免费书｜AI工作原理揭秘（无需专业背景也可读）
本书《How AI Works | No Starch Press》由数据科学家Ronald Kneusel撰写，阐述了人工智能的奥秘，包括机器学习、深度学习等概念。本书通俗易懂，无需专业背景就可以理解AI的工作原理。内容包括AI发展历史、神经网络的工作原理、卷积神经网络、生成式对抗网络等，以及大语言模型对社会的影响。该书地址为https://nostarch.com/how-ai-works。
1
收藏
0
麻省理工学院“TinyML语高效深度学习计算”课程
麻省理工学院推出“TinyML语高效深度学习计算”课程，涵盖模型压缩、剪枝、量化、神经架构搜索、分布式训练、数据/模型并行、梯度压缩和设备端微调等主题，旨在提高大型生成模型的效率。课程还将介绍特定于应用程序的加速技术和量子机器学习的主题。学生将获得实践经验，可以在笔记本电脑上部署大型语言模型。
1
0
0
NLP、视觉、芯片...AI重点方向发展几何？青源会展望报告发布[附下载]
青源会为海内外人工智能青年科研和技术人员建立了宽松、活跃的交流平台，促进AI青年科研人员开心探索智能本质。邀请自然语言处理、智能信息检索与挖掘、计算机视觉、智能体系结构与芯片、机器学习数理和基础理论、AI+科学，以及人工智能伦理治理等七个方向近百位研究者共同参与讨论。本文对青源会近期一系列活动中所探讨的重点内容和观点进行了整理汇总，形成《青源会2022年人工智能重要方向进展与未来展望报告》。
1
3
1
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
免费课｜基于大型语言模型的生成式AI
DeepLearning.AI提供了一门关于生成式AI的在线课程，旨在培养学生对其工作原理的理解和实用技能。课程内容包括最新研究和企业如何利用该技术创造价值。AWS AI从业者将提供专业指导，帮助学生构建和部署AI。该课程的名称为《Generative AI with Large Language Models | Coursera》。
1
收藏
0
直播查看更多 
热门榜单
- 活动合作
- 微信社群
