第 53 页-探索人工智能技术的未来

当前位置：首页 > 技术文章 > 科技周边 > 人工智能

方向：: 全部网络3.0 后端开发 web前端数据库运维开发工具 php框架每日编程微信小程序常见问题其他科技 CMS教程 Java 系统教程电脑教程硬件教程手机教程软件教程手游教程

分类：: 人工智能 IT业界

最热

最新

SIGGRAPH2024｜上科大、影眸联合提出DressCode：从文本生成3D服装板片

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com3D生成是生成式人工智能和计算机图形学领域最引人注目的话题之一，符合影视、游戏标准的3D生成尤其受产业界关注。在生产流程中，一般品类的3D资产往往通过手工建模或者扫描的方式制作

人工智能 445 2024-07-16 21:04:28
李飞飞团队新作：脑控机器人做家务，让脑机接口具备少样本学习能力

能动脑的，绝不用动手的。未来也许只需动动念头，就能让机器人帮你做好家务。斯坦福大学的吴佳俊和李飞飞团队近日提出的NOIR系统能让用户通过非侵入式脑电图装置控制机器人完成日常任务。NOIR能将你的脑电图信号解码为机器人技能库。它现在已能完成例如烹饪寿喜烧、熨衣服、磨奶酪、玩井字游戏，甚至抚摸机器狗等任务。这个模块化的系统具备强大的学习能力，可以应对日常生活中复杂多变的任务。大脑与机器人接口（BRI）堪称是人类艺术、科学和工程的集大成之作。我们已经在不胜枚举的科幻作品和创意艺术中见到它，比如《黑客帝

人工智能 1089 2024-07-16 20:38:02
首届AI奥数竞赛方案公布：4支获奖队伍，竟都选择国产模型DeepSeekMath

获胜的AI数学奥林匹克模型出炉！几天前，随着榜单的公布，大家对全球首届AI数学奥林匹克竞赛（AIMO）进步奖的讨论量居高不下。这次比赛共有5个团队胜出，获得第一名的是Numina的团队，CMU_MATH位列第二，afterexams暂居第三，codeinter、Conor#2团队分别拿到第四、第五的成绩。图源：https://www.kaggle.com/c/ai-mathematical-olympiad-prize/leaderboard这一成绩，曾让陶哲轩感到惊讶。当时官方只公布了获奖名单

人工智能 996 2024-07-16 18:14:57
热乎的GPTs体验报告：创建专属GPT，不懂代码人的春天来了

离AI智能体越来越近。如果OpenAI的开发者大会是砸向水面的石头，当它结束后，阵阵涟漪正向四面散开。GPT不仅在集成上更进一步，不必一步步调用，更将成为人人可开发的强大工具。即使你不懂编码、没有计算机相关的基础知识，也能轻松构建。官方博客：https://openai.com/blog/introducing-gpts看起来，我们似乎离AI的最终想象——「AI智能体」已经不远了。这个词的定义还尚且模糊，大致指一个自主的AI程序，被赋予一个目标后，能够独立实现。在过去的几个月里，有

人工智能 477 2024-07-16 17:23:42
DeepMind开发用于量子化学计算的神经网络变分蒙特卡罗

编辑|X近百年前，狄拉克提出正电子概念，如今在医学物理、天体物理及材料科学等多个领域都具有技术相关性。然而，正电子-分子复合物基态性质的量子化学计算具有挑战性。在此，DeepMind和伦敦帝国理工学院的研究人员，使用最近开发的费米子神经网络(FermiNet)波函数来解决这个问题，该波函数不依赖于基组。研究发现FermiNet可以在一系列具有各种不同定性正电子结合特性的原子和小分子中产生高度精确的、在某些情况下是最先进的基态能量。研究人员计算了具有挑战性的非极性苯分子的结合能，发现与实验值高度一

人工智能 529 2024-07-16 15:26:30
Llama分子嵌入优于GPT，LLM能理解分子吗？这一局Meta赢了OpenAI

编辑|萝卜皮OpenAI的GPT和MetaAI的Llama等大型语言模型（LLM）因其在化学信息学领域的潜力而日益受到认可，特别是在理解简化分子输入行输入系统（SMILES）方面。这些LLM还能够将SMILES字符串解码为矢量表示。加拿大温莎大学（UniversityofWindsor）的研究人员比较了GPT和Llama与SMILES上的预训练模型在下游任务中嵌入SMILES字符串的性能，重点关注两个关键应用：分子特性预测和药物-药物相互作用预测。该研究以「Canlargelanguagemod

人工智能 655 2024-07-16 13:33:18
第一次，语言的神经激活被定位到细胞级

迄今为止，分辨率最高的编码单词含义的神经元map来了。1.人类可以通过语言获取丰富而微妙的含义，这对人类交流至关重要。尽管人们对支持语言和语义处理的大脑区域了解不断加深，但神经语义推导在细胞水平上仍然存在许多未知。最近，《自然》杂志发表的一篇研究论文，通过跟踪神经元在自然语音处理过程中的活动，发现了单个神经元对语义信息的精细皮层表征。该论文题为《语义编码在单细胞分辨率下进行语言理解》。1.论文地址：https://www.nature.com/articles/s41586-024-07643-

人工智能 857 2024-07-16 12:12:59
鄂维南院士领衔新作：大模型不止有RAG、参数存储，还有第3种记忆

2.4B的Memory3比更大的LLM和RAG模型获得了更好的性能。近年来，大型语言模型(LLM)因其非凡的性能而获得了前所未有的关注。然而，LLM的训练和推理成本高昂，人们一直在尝试通过各种优化方法来降低成本。本文来自上海算法创新研究院、北京大学等机构的研究者受人类大脑记忆层次结构的启发，他们通过为LLM配备显式记忆（一种比模型参数和RAG更便宜的记忆格式）来降低这一成本。从概念上讲，由于其大部分知识都外化为显式记忆，因而LLM可以享受更少的参数大小、训练成本和推理成本。论文地址：https:

人工智能 580 2024-07-16 11:57:51
北大具身智能团队提出需求驱动导航，对齐人类需求，让机器人更高效

想象一下，如果机器人能够听懂你的需求，并努力满足，是不是很美好呢？如果想让机器人帮助你，你通常需要下达一个较为精准的指令，但指令在实际中的实现效果不一定理想。如果考虑真实环境，当要求机器人找某个特定的物品时，这个物品不一定真的存在当前的环境内，机器人无论如何也找不到；但是环境当中是不是可能存在一个其他物品，它和用户要求的物品有类似的功能，也能满足用户的需求呢？这就是用“需求”作为任务指令的好处了。近日，北京大学董豪团队提出了一个新的导航任务——需求驱动导航（

人工智能 1100 2024-07-16 11:27:39
藏身幕后的巨人，正将工业AI带入下一阶段

工业AI，没有新王，光而无耀，静水深流。要说生成式AI是当下话题之王，没有人会反对。简单几句话，就能让兵马俑「复活」唱秦腔，特朗普说上脱口秀。情绪价值拉满之余，你敢不敢想象更酷的事情，如动动嘴皮子就能造出想要的东西。AI不仅能够生成一段视频，更能构建一个沉浸式、高仿真、遵循物理规律的虚拟空间，只需自然语音输入指令，它就能将其转化为专业的工业语言，再交由现实工厂的智能化产线变成「实物」。敢不敢想象更酷的事情，动动嘴皮子就能造出想要的东西！如此美妙未来或许看似遥远，但在西门子的描绘下，它早已不是空中

人工智能 1170 2024-07-16 09:50:46
北大推出全新机器人多模态大模型！面向通用和机器人场景的高效推理和操作

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本文由HMILab完成。HMILab依托北京大学视频与视觉技术国家工程研究中心和多媒体信息处理全国重点实验室两大平台，长期从事机器学习、多模态学习和具身智能方向的研究。本工作第

人工智能 439 2024-07-16 03:51:40
ICML 2024高分论文 | 零阶优化器微调大模型，大幅降低内存

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本文共同第一作者简介：张逸骅：密歇根州立大学计算机系博士三年级学生，师从SijiaLiu教授，主要研究方向是大模型的安全、隐私和效率问题。李平治：本科毕业于中国科学技术大学，将

人工智能 990 2024-07-16 03:17:30
精度媲美AlphaFold，EPFL的AI方法从序列中匹配蛋白质互作

1.蛋白质相互作用的重要性蛋白质是生命的基石，参与几乎所有生物过程。了解蛋白质如何相互作用对于解释细胞功能的复杂性至关重要。2.新方法：配对相互作用的蛋白质序列洛桑联邦理工学院（EPFL）的Anne-FlorenceBitbol团队提出了一种配对相互作用的蛋白质序列的方法。该方法利用了在多个序列比对上训练的蛋白质语言模型的强大功能。3.方法优点该方法对于小型数据集表现良好，并且可以通过监督方法改进蛋白质复合物的结构预测。4.研究成果发表该研究以「Pairinginteractingprotein

人工智能 865 2024-07-16 01:18:30
12年前上手深度学习，Karpathy掀起一波AlexNet时代回忆杀，LeCun、Goodfellow等都下场

没想到，自2012年AlexNet开启的深度学习革命已经过去了12年。而如今，我们也进入了大模型的时代。近日，知名AI研究科学家AndrejKarpathy的一条帖子，让参与这波深度学习变革的许多大佬们陷入了回忆杀。从图灵奖得主YannLeCun到GAN之父IanGoodfellow，纷纷忆往昔。到目前为止，该帖子已经有63万+的浏览量。在帖子中，Karpathy提到：有一个有趣的事实是，很多人可能听说过2012年ImageNet/AlexNet的时刻，以及它开启的深度学习革命。不过，可能很少有

人工智能 1065 2024-07-16 01:08:30
AlphaFold 3 重磅问世，全面预测蛋白质与所有生命分子相互作用及结构，准确性远超以往水平

编辑|萝卜皮自2021年发布强大的AlphaFold2以来，科学家们一直在使用蛋白质结构预测模型来绘制细胞内各种蛋白质结构的图谱、发现药物，并绘制每种已知蛋白质相互作用的「宇宙图」。就在刚刚，GoogleDeepMind发布了AlphaFold3模型，该模型能够对包括蛋白质、核酸、小分子、离子和修饰残基在内的复合物进行联合结构预测。 AlphaFold3的准确性对比过去许多专用工具（蛋白质-配体相互作用、蛋白质-核酸相互作用、抗体-抗原预测）有显着提高。这表明，在单个统一的深度学习框架内，可以实现

人工智能 513 2024-07-16 00:08:11