AI治理必修第19刊|人脑给AI打工?大模型能自己"写"论文了,还带公式和参考文献!AlphaZero 的黑箱打开了!
10年前,AlexNet和ImageNet联手开启了人工智能的深度学习时代。在这之前神经网络普遍都很小(LeNet),训练数据集也都不大(CIFAR),训练还不一定能够稳定收敛,传统的机器学习方法霸占了几乎所有知名数据集的榜单。甚至在很长一段时间里,被计算机领域的其他学科吐槽是伪科学,没有理论基础,不能提供performance guarantee,完全是黑箱操作、不可解释。可以说,AlexNet带领深度学习走出了至暗时刻,扛住了时间的挑战,获得NeurIPS的时间检验奖实至名归。
面对蓬勃发展的数字科技和数字经济以及新出现的类脑特征,存在两个值得探讨的重要问题:数字科技和数字经济的发展规律是什么?数字科技和数字经济领域与脑科学是什么关系?
为了解决数据割裂、数据孤岛等问题,杨强带领的微众银行AI团队在国内系统性提出联邦学习理论。能够保证各企业在自有数据不出本地,不违规的情况下进行联合建模,提升机器学习建模效果。该团队陆续发表的3篇联邦学习论文,分别从理论、实践、规模化、工程化等不同的角度,对可信联邦学习进行了全面探索。
4.张凌寒:论数据出境安全评估的法律性质与救济路径|《行政法学研究》2023年第1期
数据出境安全评估结论为“最终结论”则造成了理论困惑。解决模式一是将“最终结论”解释为安全评估具有不可诉性。解决模式二是将“最终结论”限缩解释为网信部门的最终结论,相对人可以行政复议与行政诉讼,但现实中有难以逾越的实质性困难。在此模式下,安全评估应免于行政复议,行政诉讼救济则基于国家安全不宜审查其实质正当性,但仍可审查其程序合法性。
NeurIPS 2022官方公布了各类奖项的获奖论文。时间检验奖颁给了论文《ImageNet Classification with Deep Convolutional Neural Networks》,又名AlexNet论文。获奖理由:该研究作为第一个接受ImageNet 挑战训练的CNN,远远超过了当时最先进的技术,它对机器学习社区产生了巨大的影响。
2. 用扩散模型合成连贯视觉故事,输入字幕就能脑补画面,代词ta都分得清
阿里安全和滑铁卢大学基于扩散网络提出了故事插图生成模型AR-LDM,从故事可视化和故事延续入手。这一设置解决了故事可视化中的一些问题(泛化问题和信息限制问题),允许模型生成更有意义和连贯的图像。
3. 大模型能自己「写」论文了,还带公式和参考文献,试用版已上线
Meta AI的研究团队提出了一种新的大型语言模型Galactica,可以存储、组合和推理科学知识。该模型在大量的论文、参考资料、知识库和许多其他来源的科学语料库上进行训练的。它的性能在一系列科学任务上优于现有模型。除了文本生成,Galactica还可以执行涉及化学公式和蛋白质序列的多模态任务。这将为药物发现领域做出贡献。
4. 专业级中文AI文图创作:智源中英双语AltDiffusion开源
智源研究院大模型研究团队开源最新双语AltDiffusion模型:1.支持精细长中文 Prompts 高级创作;2.无需文化转译,从原汁原味中国话直达形神兼备中国画;3.且在绘画水平上达到低门槛中英对齐原版Stable Diffusion级震撼视效,可以说是讲中文的世界级 AI 绘画高手。
5. DeepMind最新发文:AlphaZero 的黑箱打开了
AlphaZero的作者与DeepMind的同事以及谷歌大脑的研究员合作了一项研究,在 AlphaZero的神经网络中找到了人类国际象棋概念的证据,展示了网络在训练过程中获得这些概念的时间和位置,还发现了AlphaZero与人类不同的下棋风格。
本文提出了新的框架——DiffusionDet,它将目标检测制定为从噪声框到目标框的去噪扩散过程。
本文对知识增强预训练语言模型(KE-PLMs)进行了全面的综述,以提供对这一蓬勃发展的领域的清晰洞察。分别介绍了自然语言理解(NLU)和自然语言生成(NLG)的适当分类法,以突出自然语言处理的这两个主要任务。
9. AIGC大一统模型来了!CV界泰斗黄煦涛创立团队提出「全能Diffusion」
将单流Diffusion扩展为多流网络,称为Versatile Diffusion,这是第一个统一的多流多模态Diffusion框架,是迈向通用生成性人工智能的一步。VD及其基础框架具有以下优势:1.可以以具有竞争力的高质量处理所有子任务。2.支持新的扩展和应用,如图形风格和语义的分离、图像-文本双引导生成等。3.通过这些实验和应用,为生成的输出提供了更丰富的语义洞察力。
1.大数据杀熟引起定价机制的信任危机2.淘宝价格机制公开的实践方案。
1.严格落实主体责任,支撑政府提升监管治理效能。2.积极参与标准制定,联合行业组织共促行业自律。3.积极参与标准制定,联合行业组织共促行业自律。4.加强产学研用联动,打造人工智能人才培养通道。5.联合产业治理力量,守护清朗健康网络生态环境。
1、治理“硬技术”筑底2、伦理“软规范”引领3、就人工智能治理形成广泛共识4、促进人工智能更好的应用于更广泛的场景。
《追AI的人》是一档由阿里巴巴人工智能治理与可持续发展研究中心(AAIG)联合高校和产业界发起的AI治理交互栏目。重点关注分享人工智能新技术、AI治理新观点、可持续发展新风向。
1.绿色低碳更灵巧的人工智能2.知识数据双驱动的人工智能3.人机物融合的混合人工智能4.可信可靠可解释的人工智能5.非深度神经网络的人工智能6.开放环境自适应的人工智能。
阿里巴巴和清华大学联合主办的NeurIPS AI安全论文分享会,以围绕更加安全可靠的智能技术为主题,分享在NeurIPS中包括对抗学习、贝叶斯深度学习、异常检测、鲁棒评估、噪声学习、 鲁棒动态图学习、偏微分方程求解等方向上发表的一些论文工作。
3. 【NeurIPS2022】阿里提出基于离散化对抗训练的鲁棒视觉新基准
本文中,来自阿里巴巴AAIG的研究团队在模型鲁棒性问题上进行了研究,包括对抗鲁棒、分布外泛化性等。他们提出了一种即插即用的离散化对抗训练的方法增强视觉表征。该方法在图像分类、目标检测和自监督学习等多个任务上都进行了验证,并且都有显著提升。
4. AI中文语言理解得分首超人类,阿里达摩院创造新纪录,大模型又立功了
最新中文语言理解领域权威榜单CLUE,诞生了一项新的纪录:来源于阿里通义大模型系列的AliceMind,一举在4项任务中超过了人类水平,获得了超越人类成绩的86.685高分。主要靠两个关键技术:1.基础模型迭代升级2.Finetune。
5. CIKM2022|阿里提出CROLoss: 推荐系统中检索模型的可定制损失函数
本文提出了一种可定制Recall@N优化损失(CROLoss),用于直接优化Recall@N指标。所提出的CROLoss函数空间涵盖了传统的交叉熵损失、triplet loss和BPR loss作为特例。为了实现进一步改进,设计了一种基于梯度Lambda方法以进一步提高系统性能。
6. 人脑给AI打工?给保安带上脑机接口,眼睛识别违禁品,0.3秒自动标记结果
InnerEye将脑电信号识别为“目标”和“非目标”,这些目标可以是任何训练有素的人类大脑能够识别的东西,除了开发安全筛选,还包括检测医学图像中的肿瘤,识别病害植物,发现产品缺陷等等。因为人类的大脑对于分类数据跟AI相比有着非常明显的优势,因为人类大脑会总结归纳,形成新的知识。InnerEye提出要把人类专业知识与人工智能结合起来的观点,这种结合提高了人们的工作效率,也让工作变得更轻松。
11月(上)第18刊点击查看👇
● AAIG成立一周年!砥砺前行,谱写新时代的科技之歌~请查收这份最新的自我介绍
● AI治理必修第18刊|AI取代人类,自动生成prompt了?大规模GNN如何学习?Meta AI开放150亿语言模型两周完成!
● 听委员说|AAIG薛晖出席杭州市"两会",提出加快建立人工智能产业的多元协同治理机制
● 勤能补拙的“笨小孩”AI存在什么技术瓶颈?有哪些局限性?未来AI的六大发展趋势!《追AI的人》第16期直播回放
● “算法偏见”是概念炒作吗?「这个AI不太冷」第3期带你揭秘现实AI!
更多人工智能治理和可持续发展好文点击下方名片关注和星标【阿里巴巴人工智能治理与可持续发展研究中心】👇AAIG课代表,获取最新动态就找她