoodAI,我们正在构建协作式 AI 代理,以增强人类能力并大规模推动积极变革。集体智慧是我们工作的指导原则。我们的一个团队致力于开发 AI 代理,例如基于大型语言模型的 AI 助手、程序员、研究人员和斯多葛导师。同时,另一个团队正在开发 GoodAI Groundstation 平台,允许代理在物理世界中运行。民主化安全GoodAI Groundstation 使个人能够同时控制多个机器人,而无需经过专门培训。用户提供高级目标,机器人自主执行任务。团队成员参与社区安全为我们提供了第一个犯罪预防的实际用例,并激励我们创建一种使安全民主化的工具。虽然在许多情况下仍然是一种奢侈,但我们相信安

使用 TensorFlow Eage Execution 和 Keras 实现更灵活的模型

More flexible models with TensorFlow eager execution and Keras

生成对抗网络、神经风格迁移和自然语言处理中无处不在的注意力机制等高级应用过去很难用 Keras 声明式编码范式实现。现在,随着 TensorFlow Eage Execution 的出现,情况发生了变化。这篇文章探讨了如何在 R 中使用 Eage Execution。

使用嵌入进行协同过滤

Collaborative filtering with embeddings

嵌入不仅仅用于自然语言处理。在这里,我们将嵌入应用于协同过滤中的常见任务 - 预测用户评分 - 并在此过程中努力更好地理解嵌入层的实际作用。

俄罗斯联邦对话式人工智能、聊天机器人和智能助理市场

Рынок разговорного AI, чат-ботов и интеллектуальных ассистентов РФ

Just AI 是 i-Free 集团公司的一部分,专注于人工智能、机器学习和自然语言理解技术,它介绍了俄罗斯对话式 AI(人工智能)、聊天机器人和智能助理市场的研究。

存储和调用机器人交互☝️

Storing & recalling bot interactions☝️

使用 localStorageBot 界面增强 JavaScript 机器人 UI 对用户来说很有趣,对构建它们的人来说也很有利(如果做得好)。这个概念并不新鲜,但如今它特别强大。JavaScript 机器人库的实现,使用 localStorage 来记忆以前的交互。请注意灰色文本。此屏幕截图是 Archie.AI Google Chrome 应用的生产版本。对于开发人员来说,机器人意味着花在设计和构建自定义界面上的时间更少。它只是文本气泡;此外,许多现有平台都提供完全避免此过程的功能,这些功能已取得成功的应用程序 API(即 Google Assistant)。对于用户来说,机器人意味着可以

利用 AI 揭示古代手稿的秘密

Использование ИИ позволяет раскрыть тайну древней рукописи

伏尼契手稿中15世纪手稿中的神秘文字自19世纪被发现以来,一直被历史学家和密码学家尝试过,但均未成功。自然语言处理专家 Greg Kondrak 教授和研究生 Bradley Hauer 使用人工智能破译了人类语言中的歧义,并以伏尼契手稿作为案例研究。

モデルの里付け理论-大きいモデルほど性能!?

大規模言語モデルの裏付け理論-大きいモデルほど高性能!?

AI(人工智能)一词已经在日常生活中使用了很长时间。根据总务省《信息通信白皮书》,我们目前正处于第三次人工智能热潮。 这种热潮始于 2000 年代的日本。机器学习,即人工智能通过使用被称为大数据的大量数据自行获取知识,已经投入实际应用。此外,深度学习已经开始,人工智能通过定量地表示识别知识等对象时应注意的特征来获取知识。 然后,在 2020 年代,出现了大规模语言模型(LLM)。这是一种基于深度学习技术创建的语言模型,其特点是能够流畅地处理语言,类似于人类对话或聊天交流。为此,需要解释对方所说的词语(数据),相应地预测对话的主题,并做出适当的回应。这导致了生成式人工智能的出现,例如 OpenA