-
Meta最新SAM2模型开源直接封神
2024年7月29日，Meta在官网发布SAM2开源消息：segment-anything-2 开源地址：https://github.com/facebookresearch/segment-anything-2 paper：sam-2-seg...
-
GPT-4通过图灵测试，胜率高达54%！UCSD新作：人类无法认出GPT-4
GPT-4可以通过图灵测试吗？ 当一个足以强大的模型诞生之后，人们往往会用图灵测试去衡量这一LLM的智能程度。 最近，来自UCSD的认知科学系研究人员发现： 在图灵测试中，人们根本无法区分GPT-4与人类！ 论文地址：https://arxiv.org...
-
美国机器人应用遥遥落后？时隔15年，十所顶尖高校重启「国家机器人路线图」
机器人技术已经有70年的历史了，从诞生之初就一直由美国领跑。 到了2009年，美国首次发布国家机器人路线路（national robotics roadmap）时，美国在工业应用领域（如汽车、航空航天和家电等）的应用已经降低到了全球第四位。 15年以...
-
什么是面部识别技术?一文读懂！
面部识别是一种通过分析一个人的面部来验证其身份的技术。其使用软件来测量主要的面部特征，如鼻梁形状、下颌轮廓和两眼之间的距离,然后将这些特征与已知的面部或模板数据库进行比较。 面部识别被用于改善机场安全、解锁智能手机、协助执法部门进行监视等等。尽管面部识别...
-
AI在市场营销技术中的崛起：转变数字营销策略
在不断演变的数字营销领域中，AI已经成为品牌寻求精确高效地导航其营销漏斗的强大工具。 通过分析大数据集中的模式和趋势，AI使营销人员能够获得关于消费者行为、偏好和购买模式的宝贵洞察，这种数据驱动的方法使品牌能够在漏斗的每个阶段——从意识到转化——都以无...
-
用户画像算法：历史、现状与未来
一、用户画像简介 画像是一种人类可理解的、机器可读写的，对用户的结构化描述。它不仅可以提供个性化服务，还在企业的战略决策和商业分析中发挥了重要作用。 1. 画像的分类 画像可以根据数据来源分为社会通识类和领域知识类。社会通识类画像又可以按照时间维度划分成...
-
预测分析在医疗保健中的作用
近年来，在技术进步的推动下，医疗保健行业发生了显著的转变。在这些创新中，预测分析作为一种强大的工具脱颖而出，彻底改变了患者护理、临床决策和资源分配。通过利用大量数据和复杂的算法，预测分析使医疗保健提供者能够预测结果、识别潜在风险并主动干预，最终改善患者...
-
人工智能可以预测犯罪吗？探索CrimeGPT的能力
人工智能(AI 与执法的交叉点开辟了犯罪预防和侦查的新领域。人工智能的预测能力通常被封锁在CrimeGPT(犯罪预测技术 等系统中，越来越多地用于预测犯罪活动。本文探讨了人工智能在预测犯罪方面的潜力、目前的应用、面临的挑战以及此类技术的道德影响。 人工...
-
人工智能改变全球医疗保健
人工智能(AI 正在重新定义全球医疗保健格局。从电子病历、图片存档和通信系统、医院管理信息系统、索赔记录和患者调查中收集的不断扩大的医疗数据，正在帮助快速制定有效的人工智能模型。 来自电子健康记录、物联网设备和医学文献的文本数据，为人工智能辅助诊断、决...
-
如何管理生成式AI
作者丨Dom Couldwell 编译丨诺亚 出品 | 51CTO技术栈（微信号：blog51cto） 根据麦肯锡公司的估计，生成式人工智能预计每年将为全球经济带来2.6万亿至4.4万亿美元的经济效益。这一预测基于63个新的应用场景，这些场景有望在多个...
-
工业5.0：融合技术大趋势，塑造智慧城市的未来
这一新阶段的标志是，深度技术发展和采用的空前增加，全球人口统计的重大变化，以及即将过渡到Web 3.0。工业5.0的本质在于，其能够将人类的创造力与先进的技术系统相结合，促进更加个性化、可持续和以人为本的工业生产方式，并建设可持续的智慧城市。这个时代...
-
羊驼2:开放的基础和微调聊天模型--Llama 2论文阅读
论文地址：https://arxiv.org/pdf/2307.09288.pdfd 代码地址：GitHub - facebookresearch/llama-recipes: Examples and recipes for Llama 2 model...
-
人工智能在高等教育中的三种创新应用
高等教育专家必须为与AI的全面协作做好准备，否则很可能错失机会、与学生群体脱节。 根据Tyton Partners最新发布的调查结果，学生在使用生成式AI产品方面的速度远比老师更快。从具体数据来说，教职工群体中的AI频繁使用比例仅为22%，而学生的这一...
-
Llama 2: Open Foundation and Fine-Tuned Chat Models
文章目录 TL;DR Introduction 背景 本文方案 实现方式 预训练 预训练数据 训练细节 训练硬件支持 预训练碳足迹 微调 SFT SFT 训练细节 RLHF 人类偏好数据收集 奖励模型 迭代式微调（RLHF） 拒...
-
Llama 2- Open Foundation and Fine-Tuned Chat Models＜3＞
3.4 RLHF 结果 3.4.1 基于模型的评估 评估LLMs是一个具有挑战性的开放研究问题。人类评估虽然是黄金标准，但可能会因各种 HCI 考虑因素而变得复杂（Clark 等人，2021；Gehrmann 等人，2023），并且并不总是可扩展的...
-
2024年IT趋势、预测和建议
2024年将是创新技术激动人心的一年，其中人工智能(AI 处于最前沿。那些在技术领域工作了一段时间的人，早就意识到人工智能的潜力。随着人工智能越来越多地进入公众视野，企业必须快速确定利用这些技术的最佳方法，同时密切关注网络安全。随着我们进入快速发展的数...
-
ChatExcel：ChatGPT后又一个有趣的应用！
文章目录 ChatExcel：ChatGPT后又一个有趣的应用！ 产品特点 功能实测 查询，更改 数据归纳统计 操控多个表格 更多可能的拓展应用 ChatExcel：ChatGPT后又一个有趣的应用！ 自ChatBCG（一...
-
AI看图猜位置，准确率超90%！斯坦福最新PIGEON模型：40%预测误差不到25公里
随手在网络上发布的一张照片，能暴露多少信息？ 外国的一位博主@rainbolt就长年接受这种「照片游戏」的挑战，网友提供照片，他来猜测照片的具体拍摄地，有些照片甚至还能猜到具体的航班细节。 是不是细思极恐？ 但「照片挑战」也同样抚慰了很多人心中的遗憾，...
-
AI测出你几岁死亡？Transformer「算命」登Nature子刊，成功预测意外死亡
【新智元导读】AI算命将可以预测人类的意外死亡?丹麦科学家用全国600万人的公开数据训练了一个基于Transformer的模型，成功预测了意外死亡和性格特点。 AI真的可以用来科学地算命了!? 丹麦技术大学 （DTU） 的研究人员声称他们已经设计出一种人工...
-
万能Prompt句式拆解，人人都是Prompt 工程师
正文共 1318字，阅读大约需要 5 分钟 内容特辑，介绍单一技能的同时今天我们添加一个Prompt造句模板，学会这个，你会成为一个优秀的Prompt Engineer ~ 快去学习、收藏、下载资料包，输出你的独立Prompt吧 ~ 推荐人 |...
-
Anthropic发布新方法 通过提示降低生成式AI偏见
人工智能公司Anthropic最近发布了一项方法，旨在通过提示工程减少公司使用的大型语言模型（LLMs）输出中的歧视。该公司在一份文件中详细介绍了一种评估方法，指导公司如何通过优化提示降低模型输出的歧视性。该文件为开发人员和决策者提供了了解LLMs生成答案...
-
2.7B能打Llama 2 70B，微软祭出「小语言模型」！96块A100 14天训出Phi-2，碾压谷歌Gemini nano
大模型现在真的是越来越卷了！ 11月OpenAI先是用GPTs革了套壳GPT们的命，然后再不惜献祭董事会搏了一波天大的流量。 谷歌被逼急了，赶在年底之前仓促发布了超大模型Gemini，卷起了多模态，甚至不惜「视频造假」。 就在今天，微软正式发布了曾在11...
-
成功实施人工智能的八个步骤
实施人工智能从来不是一件一劳永逸的事情，它需要广泛的战略，以及不断调整的过程。 以下了解企业成功实施人工智能的一些关键的实施步骤，以帮助人工智能和机器学习充分发挥其潜力。 人工智能和机器学习正从商业流行术语转向更广泛的企业应用。围绕战略和采用的努力让...
-
人工智能在供应链中有哪些应用？
应用人工智能(AI 是供应链专业人士解决关键问题和改善全球运营的一种方式。 人工智能增强工具正在整个供应链中使用，以提高效率，减少全球工人短缺的影响，并发现更好、更安全的方式将货物从一个地方转移到另一个地方。 为什么企业应该使用人工智能? 人工智能的应...
-
GPT-4没通过图灵测试！60年前老AI击败了ChatGPT，但人类胜率也仅有63%
长久以来，「图灵测试」成为了判断计算机是否具有「智能」的核心命题。 上世纪60年代，曾由麻省理工团队开发了史上第一个基于规则的聊天机器人ELIZA，在这场测试中失败了。 时间快进到现在，「地表最强」ChatGPT不仅能作图、写代码，还能胜任多种复杂任务...
-
JetBrains发布2023开发者报告！35岁危机存在吗？谁是最好的编程语言？
在开发者中影响力巨大的JetBrains发布了他们一年一度的「开发者生态系统现状」报告。 这份报告汇集了来自全球26348名开发者的见解，主题涵盖从编程语言、工具和技术，到人口统计数据等一些有趣的事实。 我们可以从中观察到广大程序员群体在各个方面的情况...
-
谷歌研究:通过对抗性数据生成和多元评估应对GenAI的道德和安全风险
谷歌研究团队在人工智能领域持续推动着对生成式AI（GenAI）安全的研究，以应对其在虚假信息、偏见和安全性方面带来的挑战。作为谷歌研究的一部分，负责构建负责任的AI和数据系统的Responsible AI and Human-Centered Techno...
-
实验证明，基于AI的干预帮助大学生通过STEM课程
在当前的STEM课程领域，美国大学生的毕业率比非STEM专业的同龄人低20%，这为更好地协助这些学生，特别是在他们的最初几个学期里，提出了迫切的需求。尽管系统性、长期的转变，如从讲授式教学向共享基于证据的教学实践的转变，应该会有所帮助，但学术界的惯性有时会...