一定会胜利!海军军医大学第一附属医院原创MV《冲锋吧战友们!》

充分展现了长海人首战用我

勇挑重担、不怕牺牲的精神风貌

Mathpix 工具可以让你拍摄一个公式的照片,然后自动帮你升恒该公式的 Latex 代码。

一、发布的重要工作一览

《2019 人工智能索引报告》最终发布了,它全面分析了人工智能的现状,可以让读者更好地了解人工智能领域的总体进展。

GQA 是一个可视化问答数据集,用于支撑与视觉推理相关的研究。

同时,新发布的 PyTorch 1.3 也包含大量的新特性,包括命名张量和其它的前端改进。

VisualBERT是一种简单而鲁棒的框架,用于为「视觉-语言」任务(包括 VQA 和 Flickr30K 等)建模。该方法利用了堆叠的 Transformer 层以及注意力机制,来对齐文本片段中的元素和图像的区域。

针对所有的大事件,Elvis 还事无巨细地为大家一一附上了相关链接,诚意满满!

图 3:神经逻辑机的架构

在 BERT 发布之后,Facebook 的研究人员也随即发布了 RoBERTa,它引入了新的优化方法来改进 BERT,并在各种自然语言处理的对比基准上取得了最先进的实验结果。

图 7:我们将基于共识的 DNA 序列纠错任务形式化定义为一个多类别分类问题。通过使用 Nucleus,我们构建了一个基因组范围内的归一化碱基技术矩阵。TensorFlow 让我们可以训练能够训练一个神经网络,来预测位于窗口中间位置的正确碱基。

《全球人工智能人才报告》给出了世界范围内人工智能人才库和全球人工智能需求的详细报告。

为向坚守在疫情救治一线的战友加油鼓劲

二、ML/NLP 有哪些有创意和社会性的研究?

来不及告别这宁静的夜晚

图 2:全注意力层示意图

图 5:通过人工智能系统分析得到的脑部扫描结果

机器学习技术已经被广泛用于解决现实世界中的问题,但另一方面,人们也通过一些有趣和富有创意的方式使用机器学习。机器学习创意和人工智能领域中其它类型的研究同样重要,因为归根到底,我们希望的是构建能够帮助我们塑造文化和社会的人工智能系统。

一双双期待生命的眼睛

DeepMind 的论文《Learning and Evaluating General Linguistic Intelligence》报告了一项广泛的实证研究的结果,旨在评估应用于各项任务的语言理解模型。这项广泛的分析对于更好地理解语言模型获取的内容非常重要,从而提高它们的效率。

图 1:上一行为目标图像,下一行为合成图像

图 4:Inception V1 分类网络的激活地图集显示出了许多完全被实现了的特征(例如,电子产品、建筑物、食物、动物耳朵、植物和水的背景)

斯坦福自然语言处理小组发布了用于自然语言分析的 Python 代码库「StanfordNLP 0.2.0」。你可以在超过 70 种不同的语言上进行不同类型的语言分析(例如:词形还原和词性标注识别)。

如上所述,可解释性是神经网络架构领域需要进行大量改进的领域之一。论文《Attention is not not Explanation》讨论了在语言建模中,将注意力机制作为可解释性的一种可靠的手段的局限性。

为了给大家提供一个较好的阅读体验,本文只附上了其中的部分链接,感兴趣的同学可以前往原文,找到相应的链接地址:

本文由游民星空制作发布,未经允许禁止转载。

看不见的硝烟,一场无声的战役

不知各位有没有想过为生物医学文本挖掘任务训练一个生物医学语言模型?2019 年,研究人员提出了一种从生物医学文献中提取出重要信息的语境化方法—— BioBERT。

这部分将重点介绍与软件和数据集相关的事件,它们对自然语言处理和机器学习的研究和工程大有助益。

三、ML/NLP 工具和数据集

啊 身披白衣,救死扶伤的使命 奋不顾身 我们前赴后继 啊 身穿迷彩,我是人民子弟兵 面对疫情毫无畏惧 我们所向无敌 冲锋吧 战友们 一起冲向这战役 一起保护好我们最爱的人 加油吧 战友们 一起赢得这胜利 为了守护我们幸福的家园 任凭汗水疲惫侵蚀 一定会胜利 (作者:张洋 图片:上海长海医院) 【编辑:朱延静】

PlayStation Now可以使玩家无需PS4也能游玩服务支持的PS游戏,不过你仍然需要一个PS4手柄以及最低5Mbps的网速。

Allen 人工智能研究院发布了「Iconary」,这是一个可以和人类玩猜图游戏的人工智能系统。这项工作结合了视觉/语言学习系统和常识推理。同时,他们还发表了一种新的常识推理对比基准「Abductive-NLI」。

Janelle Shane 总结了一组「奇怪」的实验,展示了机器学习如何以有创意的方式进行有趣的实验。有时,这种实验需要真正理解人工智能系统到底在做什么(和没有做什么)。其中的一些实验包括生成「假蛇」图像和讲笑话。

2019 年底,Gary Marcus 和 Yoshua Bengio 针对深度学习、符号人工智能和混合人工智能系统进行了激烈的辩论。

常识推理仍然是一个重要的研究领域,因为我们想要构建的人工智能系统,不仅仅要能够根据拥有的数据进行预测,还要能够理解并对这些决定进行推理。这种技术可以被用于人工智能对话系统,旨在使智能体可以与人类进行更加自然的对话。Nasrin Mostafazadeh 在一篇《The Art Of AI Storytelling: How One 30 Under 30 Scientist Is Teaching Devices To Make Assumptions》采访文中,针对尝试推理及其应用展开了讨论,其应用涉及故事描述和语言理解。

背起行囊飞奔疫情前线

激活地图集是由谷歌和 Open AI 的研究人员开发的一项技术,旨在更好地理解并可视化神经网络中神经元之间发生的交互。

《冲锋吧,战友们!》

Alexander Rush 是一名哈佛大学的自然语言处理研究者,他撰写了一篇关于张量问题的重要文章《Tensor Considered Harmful》,并指出了现有的库怎样暴露出了这些问题。他还提出了关于张量索引命名的建议。

情感分析技术仍然被广为使用。Mojifier  是一个很酷炫的项目,它可以通过观察一幅图像检测到其中的情感,并使用与检测到的情感相匹配的表情替换人脸。

论文《Building Machine Learning Models via Comparisons》中,研究者们还研发出了一种方法,重点研究通过比较的方法构建并训练机器学习模型。这项技术不需要大量的「特征-标签」数据对,而是将图像与模型之前看到过的图像进行比较,以确定图像是否应该被赋予某种标签。

Facebook 人工智能团队发布了「PHYRE」,这是一种用于物理推理的对比基准,旨在通过结局各种物理难题来测试人工智能系统的物理推理能力。

《Neural Logic Machines》这项工作提出了一种「神经-符号」网络架构,可以在归纳学习和逻辑推理方面取得很好的性能。该模型在数组排序和寻找最短路径任务中表现出色。 

长海医院创作歌曲MV《冲锋吧,战友们!》

2019 年,谷歌人工智能部门针对语境化语言表征的自监督学习任务,发布了轻量级的 BERT 模型——ALBERT(论文:《ALBERT: A Lite BERT for Self-supervised Learning of Language Representations》)。该模型主要的改进之处在于减少冗余,并且更高效地分配模型的容量。该方法在12个自然语言处理任务上,都实现了最先进的性能。

Code2Seq 是于 2019 年发表的一项非常有趣的工作,它是一种根据结构化的代码表征生成自然语言序列的方法。Code2Seq 可以实现诸如自动化代码摘要和文档生成。