牛！博士用树莓派DIY激光枪“高端杀蚊”，网友：伤到人怎么办？
喜欢就关注我们吧！
全球三大芯片架构之一MIPS，已经成为历史。
据外媒报道，所属公司宣布将放弃继续设计MIPS架构，全身心投入RISC-V阵营。
作为当年站在RISC改革前沿的前浪，MIPS由图灵奖得主、谷歌母公司董事长John Hennessy创办坐镇，创办8年即上市。
当时究竟火到什么程度？
就是微软会将自己的Windows系统移植到MIPS，英特尔也随即花费数十亿美元开发Itanium架构，来应对当时市面上RISC的挑战的那种。
甚至MIPS一度被业内认为可以比肩Arm、x86，成为全球三大主流架构之一。
如今本应四十不惑的MIPS，却突然耐不住寂寞，意外转投大火的RISC-V阵营。
于是，就有网友感叹：这真是又一个遇上了安卓的黑莓啊。
02GPT-3数学不及格，愁坏伯克利团队，于是他们出了12500道数学作业
GPT-3，是个严重偏科的“文科生”。
UC伯克利的研究人员，在对类似GPT-3的大型语言模型进行测试后发现，数学，就是这类AI的盲区。
12500道高中数学题，GPT-3的正确率最低不到3%，最高也没超过7%。
完全不合格啊~
一直以“全知全能”形象示人的GPT-3，在面对数学问题时却一脸懵逼，这怎么能行？
于是，伯克利的团队，就量身为大语言模型打造了一个数学问题数据集。
“文科生”的数学作业，终究还是逃不掉。
为啥要让AI学数学？
AI学了数学有啥用？
数学是所有科学的基础，模拟行星轨道、原子运动、棋牌游戏等等本质都是数学问题。
去年大火的AlphaFold，生成预测蛋白质结构，本质也是复杂数学问题求解。
此外，AI解数学题时对不同解题方法的选择组合，也是衡量算法能力的参考。
所以，即便GPT-3平时面对的多是文本任务，但让它去学数学，依然有助于人们弄明白超大模型处理数学推理任务的特点。
之前的研究已经证明，牢固掌握数学概念对AI很重要。
果然，AI现在也躲不过数学竞赛了。
随着DeepMind研发的围棋机器人AlphaGo接连击败了世界上的顶尖棋手，人工智能开始得到越来越多的关注。尤其是近年来计算机算力的增长以及可靠数据越来越容易获取，人工智能中的深度学习领域得到了高速发展，深度学习模型在一些任务上的智能可以达到甚至超过人类水平。
但是在光鲜亮丽的面纱之下笼罩着一团迷雾！深度学习模型因其大量的参数、复杂的结构，以及给出的结果难以直接被人们所理解，甚至被诟病为“黑盒模型”。为了能解决这类问题，近期飞桨推出了可解释性算法库InterpretDL，用户可以调用其中的算法来让自己的模型“说人话”。
InterpretDL是首个基于飞桨的可解释性算法库，当前0.2.0版本已经上线，对飞桨框架 2.0动态图编程范式做到了全面支持。该版本包含了深度学习领域中多种常见可解释性算法，可以对计算机视觉（CV）、自然语言处理（NLP）和结构化数据（Table）的模型进行解释。那么具体有哪些可以对模型进行解释的算法呢？大体可以被分为三类：基于输入特征的算法、基于模型中间特征的算法和对训练数据解释的算法。
InterpretDL还在“InterpretDL/tutorials”目录中提供了很多教程，演示了各个算法在CV或NLP任务钟的使用方法和效果，欢迎广大开发者朋友们试用！
对了！别忘了点个Star哈！
世人苦蚊子久矣。
尤其在夏夜，耳边嗡嗡作响，甚至还得与其“挑灯夜战”个三百回合。
为此，一个国外博士便DIY了一种高端的杀蚊方式：
计算机视觉精准定位，激光瞬间射杀。
还是用树莓派打造的那种。
虽然这种用树莓派组建的“高端杀蚊”方式，让人耳目一新，但同时也引起了网友们的热议。
有人觉得这种方式不安全，主要认为功率1W的激光，对人的视力是有所损害，尤其是在搭载无人机这种情况下：
配备激光的无人机，听起来比蚊子更糟糕。
但也有网友似乎对这样的产品很是“痴迷”，高呼道：
什么时候能买到啊？
那么对于这种杀蚊方式，你会接受吗？
现在，GAN不仅能画出二次元妹子，还能精准调节五官、表情、姿势和绘画风格。
而且在调控某个因素的时候，其他条件能尽量保持不变。
这就是香港中文大学周博磊团队提出的SeFa（语义分解，Semantics Factorization），该论文最近入选了CVPR 2021（Oral）。
SeFa适用于PGGAN、StyleGAN、BigGAN和StyleGAN2等常见GAN模型，不仅对二次元妹子有效，甚至还能调控猫咪上下左右不同方向。
通过这种方法分离出映射矩阵的各个本征值，即可实现对不同图像元素的精准调控：
更重要的是，SeFa无需对GAN生成的数据进行标注，它能自己找到这些元素变化对应的编码。也就说SeFa是一种无监督方法。
目前，SeFa相关代码已经开源。
2021-03-13
2021-03-14
2021-03-14