列文关键词检索结果

为 AI 文本和合成蛋白质添加水印:打击错误信息和生物恐怖主义

Watermarking for AI Text and Synthetic Proteins: Fighting Misinformation and Bioterrorism

Nataliya Smirnova 在 UnSplash 上拍摄的彩色病毒突变图像 人工智能文本和合成蛋白的水印 机器学习工程师了解人工智能在生物领域的应用 错误信息和生物恐怖主义并不是新威胁,但它们的规模和易用性迅速增加。法学硕士让制造挑拨离间自主聊天机器人变得轻而易举,而生成蛋白质设计模型则大大扩大了能够进行生物战的参与者的数量。作为一个社会,我们需要的工具多种多样,但一个重要的组成部分是我们检测它们存在的能力。这就是水印的作用所在。水印或数字水印与用来劫持您孩子的学校照片的物理水印不同,是一种用于识别所有权的秘密信号。有效的水印必须坚固耐用,经得起修改,同时在没有专门方法的情况下无法被检

Inventive AI 联合创始人兼首席执行官 Dhiren Bhatia – 访谈系列

Dhiren Bhatia, Co-Founder & CEO of Inventive AI – Interiew Series

Dhiren Bhatia 是 Inventive AI 的联合创始人兼首席执行官,Inventive AI 是一个由人工智能驱动的 RFP 和问卷回复管理平台。RFP 代表征求建议书,是组织发布的正式文件,邀请供应商或服务提供商提交特定项目或服务的提案。RFP 概述了项目要求、目标和评估标准,允许 […]Dhiren Bhatia,Inventive AI 联合创始人兼首席执行官 - 访谈系列文章首次出现在 Unite.AI 上。

勒索软件对全国学校来说是一个持续且日益严重的威胁。以下是您需要了解的内容。

Ransomware is a persistent and growing threat for schools nationwide. Here’s what you need to know.

在五部分系列文章中,我们重点介绍了第一手资料以及加强网络防御的最佳实践。

是的,我们的世界在数据中,气候变化正在增加农作物产量,对未来产量下降的担忧是毫无根据

Right, Our World In Data, Climate Change Is Increasing Crop Yields, Concern About Future Decline Is Unwarranted

没有二氧化碳和现代化的化石燃料密集型农业基础设施,就不可能获得高产量。这是读者应该从 Ritchie 的《我们的数据世界》系列文章中学到的总体教训。

气候变化的城市传说:加利福尼亚州棕榈泉

Urban Legends of Climate Change: Palm Springs, California

这可能是关于城市热岛 (UHI) 对每日创纪录高温的影响的系列文章中的第一篇。我之前的 UHI 工作一直使用 GHCN 每月平均站点数据“Tavg”(每日最高 [Tmax] 和最低 [Tmin] 温度的平均值)。因此,我将 Tavg 改为 Tmax(因为创纪录的高温非常受关注),并且使用每日值而不是每月值(尽管我有时也会包括每月结果以提供背景信息)。

Smart Robotics 创始人兼首席执行官 Heico Sandee – 访谈系列

Heico Sandee, Founder and CEO of Smart Robotics – Interview Series

Heico Sandee 是 Smart Robotics 的联合创始人兼首席执行官。Smart Robotics 提供旨在实现配送中心取放站自动化的技术和服务。该公司提供用户友好、可靠且适应性强的取放系统,能够处理各种各样的物品。是什么促使您在 2015 年共同创立 Smart Robotics?在 […]Heico Sandee,Smart Robotics 创始人兼首席执行官 - 访谈系列文章首次出现在 Unite.AI 上。

使用 PCA 进行异常值检测的简单示例

A Simple Example Using PCA for Outlier Detection

在异常值检测之前执行 PCA 转换可提高准确性、速度和内存使用率本文继续介绍使用 PCA(主成分分析)进行异常值检测的一系列应用,紧随其后的是使用 PCA 进行异常值检测。那篇文章描述了 PCA 本身,并介绍了使用 PCA 进行异常值检测的两种主要方法:评估重构误差,以及在 PCA 转换空间上运行标准异常值检测器。它还给出了第一种方法的示例,即使用重构误差,使用 PyOD 提供的 PCA 和 KPCA 检测器可以轻松完成。本文介绍了第二种方法,我们首先使用 PCA 转换数据空间,然后在此上运行标准异常值检测。正如上一篇文章所述,在某些情况下,这可能会降低可解释性,但在准确性、执行时间和内存使用

大学将艺术博物馆改造成投票和政治话语

Universities transform art museums into spaces for voting and political discourse

在这场紧张的选举的最后几天,我们来看看一个项目,该项目旨在培育一种不同类型的公民空间,以鼓励年轻人讨论问题、相互交流和投票。杰弗里·布朗访问了密歇根大学,了解了该项目的运作方式。这是我们的系列文章《艺术在行动》的一部分,该系列文章探讨了艺术与民主的交汇,也是我们的艺术和文化报道《CANVAS》的一部分。

非我发明 #1 – 肥胖

Not Invented Here #1 – Obesity

这是关于意识形态利益集团在其制度偏好受到挑战时如何反应的系列文章中的第一篇……继续阅读“非我发明 #1 – 肥胖”文章“非我发明 #1 – 肥胖”首先出现在经济事务研究所。

大学学位如何成为预测选民支持哪位候选人的最佳指标之一

How a college degree is one of the best predictors of which candidate voters support

美国政坛存在许多分歧,包括基于教育背景。为了探索这种所谓的文凭分歧,朱迪·伍德拉夫访问了密歇根州两个相邻但截然不同的县,随着今年的竞选活动接近尾声,两位候选人都曾多次在这两个县提出自己的主张。这是她系列文章《美国处于十字路口》的一部分。

大规模管理 ML 生命周期:使用 Amazon SageMaker 和 Amazon CloudWatch 实现集中可观察性

Governing the ML lifecycle at scale: Centralized observability with Amazon SageMaker and Amazon CloudWatch

这篇文章是关于大规模管理机器学习 (ML) 生命周期的系列文章的一部分。要从头开始,请参阅大规模管理 ML 生命周期,第 1 部分:使用 Amazon SageMaker 构建 ML 工作负载的框架。多账户策略不仅对于改善治理至关重要,而且对于增强 […]

平权行动裁决后,大学的种族构成如何变化

How the racial makeup of colleges changed after the affirmative action ruling

最高法院推翻平权法案后,各大学正在披露第一批入学学生的种族构成。这些数字详细展示了裁决的影响。虽然存在差异,但分析显示,几所大学的黑人入学率有所下降。Geoff Bennett 与《纽约时报》的 David Leonhardt 在我们的系列文章《重新思考大学》中进行了更多讨论。

气候与贸易解释者

Climate and Trade Explainer

性别与贸易联盟由女权主义者和进步活动家于 2018 年发起,旨在提出女权主义贸易分析并倡导公平贸易政策。本文是 Regions Refocus 为性别与贸易联盟撰写的简短问答形式“解释”系列文章的第四篇,旨在解析关键贸易问题。它是 […]

入门:如何使用 AWS 和 Bedrock 设置全栈应用程序

Getting Started: How to Set up a Full-Stack App with AWS and Bedrock

我希望拥有的 AWS Bedrock 教程:为 AWS 基础设施准备机器所需了解的一切第 1 部分:节省无数小时处理零散和不完整文档的时间,并在不到一小时内准备好您的环境作者使用 Midjourney 生成的图像如何将笔记本中一个漂亮的小型机器学习原型开发成一个强大的全栈 Web 应用程序?虽然这个过程似乎令人生畏,但这个由多个部分组成的系列将帮助您一步一步解决学习曲线,指导您解决最棘手的权限问题(AWS 因该问题而臭名昭著)。在本系列结束时,您将拥有一个功能齐全的语言翻译应用程序,并建立了快速扩展自己的 GenAI 管道所需的概念知识。这是我们关于 🌊 构建由 Amazon Bedrock

探索拉丁美洲的区域连通性 | 航空市场分析 | OAG

Exploring Regional Connectivity in Latin America | Aviation Market Analysis | OAG

本文是深入探讨拉丁美洲航空市场动态格局的系列文章中的第一篇,通过研究主要趋势、挑战和增长机遇来探索这个不断发展的市场的复杂性。

阿肯色州 K-12 教育财务系列:如何改善该州的学校资助系统

Arkansas K-12 education finance series: How to improve the state’s school funding system

本专栏是研究阿肯色州 K-12 教育资助系统和州立法机构两年一次的充分性审查程序的系列文章的第五篇也是最后一篇(以下是第一、第二、第三和第四篇文章)。本系列分析了阿肯色州如何获得其当前的教育……继续阅读阿肯色州 K-12 教育财政系列:如何改善该州的学校资助系统首先出现在 Reason Foundation 上。

AWS Inferentia 和 Trainium 上的 AI 模型优化

AI Model Optimization on AWS Inferentia and Trainium

使用 AWS Neuron SDK 加速 ML 的技巧照片由 julien Tromeur 在 Unsplash 上拍摄我们正处于人工智能的黄金时代,尖端模型颠覆了行业并准备改变我们所知的生活。推动这些进步的是越来越强大的人工智能加速器,例如 NVIDIA H100 GPU、Google Cloud TPU、AWS 的 Trainium 和 Inferentia 芯片等。随着选项数量的增加,选择最适合我们的机器学习 (ML) 工作负载的平台的挑战也随之而来——考虑到与 AI 计算相关的高成本,这是一个至关重要的决定。重要的是,对每个选项进行全面评估需要确保我们最大限度地利用它以充分利用其功能。

阿肯色州 K-12 教育财务系列:2023 年 LEARNS 法案前后的教师工资

Arkansas K-12 education finance series: Teacher pay before and after the 2023 LEARNS Act

本专栏是研究阿肯色州 K-12 资助系统和州立法机构两年一次的充分性审查程序的系列文章的第四篇。该系列旨在分析阿肯色州如何获得其当前的教育资助体系、其运作方式以及政策制定者应该考虑哪些要素……继续阅读《阿肯色州 K-12 教育财务系列:2023 年 LEARNS 法案之前和之后的教师工资》首先出现在 Reason Foundation 上。