Вот основные события недели: Cisco приобретает AI-стартап MindMeld за 125 миллионов долларов; Навигация по ландшафту неконтролируемого обучения; Использование масштабного глубокого обучения в Хронологии Twitter; Новый подход к нейронному машинному переводу
Новости
Cisco приобретает ИИ-стартап MindMeld за 125 млн долларов США
Cisco объявила о планах приобрести AI-стартап MindMeld за 125 миллионов долларов. Технология MindMeld и ее 10 патентов, связанных с искусственным интеллектом и глубоким обучением, будут использоваться для улучшения Cisco Spark и других продуктов Cisco для совместной работы.
NVIDIA запускает облачную платформу GPU для упрощения разработки ИИ
Сегодня NVIDIA анонсировала NVIDIA GPU Cloud (NGC), облачную платформу, которая предоставит разработчикам удобный доступ — через свой ПК, систему NVIDIA DGX или облако — к комплексному программному пакету для использования преобразующих возможностей ИИ.
Статьи
Обучение роботов правильному и неправильному
Искусственный интеллект превосходит человеческий во все большем числе областей, но как мы можем убедиться, что он ведет себя нравственно? Саймон Паркин встречает мужчин, пытающихся научить компьютеры этике
Навигация по ландшафту неконтролируемого обучения
Очень подробный обзор текущего ландшафта обучения без учителя.
Учебники, инструменты и советы
Глубоко усиленная модель для абстрактного обобщения
Узким местом больше не является доступ к информации; теперь это наша способность не отставать. Нам всем приходится читать все больше и больше, чтобы быть в курсе нашей работы, новостей и социальных сетей. MetaMind исследует, как можно улучшить ИИ, автоматически суммируя более длинные тексты.
Использование глубокого обучения в масштабе временной шкалы Twitter
Прочтите, чтобы получить обзор того, как Твиттер использовал глубокое обучение для ранжирования твитов и построения соответствующих временных рамок для пользователей.
Значительное количество наших проектов по науке о данных связано с машинным обучением, и многие части этого рабочего процесса повторяются. Узнайте, как Airbnb пытается решить эту проблему и повысить производительность своих специалистов по анализу данных.
Наборы данных
Радиология — наборы данных визуализации
Langlotzlab в Стэнфордском университете в настоящее время работает с рядом наборов данных изображений из Стэнфордской медицины и за ее пределами — всего 0,5 петабайта изображений!
TriviaQA: большой набор данных для понимания прочитанного и ответов на вопросы
TriviaQA
TriviaQA — это набор данных для понимания прочитанного, содержащий более 650 000 троек «вопрос-ответ-доказательство. TriviaQA включает…nlp.cs.washington.edu»
TriviaQA — это набор данных для понимания прочитанного, содержащий более 650 000 троек «вопрос-ответ-доказательство» и 95 000 пар «вопрос-ответ».
Исследовательская работа
Новый подход к нейронному машинному переводу
Исследователи Facebook гораздо быстрее достигают современного уровня языкового перевода, используя CNN, по сравнению с RNN! Вы можете прочитать подробности в этой архивной ссылке. Кроме того, исходный код инструментария моделирования последовательности FAIR (fairseq) и обученные системы на GitHub!
Обзор глубокого обучения в анализе медицинских изображений
Алгоритмы глубокого обучения, в частности сверточные сети, быстро стали предпочтительной методологией для анализа медицинских изображений. В этой статье рассматриваются основные концепции глубокого обучения, относящиеся к анализу медицинских изображений, и обобщаются более 300 статей в этой области, большинство из которых появилось в прошлом году.
Вывод и выполнение программ для визуального мышления
Современные модели черного ящика часто учатся использовать предубеждения в данных вместо того, чтобы учиться выполнять визуальные рассуждения. Вдохновленный модульными сетями. В этой статье предлагается модель визуального мышления, состоящая из генератора программ, который строит явное представление процесса рассуждений, который должен быть выполнен, и механизма выполнения, который выполняет результирующую программу для получения ответа.
Если вам нравится то, что вы читаете, пожалуйста, обратитесь к своим друзьям или поделитесь в социальных сетях! Буду рад услышать ваши предложения и рекомендации @deephunt_in или в комментариях ниже!
