热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

智源社区AI周刊No.108:Meta发布玩外交游戏的Cicero,登Science;Neuralink实现猴子意念打字...

汇聚每周AI热点,不错过重要资讯!欢迎扫码,关注并订阅智源社区AI周刊。Meta发布外交谈判策略系统Cicero:模拟人类参

汇聚每周AI热点,不错过重要资讯!欢迎扫码,关注并订阅智源社区AI周刊。

316c3dced8aef27c7b43cac87b64a738.png

Meta发布外交谈判策略系统Cicero:模拟人类参与战略决策,已登《Science》期刊

近日,Meta发布人工智能系统Cicero,该系统结合神经符号推理、预训练语言模型等AI技术,能够在Diplomacy游戏中完成制定策略、谈判、欺骗、结盟等能力,在专业和业余混合玩家中排名前10%。纽约大学教授Gary Marcus认为:“Cicero实现了迄今为止AI最深入和最广泛的语言和动作整合,以及前所未有的与人类进行复杂交互的能力。”

为了在Diplomacy游戏中获胜,Cicero系统需要与多名玩家进行博弈论互动,需要采用对话的形式与其他玩家交互,实现自身的战略目的。整个系统包括利用游戏的当前状态、查看历史动作和对话记录,语言理解和分析等对应的模块。该系统并非简单的深度学习端到端模型,而是融入了大量手工设计的数据集和系统架构。有观点认为,Cicero系统说明人工智能并非只是深度学习。虽然现在机器学习被当做是万能的解决方案,但是Cicero也许会改变这种范式。

65220003f58aa697320d194f00ee0284.png

此外,OpenAI在本周发布ChatGPT,能够手把手接受用户的提示,并进行debug。

脑机接口新进展:马斯克的猴子学会意念打字、加州大学旧金山分校提出意念写字新方法

12月1日,马斯克表示,旗下的脑机接口工作Neuralink将在6个月开始人体试验。在视频演示中,植入了脑机接口的猴子通过无线连接的方式在屏幕上点亮字符,近似于打字(但目前无法实现拼写)。此外,Neuralink还展示了新的脑机接口植入芯片和手术机器人。

66fc07ac1223e8c2bb0b9dd5d0cf8d03.png

c284af5e5edb140746c68eddb1aa0b39.png

另一方面,加州大学旧金山团队团队提出了新的脑机接口方法,能够让脑机接口读取患者大脑中的语音信号并还原为单词。使用过程中,受试者默念一个单词唤醒AI,随后根据屏幕显示的问题,在脑中默念答案的字母读音。脑机接口根据接收到的脑电信号,使用神经网络对脑电信号进行解码,还原成单词。在这里受试者默念的是英文字母对应的NATO代码(如a对应的为α),使其更容易识别。从实验结构来看,在9000多个单词的词汇表解码中,该方法的字符平均错误率为8.23%。目前该研究已登《Nature · Communications》。

6dfea68317eb4dd166c41c0477b3a558.png

Gartner发布2023年十大重要技术趋势:自适应AI、行业云平台、元宇宙等上榜

近日,Gartner发布2023年十大重要技术趋势。在AI方面较为重要的有自适应AI(Adaptive AI)、AI信任、风险和安全管理(Trust、Risk and Security Mangement)、行业云平台(Industry Cloud Mangement)和元宇宙(Metaverse)等。

自适应AI系统能够让人工智能模型根据实际的训练数据进行调整,动态地根据反馈调整学习目标,提升对实际应用场景的响应能力。而随着越来越多的企业采用人工智能技术,其面临的风险挑战和解决措施并未同步跟进,需要来自不同业务部门的参与者合作解决。同时,行业云平台成为企业提供解决方案的基础设施,能够模块化地支持客户需求,提高AI等服务的灵活性和开发的敏捷性,推动产品服务快速迭代的同时避免被单一的下游客户锁定。元宇宙作为虚拟共享空间,能够为消费端用户提供增强性体验,为企业端客户提供由虚拟货币、非同质化通信证(NFT)等组成的虚拟系统。根据Gartner预计,2027年,全球超过40%的大型企业将投入元宇宙项目中,使用Web3、AR等技术增加营收。

活动报名

  1. 报名 | 论文一作亲讲AlphaTensor:通过强化学习发现更快的矩阵乘法算法(智源社区,12月2日)

  2. 报名 | EMNLP 2022论文预讲会(12月3日,中国中文信息学会)

  3. 报名 | 斯坦福大学雷理骅:基于多重检验的黑箱模型校准(12月8日,青源会)

  4. 报名 | 2022年大模型创新论坛发布,训练营、峰会、创业大赛、黑客马拉松、闭门研讨会、创新应用榜单六大板块全预告(12月10日-12月20日,智源研究院)

查看预训练、强化学习等领域周刊内容,欢迎点击阅读原文


招聘、活动、推广等合作,请联系:editor@baai.ac.cn

ea7dee6612df9f30b79b851299305ec5.png

e467912d9da0f97bd64ef17f08f27f2e.png

58b6a02fae8818fa536cd5da07da6fbd.png



推荐阅读
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • [译]技术公司十年经验的职场生涯回顾
    本文是一位在技术公司工作十年的职场人士对自己职业生涯的总结回顾。她的职业规划与众不同,令人深思又有趣。其中涉及到的内容有机器学习、创新创业以及引用了女性主义者在TED演讲中的部分讲义。文章表达了对职业生涯的愿望和希望,认为人类有能力不断改善自己。 ... [详细]
  • 【论文】ICLR 2020 九篇满分论文!!!
    点击上方,选择星标或置顶,每天给你送干货!阅读大概需要11分钟跟随小博主,每天进步一丢丢来自:深度学习技术前沿 ... [详细]
  • CSS3选择器的使用方法详解,提高Web开发效率和精准度
    本文详细介绍了CSS3新增的选择器方法,包括属性选择器的使用。通过CSS3选择器,可以提高Web开发的效率和精准度,使得查找元素更加方便和快捷。同时,本文还对属性选择器的各种用法进行了详细解释,并给出了相应的代码示例。通过学习本文,读者可以更好地掌握CSS3选择器的使用方法,提升自己的Web开发能力。 ... [详细]
  • 开发笔记:计网局域网:NAT 是如何工作的?
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了计网-局域网:NAT是如何工作的?相关的知识,希望对你有一定的参考价值。 ... [详细]
  • 本文介绍了绕过WAF的XSS检测机制的方法,包括确定payload结构、测试和混淆。同时提出了一种构建XSS payload的方法,该payload与安全机制使用的正则表达式不匹配。通过清理用户输入、转义输出、使用文档对象模型(DOM)接收器和源、实施适当的跨域资源共享(CORS)策略和其他安全策略,可以有效阻止XSS漏洞。但是,WAF或自定义过滤器仍然被广泛使用来增加安全性。本文的方法可以绕过这种安全机制,构建与正则表达式不匹配的XSS payload。 ... [详细]
  • JavaScript和HTML之间的交互是经由过程事宜完成的。事宜:文档或浏览器窗口中发作的一些特定的交互霎时。能够运用侦听器(或处置惩罚递次来预订事宜),以便事宜发作时实行相应的 ... [详细]
  • GPT-3发布,动动手指就能自动生成代码的神器来了!
    近日,OpenAI发布了最新的NLP模型GPT-3,该模型在GitHub趋势榜上名列前茅。GPT-3使用的数据集容量达到45TB,参数个数高达1750亿,训练好的模型需要700G的硬盘空间来存储。一位开发者根据GPT-3模型上线了一个名为debuid的网站,用户只需用英语描述需求,前端代码就能自动生成。这个神奇的功能让许多程序员感到惊讶。去年,OpenAI在与世界冠军OG战队的表演赛中展示了他们的强化学习模型,在限定条件下以2:0完胜人类冠军。 ... [详细]
  • SpringBoot整合SpringSecurity+JWT实现单点登录
    SpringBoot整合SpringSecurity+JWT实现单点登录,Go语言社区,Golang程序员人脉社 ... [详细]
  • 本文介绍了如何在Azure应用服务实例上获取.NetCore 3.0+的支持。作者分享了自己在将代码升级为使用.NET Core 3.0时遇到的问题,并提供了解决方法。文章还介绍了在部署过程中使用Kudu构建的方法,并指出了可能出现的错误。此外,还介绍了开发者应用服务计划和免费产品应用服务计划在不同地区的运行情况。最后,文章指出了当前的.NET SDK不支持目标为.NET Core 3.0的问题,并提供了解决方案。 ... [详细]
  • 建立分类感知器二元模型对样本数据进行分类
    本文介绍了建立分类感知器二元模型对样本数据进行分类的方法。通过建立线性模型,使用最小二乘、Logistic回归等方法进行建模,考虑到可能性的大小等因素。通过极大似然估计求得分类器的参数,使用牛顿-拉菲森迭代方法求解方程组。同时介绍了梯度上升算法和牛顿迭代的收敛速度比较。最后给出了公式法和logistic regression的实现示例。 ... [详细]
  • cs231n Lecture 3 线性分类笔记(一)
    内容列表线性分类器简介线性评分函数阐明线性分类器损失函数多类SVMSoftmax分类器SVM和Softmax的比较基于Web的可交互线性分类器原型小结注:中文翻译 ... [详细]
  • Python入门后,想要从事自由职业可以做哪方面工作?1.爬虫很多人入门Python的必修课之一就是web开发和爬虫。但是这两项想要赚钱的话 ... [详细]
  • 网络安全是一个非常重要的课题,基本上你运行的服务后台越多,你就可能打开更多的安全漏洞.如果配置的恰当的话,Linux本身是非常安全可靠的,假使在Linux系统中有某个安全缺陷,由于Linu ... [详细]
author-avatar
涵涵
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有