我上周在 Twitter 上发布的一些有趣链接（我也在 Mastodon、Threads、Newsmast、Bluesky 和 Post 上发布了这些链接）：难以与真人互动的青少年发现与人工智能互动更容易：https://futurism.com/the-byte/lonely-teens-friends-with-ai 关于使用人工智能生成的数据训练人工智能是否会导致问题的不同意见：https://www.theregister.com/2024/05/09/ai_model_collapse/ 澳大利亚正在认真对待深度伪造和其他人工智能生成的内容：https://www.techrep
В МФТИ сделали квантовую нейросеть
年轻的 MIPT 科学家是俄罗斯第一批在超导量子比特链中实验性实施量子学习算法的人。多个量子比特的量子神经网络解决了手写图像的多类分类和识别问题，准确率达到90%以上。研究结果于 2023 年 3 月上旬在米阿斯举行的 VI 国际量子技术学校上公布。
Discovering the systematic errors made by machine learning models
使用跨模态嵌入发现系统性错误在这篇博文中，我们介绍了 Domino，这是一种发现机器学习模型系统性错误的新方法。我们还讨论了定量评估 Domino 等方法的框架。链接：📄 论文（ICLR 2022）🌍 更长的演练💻 GitHub📘 文档📒 Google Colab 实现高总体准确率的机器学习模型通常会在连贯的验证数据切片上犯系统性错误。什么是切片？切片是一组具有共同特征的数据样本。例如，在大型图像数据集中，老式汽车的照片构成一个切片（即切片中的所有图像都有一个共同的主题）。术语切片有许多您可能更熟悉的同义词（例如子组、子群体、地层）。这些术语基本上可以互换，但在本文中我们将坚持使用“切片”。如
Discovering the systematic errors made by machine learning models
使用跨模态嵌入发现系统性错误在这篇博文中，我们介绍了 Domino，这是一种发现机器学习模型系统性错误的新方法。我们还讨论了定量评估 Domino 等方法的框架。链接：📄 论文（ICLR 2022）🌍 更长的演练💻 GitHub📘 文档📒 Google Colab 实现高总体准确率的机器学习模型通常会在连贯的验证数据切片上犯系统性错误。什么是切片？切片是一组具有共同特征的数据样本。例如，在大型图像数据集中，老式汽车的照片构成一个切片（即切片中的所有图像都有一个共同的主题）。术语切片有许多您可能更熟悉的同义词（例如子组、子群体、地层）。这些术语基本上可以互换，但在本文中我们将坚持使用“切片”。如
Selective Classification Can Magnify Disparities Across Groups
选择性分类是一种在错误代价高昂的环境中部署模型的有效方法，即当模型对预测不确定时，允许它们“弃权”。例如，在医学领域，模型错误可能会造成生死攸关的后果，但弃权问题可以通过让医生做出诊断来轻松处理。在从视觉 123 到 NLP 45 的一系列应用中，即使是简单的选择性分类器，仅依赖于模型逻辑，也会通过弃权而经常显著提高准确性。这使得选择性分类成为 ML 从业者 67 的有力工具。然而，在我们最近的 ICLR 论文中，我们发现尽管选择性分类可以可靠地提高平均准确率，但它可能无法提高甚至损害某些数据子群体的准确率。作为一个激励人心的例子，考虑通过胸部 X 光片诊断胸腔积液或肺部积液的任务。胸腔积液通
Selective Classification Can Magnify Disparities Across Groups
选择性分类是一种在错误代价高昂的环境中部署模型的有效方法，即当模型对预测不确定时，允许它们“弃权”。例如，在医学领域，模型错误可能会产生生死攸关的后果，但弃权可以通过退到医生那里，然后由医生做出诊断来轻松处理。在从视觉 123 到 NLP 45 的一系列应用中，即使是简单的选择性分类器，仅依赖于模型逻辑，也会通过弃权而经常显著提高准确性。这使得选择性分类成为 ML 从业者 67 的有力工具。然而，在我们最近的 ICLR 论文中，我们发现，尽管选择性分类可以可靠地提高平均准确率，但它可能无法提高甚至损害某些数据子群体的准确率。作为一个激励人心的例子，考虑通过胸部 X 光片诊断胸腔积液或肺部积液的
«Магнит» тестирует распознавание товаров на полке
公司在20家便利店开展试点项目。该系统基于神经网络，监控货架上产品的展示是否符合申报的平面图（货架图）。验证准确率达到98%。
Сбер и Microsoft разработали уникальную ИИ-систему управления роботами
公司开发了一种人工智能系统，用于控制机器人与物理世界交互。它可用于各个领域——从物流到救援行动。测试表明，在实际情况下，系统的运行准确率高达95%。该研究项目在俄罗斯尚无类似项目。
摘要：强大的计算平台与深度学习架构的结合带来了解决许多传统计算机视觉问题的新方法，以便自动解释大型且复杂的地理空间数据。随着数据的广泛获取和无人机系统的使用越来越多，此类任务尤为重要。本文档介绍了一个工作流程，利用 CNN 和 GPU 对 UAS 图像进行自动像素级分割，以加快图像处理速度。在多核 GPU 上探索基于 GPU 的计算和并行化，以减少开发时间，减少对大量模型训练的需求，并促进任务关键信息的利用。比较不同系统（单、虚拟、多 GPU）之间的 VGG-16 模型训练时间，以研究每个平台的功能。 CNN 结果显示，应用于地面实况数据时，准确率为 88%。将 VGG-16 模型与 GPU
Большие данные будут мгновенно анализировать медицинские изображения
位于莫斯科国立大学“大数据存储和分析技术”的 NTI 能力中心开发了一个软件项目，可以基于人工智能自动分析荧光检查、乳房 X 光检查和心电图数据，准确率高达 93%。
Новая версия Smart IDReader 3.3 научилась распознавать рукописный текст в паспорте РФ
Smart Engines推出新版本人工智能系统Smart IDreader 3.3，大幅提升全球文档识别准确率，支持1100种文档类型识别，并首次展示手写识别能力身份证明文件中的字段。
