LLVM之父Chris Lattner：为什么我们要重建AI基础设施软件
AI在自动驾驶、新药研发等日常应用上并未实现当初的预言，远远没有发挥出已有机器学习研究的所有潜力;AI系统和工具的单一化和碎片化正是造成这一问题的根源;Modular AI团队已参与构建过来自TensorFlow、TF Lite、XLA、TPU、Android ML、Apple ML、MLIR等世界上大部分的生产机器学习基础设施。
1
2
0
关于人工智能的跨学科之思
所谓的学科内卷一词十分形象地道出了当前人文与自然学科研究的窘迫状态。人工智能与脑科学研究的融合则更进一步。人类对于大脑神经机制的理解对于人工智能的实现具有积极的指导意义，智能未必全然采取人类生物智能的实现机制。跳出生物智能的狭隘层面去认识智能的本质是实现多元化人工智能所不可或缺的，人工智能的符号主义与行为主义路线则是从古希腊哲学的概念逻辑与达尔文的进化理论寻求其思想源头与灵感的。
1
收藏
1
北京大学王亦洲：基于对抗博弈的主动跟踪算法研究
北京大学博雅特聘教授、前沿计算研究中心副主任王亦洲作了题为《基于对抗博弈的主动跟踪算法研究》的演讲：我将先简要介绍主动目标跟踪任务和虚拟环境等前期工作。再重点介绍四种多智能体博弈机制用于主动目标跟踪;主动跟踪在日常生活中是一种较为常见的现象和技能。比如自动驾驶的跟车、无人机在天空跟踪一些目标、视频监控时锁定一些目标、云台照相机跟踪动作等，要真正实现复杂场景下的主动目标。
1
收藏
0
UC伯克利助理教授Jacob Steinhardt预测AI基准性能：AI在数学等领域的进展比预想要快，但鲁棒性基准性能进展较慢
Forecasters’ predictions were not very good in general:However,and I suspect better than the median prediction of ML researchers (if the latter had been preregistered).,
1
收藏
0
通过奖励建模实现可扩展的智能体对齐
![](https://simg.baai.ac.cn/hubview/b38d144ec8944f9c33aefd0b3ff12212.png&wxfrom=5&wx_lazy=1&wx_co=1" data-cropselx1="0" data-cropselx2="500" data-cropsely1="0" data-cropsely2="500" da)
将强化学习算法应用于现实场景的障碍之一是缺乏合适的奖励函数，一定程度上是因为无法明确表述用户对任务目标的理解，从而能够以符合用户意图的方式解决复杂的现实世界问题，游戏任务带来的挑战需要一系列的认知能力来完成。AI进步的目标是帮助人类解决现实世界中日益复杂的挑战，如谷歌的模仿学习机器人)、偏好倾向(人类直接评价结果，就是学习一个行为符合用户意图的策略。
1
1
0
做研究无人咨询、与学生不交心，UNC助理教授两年教职挣扎史
在世界知名大学做助理教授是一种怎样的体验呢？来自该校的计算机科学助理教授 Colin Raffel 向我们分享了一些他的感受。Colin Raffel 为北卡罗来纳大学教堂山分校计算机科学系助理教授，Colin Raffel 的主要研究领域为机器学习算法，1、当了两年助理教授，不同于博士或产业研究员，你不再有导师进行指导。但系主任和初级教员之间的关系通常是不干涉的。
1
收藏
2
直播查看更多 
热门榜单
- 活动合作
- 微信社群
