XiaoMi-AI文件搜索系统
World File Search System机器翻译
理解注意力：在思想和机器上
Bahdanau等人提出的基本注意机制。（2015）对于机器翻译而言，通过学习将目标语言与源语言中的单词保持一致，并通过学习目标语言的语言模型来对齐单词。目标序列是基于上一个单词和上下文生成的，从根本上讲，这是源和目标语言中的单词之间的映射。García（2013）表明，语言解释者用一种语言解释句子，然后将其翻译成另一种语言，而不是按单词的基础进行翻译。Ullman（2015）研究的双语中的语言获取过程提出了类似的声明/程序模型，其中不同类型的记忆负责学习两种语言的语法以及有关单词和概念的语义知识。
定量文本分析（POL42050）课程内容...
自动化文本分析在过去几年中在政治学中变得非常流行。由于网络上文本数据的大量可用性，政治科学家越来越多地认识到自动化的文本分析（或“文本作为数据”）是一种有前途的方法，用于分析各种社会和政治行为。该模块向政治学的学生介绍了文本数据的定量分析。我们讨论了基本的理论假设，这些方法的实质应用以及在R统计编程语言中的相应实现。该模块还将引入高级方法，包括单词嵌入，语音转录，机器翻译和计算机视觉。此外，我们将探索拥抱面孔python库，这是实现变压器模型和其他最先进的自然语言处理技术的强大资源。
人工智能治理中的决策点
人工智能 (AI) 的研究和开发已导致自然语言处理、图像分类和生成、机器翻译和其他领域的重大进步。人们对人工智能领域的兴趣大幅增加，1998 年至 2018 年间，全球发表的同行评审人工智能论文数量增长了 300%，全球对人工智能初创企业的投资年均增长超过 48%。1 这些进步带来了显著的科学成就和应用，包括更高的癌症筛查准确性和更有效的救灾工作。与此同时，人们越来越意识到人工智能的发展带来的重大安全、道德和社会挑战，这激发了建立负责任治理新框架的热情和紧迫感。
CNN 架构：Alex Net、Le Net、VGG、Google……
深度学习是一种更广泛的机器学习方法，它将为机器带来洞察力。如今，深度学习被广泛应用于对象识别、模式识别、自然语言处理和其他图像处理任务。但它主要用在对象识别任务中，如驾驶员辅助系统、自动驾驶系统、目标检测[1]等。在现实生活中。但它也有几个不同的有趣的应用，如黑白图像的着色、为安静的电影添加声音、自动机器翻译、照片中的对象分组、自动手写生成、字符文本生成、图像标题生成和自动游戏。在大多数情况下，深度学习可以借助不同的神经网络架构[2]进行。这些系统主要用于图像提取和训练。深度学习中使用了四种主要的神经网络。
与广泛的二甲双胍机理进步 -
人工智能（AI）开始严重影响人们的生活。它的使用无疑对现代社会的几乎每个领域都有巨大影响（Naidu，2019年），包括外语教育。AI工具（例如神经机器翻译或聊天机器人），如果学生得到老师的适当指导，则可以更加个性化和自我调节的学习。例如，聊天机器人可能会提高学生的语言技能，尤其是在研究表明的语言技能（Gayed等，2022）。此外，他们可以提供自动的纠正反馈，这可以激发学生学习外语（Smutny and Schreiberova，2020； Klimova and Pikhart，2022）。因此，它可以减轻教师对数百篇论文的负担（Reiss，2021）。相反，使用AI工具会构成某些风险和威胁，例如滥用个人和私人数据或不正确的信息（Klimlova等，2023）。
Bicleaner AI
摘要 本文介绍了在开发最新版本的 Bicleaner（名为 Bicleaner AI）期间进行的实验，该工具旨在检测并行语料库中的噪声句子。该工具现在实现了一个新的神经分类器，使用基于预训练的基于 Transformer 的语言模型的最先进的技术，这些模型在二元分类任务上进行了微调。之后，执行并行语料库过滤，丢弃相互翻译概率较低的句子。我们的实验基于使用 Bicleaner AI 过滤的语料库对两种不同场景的神经机器翻译 (NMT) 进行训练，与之前基于极端随机树实现分类器的工具版本相比，翻译质量有显着提高。
检测多模态模因中的仇恨言论
尽管它们取得了成功，但人们并不总是清楚，在多大程度上真正的多模态推理和理解对于解决当前的许多任务和数据集是必需的。例如，有人指出，语言可能会无意中强加强大的先验，从而产生看似令人印象深刻的性能，而对底层模型中的视觉内容却没有任何理解 [15]。在 VQA [3] 中也发现了类似的问题，其中没有复杂多模态理解的简单基线表现非常好 [94, 35, 1, 26]，在多模态机器翻译 [18, 74] 中，图像被发现相对重要 [13, 17, 7]。在这项工作中，我们提出了一个旨在衡量真正的多模态理解和推理的挑战集，具有直接的评估指标和直接的真实世界用例。
将人工智能工具融入指导性第二语言习得中
ChatGPT 和其他 AI 工具的公开使用正在对我们在教育等各个领域的生活产生变革性影响。许多语言学习者一段时间以来一直是支持 AI 的工具的狂热用户，例如 Google 翻译、文本编辑器（如 Grammarly）或语音助手。虽然人们普遍对 AI 产品在 L2 教学和学习中的某些用途持积极态度，但其他用途却存在争议。本章讨论了将 AI 工具集成到指导的 SLA（第二语言习得）中的问题，重点关注机器翻译、聊天机器人和基于 AI 的书面纠正反馈工具。它建议，基于现有的研究和使用 AI 工具进行教学实践的报告，L2 教师应采取批判性、平衡的方法将 AI 集成到 L2 教学中，充分利用生成式 AI 的优势，同时考虑到其缺点。
简历 - Joshua Bengio
• 魁北克人工智能研究所 Mila 的创始人和科学总监（前身为蒙特利尔学习算法研究所），该研究所汇集了蒙特利尔大学、巴黎高等商学院、蒙特利尔理工学院和麦吉尔大学的研究人员，是一个独立的非营利组织，目前拥有 500 多名研究人员，其中包括 80 名教职员工。Mila 是加拿大三个由联邦政府资助的人工智能研究和创新卓越中心之一。它是世界上最大的深度学习研究学术中心，在该领域发表了开创性的论文，从 2006 年引入深度学习开始，2009 年引入课程学习，2011 年展示 ReLU 对深度网络的强大功能，以及 2014-2015 年 GAN、神经机器翻译和注意力机制带来的突破。
口译与技术：天空真的是极限吗？
模块 I。该模块旨在用于准备口译作业，包含四个主要功能：（i）语料库管理、（ii）词汇表管理、（iii）命名实体识别（NER）和（iv）自动文本摘要。语料库管理提供与语料库相关的不同功能：自动和用户辅助语料库编译（网络爬虫）、语料库上传和语料库查询（索引、右/左排序 KWIC、n-gram、模式、候选术语）。词汇表可以从语料库创建或手动编译。词典和词汇表管理允许用户创建、上传和删除词汇表，执行外部搜索以查找翻译等价物，或者使用机器翻译和后期编辑自动翻译术语。还可以自动创建多词术语的双语词汇表并通过外部搜索进行后期编辑。