localisation actuelle:Maison > Articles techniques > Périphériques technologiques > IA
- Direction:
- tous web3.0 développement back-end interface Web base de données Opération et maintenance outils de développement cadre php programmation quotidienne Applet WeChat Problème commun autre technologie Tutoriel CMS Java Tutoriel système tutoriels informatiques Tutoriel matériel Tutoriel mobile Tutoriel logiciel Tutoriel de jeu mobile
- Classer:
-
- SIGGRAPH2024|L'Université des sciences et technologies de Shanghai et Yingmu ont proposé conjointement DressCode : générer des modèles de vêtements en 3D à partir de texte
- La colonne AIxiv est une colonne où ce site publie du contenu académique et technique. Au cours des dernières années, la rubrique AIxiv de ce site a reçu plus de 2 000 rapports, couvrant les meilleurs laboratoires des principales universités et entreprises du monde entier, favorisant efficacement les échanges et la diffusion académiques. Si vous souhaitez partager un excellent travail, n'hésitez pas à contribuer ou à nous contacter pour un rapport. Courriel de soumission : liyazhou@jiqizhixin.com ; zhaoyunfeng@jiqizhixin.com La génération 3D est l'un des sujets les plus accrocheurs dans les domaines de l'intelligence artificielle générative et de l'infographie qui répond aux normes du cinéma, de la télévision et des jeux. par l'industrie. Dans le processus de production, les actifs 3D de catégories générales sont souvent produits par modélisation ou numérisation manuelle.
- IA 445 2024-07-16 21:04:28
-
- Nouveau travail de l'équipe de Li Feifei : des robots contrôlés par le cerveau font le ménage, donnant aux interfaces cerveau-ordinateur la capacité d'apprendre avec peu d'échantillons
- Ceux qui savent utiliser leur cerveau n’utilisent jamais leurs mains. À l’avenir, vous pourrez peut-être demander à un robot de faire le ménage à votre place avec une simple pensée. Le système NOIR récemment proposé par l'équipe de Wu Jiajun et Li Feifei de l'Université de Stanford permet aux utilisateurs de contrôler des robots pour accomplir des tâches quotidiennes grâce à des appareils d'électroencéphalographie non invasifs. NOIR décode vos signaux EEG dans une bibliothèque de compétences robotiques. Il peut désormais accomplir des tâches telles que cuisiner des sukiyaki, repasser des vêtements, râper du fromage, jouer au tic-tac-toe et même caresser un chien robot. Ce système modulaire possède de puissantes capacités d’apprentissage et peut gérer des tâches complexes et variées de la vie quotidienne. L'interface cerveau-robot (BRI) est un chef-d'œuvre de l'art humain, de la science et de l'ingénierie. Nous l’avons vu dans d’innombrables œuvres de science-fiction et d’art créatif, comme The Matrix.
- IA 1089 2024-07-16 20:38:02
-
- Le premier plan de compétition de l'Olympiade mathématique de l'IA a été annoncé : les quatre équipes gagnantes ont toutes choisi le modèle national DeepSeekMath
- Le modèle gagnant de l'Olympiade mathématique de l'IA est publié ! Il y a quelques jours, avec l'annonce de la liste, il y a eu de nombreuses discussions sur le prix du progrès de la première Olympiade mondiale de mathématiques de l'IA (AIMO). Au total, 5 équipes ont remporté cette compétition. L'équipe Numina a remporté la première place, CMU_MATH s'est classée deuxième, afterexams temporairement classée troisième et les équipes codeinter et Conor#2 se sont classées respectivement quatrième et cinquième. Source de l'image : https://www.kaggle.com/c/ai-mathematical-olympiad-prize/leaderboard Ce résultat a une fois surpris Tao Zhexuan. A cette époque, seule la liste officielle des gagnants était annoncée.
- IA 996 2024-07-16 18:14:57
-
- Rapport d'expérience Hot GPT : créez des GPT exclusifs, le printemps arrive pour les personnes qui ne comprennent pas le code
- Se rapprocher des agents IA. Si la conférence des développeurs d’OpenAI ressemble à une pierre frappant l’eau, une fois terminée, les vagues se propagent dans toutes les directions. Non seulement GPT va encore plus loin dans l’intégration, éliminant le besoin de l’appeler étape par étape, mais il deviendra également un outil puissant que chacun pourra développer. Même si vous ne connaissez pas le codage ou n’avez pas de connaissances de base en informatique, vous pouvez facilement le créer. Blog officiel : https://openai.com/blog/introducing-gpts Il semble que nous ne soyons pas loin de l'imagination ultime de l'IA - « l'agent intelligent de l'IA ». La définition de ce mot est encore vague, mais il fait grossièrement référence à un programme d’IA autonome qui peut atteindre un objectif de manière indépendante après en avoir reçu un. Au cours des derniers mois, il y a eu
- IA 477 2024-07-16 17:23:42
-
- DeepMind développe un réseau neuronal variationnel Monte Carlo pour les calculs de chimie quantique
- Editeur | Cependant, les calculs de chimie quantique des propriétés de l’état fondamental des complexes positrons-molécules sont difficiles. Ici, des chercheurs de DeepMind et de l'Imperial College de Londres s'attaquent à ce problème en utilisant une fonction d'onde de réseau neuronal fermionique (FermiNet) récemment développée qui ne repose pas sur un ensemble de base. FermiNet s'est avéré produire des énergies d'état fondamental très précises et, dans certains cas, à la pointe de la technologie, dans une gamme d'atomes et de petites molécules avec une variété de propriétés qualitatives de liaison aux positons. Les chercheurs ont calculé l’énergie de liaison de la molécule non polaire de benzène et ont constaté qu’elle était en parfait accord avec les valeurs expérimentales.
- IA 529 2024-07-16 15:26:30
-
- L'intégration de molécules de lama est meilleure que le GPT, LLM peut-il comprendre les molécules ? Meta a battu OpenAI dans ce tour
- Editeur | Radis Skin Les grands modèles de langage (LLM) tels que GPT d'OpenAI et Llama de MetaAI sont de plus en plus reconnus pour leur potentiel dans le domaine de la chemininformatique, en particulier dans la compréhension du système d'entrée de ligne d'entrée moléculaire simplifié (SMILES). Ces LLM sont également capables de décoder les chaînes SMILES en représentations vectorielles. Des chercheurs de l'Université de Windsor au Canada ont comparé les performances de GPT et de Llama avec des modèles pré-entraînés sur SMILES pour intégrer des chaînes SMILES dans des tâches en aval, en se concentrant sur deux applications clés : la prédiction des propriétés moléculaires et la prédiction des interactions médicamenteuses. L'étude utilise "Canlargelangagemod"
- IA 655 2024-07-16 13:33:18
-
- Pour la première fois, l'activation neuronale du langage a été localisée au niveau cellulaire
- La carte la plus haute résolution des neurones codant pour la signification des mots à ce jour se trouve ici. 1. Les êtres humains peuvent accéder à des significations riches et subtiles grâce au langage, qui est crucial pour la communication humaine. Malgré une compréhension croissante des régions du cerveau qui soutiennent le langage et le traitement sémantique, beaucoup reste inconnu sur les dérivations neurosémantiques au niveau cellulaire. Récemment, un article de recherche publié dans la revue Nature a découvert la représentation corticale fine des informations sémantiques par des neurones uniques en suivant l'activité des neurones lors du traitement naturel de la parole. L'article s'intitule « Codage sémantique pour la compréhension du langage à une résolution unicellulaire ». 1. Adresse papier : https://www.nature.com/articles/s41586-024-07643-
- IA 857 2024-07-16 12:12:59
-
- L'académicien E Weinan dirige les nouveaux travaux : les grands modèles disposent non seulement de RAG et de stockage de paramètres, mais également d'un troisième type de mémoire.
- La mémoire 2,4 Go3 offre de meilleures performances que les modèles LLM et RAG plus grands. Ces dernières années, les grands modèles de langage (LLM) ont reçu une attention sans précédent en raison de leurs performances extraordinaires. Cependant, les coûts de formation et d'inférence du LLM sont élevés et les gens ont essayé de réduire les coûts grâce à diverses méthodes d'optimisation. Dans cet article, des chercheurs de l'Institut de recherche sur l'innovation en algorithmique de Shanghai, de l'Université de Pékin et d'autres institutions se sont inspirés de la hiérarchie de la mémoire du cerveau humain. Ils ont réduit ce problème en équipant le LLM d'une mémoire explicite (un format de mémoire moins cher que les paramètres du modèle et RAG). ). coût. Conceptuellement, LLM peut bénéficier de tailles de paramètres, de coûts de formation et de coûts d'inférence plus petits puisque la plupart de ses connaissances sont externalisées dans la mémoire explicite. Adresse papier : https :
- IA 580 2024-07-16 11:57:51
-
- L'équipe d'intelligence incorporée de l'Université de Pékin propose une navigation axée sur la demande pour aligner les besoins humains et rendre les robots plus efficaces
- Imaginez si un robot pouvait comprendre vos besoins et travailler dur pour y répondre, ne serait-ce pas génial ? Si vous souhaitez qu'un robot vous aide, vous devez généralement donner une commande plus précise, mais la mise en œuvre réelle de la commande n'est peut-être pas idéale. Si nous considérons l'environnement réel, lorsqu'on demande au robot de trouver un élément spécifique, l'élément peut ne pas exister réellement dans l'environnement actuel, et le robot ne peut pas le trouver de toute façon, mais est-il possible qu'il y ait un autre élément dans l'environnement ? qui est lié à l'utilisateur ? L'article demandé a-t-il des fonctions similaires et peut-il également répondre aux besoins de l'utilisateur ? C'est l'avantage d'utiliser des « exigences » comme instructions de tâche. Récemment, l’équipe de l’Université de Pékin à Dong Hao a proposé une nouvelle tâche de navigation : la navigation axée sur la demande (
- IA 1100 2024-07-16 11:27:39
-
- Le géant des coulisses fait passer l'IA industrielle à l'étape suivante
- Il n’y a pas de nouveau roi dans l’IA industrielle. Elle est brillante mais pas brillante, et les eaux sont calmes et profondes. Dire que l’IA générative est aujourd’hui le sujet roi, personne ne s’y opposerait. Avec quelques mots simples, les Terracotta Warriors peuvent être « ressuscités » pour chanter l'Opéra Qin, et Trump peut apparaître dans un talk-show. Lorsque la valeur émotionnelle est pleine, oserez-vous imaginer des choses plus cool, comme pouvoir créer ce que vous voulez avec seulement vos mots ? L'IA peut non seulement générer une vidéo, mais également créer un espace virtuel immersif et hautement simulé qui suit les lois physiques. Elle n'a besoin que de la voix naturelle pour saisir les instructions, et elle peut les convertir en langage industriel professionnel, puis les transmettre à l'intelligence. de la véritable usine. La chaîne de production chimique devient une « vraie chose ». Oserez-vous imaginer quelque chose de plus cool ? Vous pouvez créer ce que vous voulez avec juste vos mots ! Un avenir aussi merveilleux peut sembler lointain, mais selon la description de Siemens, il n’est plus dans l’air.
- IA 1170 2024-07-16 09:50:46
-
- L'Université de Pékin lance un nouveau modèle de robot multimodal ! Raisonnement et opérations efficaces pour des scénarios généraux et robotiques
- La colonne AIxiv est une colonne où ce site publie du contenu académique et technique. Au cours des dernières années, la rubrique AIxiv de ce site a reçu plus de 2 000 rapports, couvrant les meilleurs laboratoires des principales universités et entreprises du monde entier, favorisant efficacement les échanges et la diffusion académiques. Si vous souhaitez partager un excellent travail, n'hésitez pas à contribuer ou à nous contacter pour un rapport. Courriel de soumission : liyazhou@jiqizhixin.com ; zhaoyunfeng@jiqizhixin.com Cet article a été complété par HMILab. S'appuyant sur les deux principales plates-formes du Centre national de recherche en ingénierie pour les technologies vidéo et visuelles de l'Université de Pékin et du Laboratoire national clé de traitement de l'information multimédia, HMILab est engagé depuis longtemps dans la recherche dans le sens de l'apprentissage automatique, de l'apprentissage multimodal et de l'intelligence incorporée. Cet ouvrage n°
- IA 439 2024-07-16 03:51:40
-
- Article à score élevé ICML 2024 | L'optimiseur d'ordre zéro affine les grands modèles et réduit considérablement la mémoire
- La colonne AIxiv est une colonne où ce site publie du contenu académique et technique. Au cours des dernières années, la rubrique AIxiv de ce site a reçu plus de 2 000 rapports, couvrant les meilleurs laboratoires des principales universités et entreprises du monde entier, favorisant efficacement les échanges et la diffusion académiques. Si vous souhaitez partager un excellent travail, n'hésitez pas à contribuer ou à nous contacter pour un rapport. Courriel de soumission : liyazhou@jiqizhixin.com ; zhaoyunfeng@jiqizhixin.com Introduction au co-premier auteur de cet article : Zhang Yihua : doctorant de troisième année au département d'informatique de la Michigan State University, sous la direction du professeur. Sijia Liu. Son principal axe de recherche est la question de la sécurité, de la confidentialité et de l'efficacité des grands modèles. Li Pingzhi : Diplômé de l'Université des sciences et technologies de Chine et
- IA 990 2024-07-16 03:17:30
-
- Avec une précision comparable à celle d'AlphaFold, la méthode d'IA de l'EPFL associe les interactions protéiques à partir de séquences
- 1. Importance des interactions protéiques Les protéines sont les éléments constitutifs de la vie et participent à presque tous les processus biologiques. Comprendre comment les protéines interagissent est essentiel pour expliquer la complexité de la fonction cellulaire. 2. Nouvelle méthode : appairage de séquences protéiques en interaction L’équipe d’Anne-Florence Bitbol de l’Ecole Polytechnique Fédérale de Lausanne (EPFL) a proposé une méthode pour appairer des séquences protéiques en interaction. Cette méthode exploite la puissance des modèles de langage protéique formés sur plusieurs alignements de séquences. 3. Avantages de la méthode Cette méthode fonctionne bien pour les petits ensembles de données et peut améliorer la prédiction de la structure des complexes protéiques grâce à des méthodes supervisées. 4. Les résultats de la recherche sont publiés sous le titre « Pairinginteractingprotein
- IA 865 2024-07-16 01:18:30
-
- En commençant par l'apprentissage profond il y a 12 ans, Karpathy a déclenché une vague de souvenirs de l'ère AlexNet, et LeCun, Goodfellow, etc.
- De manière inattendue, 12 ans se sont écoulés depuis la révolution du deep learning lancée par AlexNet en 2012. Désormais, nous sommes également entrés dans l’ère des grands modèles. Récemment, un article du célèbre chercheur en IA Andrej Karpathy a fait tomber dans les mémoires de nombreux grands acteurs impliqués dans cette vague de révolution de l'apprentissage profond. Du lauréat du prix Turing Yann LeCun à Ian Goodfellow, le père du GAN, tout le monde a rappelé le passé. Jusqu'à présent, la publication a été vue plus de 630 000 fois. Dans l'article, Karpathy a mentionné : Un fait intéressant est que de nombreuses personnes ont peut-être entendu parler du moment ImageNet/AlexNet en 2012 et de la révolution de l'apprentissage profond qu'il a déclenchée. Cependant, il se peut qu'il y en ait peu
- IA 1065 2024-07-16 01:08:30
-
- AlphaFold 3 est lancé, prédisant de manière exhaustive les interactions et les structures des protéines et de toutes les molécules de la vie, avec une précision bien plus grande que jamais
- Editeur | Radis Skin Depuis la sortie du puissant AlphaFold2 en 2021, les scientifiques utilisent des modèles de prédiction de la structure des protéines pour cartographier diverses structures protéiques dans les cellules, découvrir des médicaments et dresser une « carte cosmique » de chaque interaction protéique connue. Tout à l'heure, Google DeepMind a publié le modèle AlphaFold3, capable d'effectuer des prédictions de structure conjointe pour des complexes comprenant des protéines, des acides nucléiques, de petites molécules, des ions et des résidus modifiés. La précision d’AlphaFold3 a été considérablement améliorée par rapport à de nombreux outils dédiés dans le passé (interaction protéine-ligand, interaction protéine-acide nucléique, prédiction anticorps-antigène). Cela montre qu’au sein d’un cadre unique et unifié d’apprentissage profond, il est possible de réaliser
- IA 513 2024-07-16 00:08:11