今年3月，阿里巴巴達(dá)摩院高級(jí)研究員、美國(guó)密歇根州立大學(xué)終身教授金榕參與了CIO學(xué)院技術(shù)公益大咖說(shuō)，就《困局與破局：從深度學(xué)習(xí)到AI三大關(guān)鍵技術(shù)》這一主題進(jìn)行了分享。金榕教授介紹了語(yǔ)音、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)三大核心AI技術(shù)的關(guān)鍵進(jìn)展，并就AI技術(shù)在在實(shí)際應(yīng)用中的關(guān)鍵挑戰(zhàn)，以及達(dá)摩院應(yīng)對(duì)挑戰(zhàn)的創(chuàng)新實(shí)踐進(jìn)行了解讀。
達(dá)摩院在NLP、語(yǔ)音和CV上的進(jìn)展與應(yīng)用實(shí)踐
2020年5月底OpenAI發(fā)布了有史以來(lái)最強(qiáng)的NLP預(yù)訓(xùn)練模型GPT-3，最大的GPT-3模型參數(shù)達(dá)到了1750億個(gè)參數(shù)
解決了傳統(tǒng)圖卷積神經(jīng)網(wǎng)絡(luò)中圖節(jié)點(diǎn)學(xué)習(xí)到的特征對(duì)圖分辨率和連接關(guān)系敏感的問(wèn)題，可以實(shí)現(xiàn)在低分辨率的三維形狀上學(xué)習(xí)特征，在高低分辨率形狀之上進(jìn)行測(cè)試，并且保持不同分辨率特征的一致性
外賣(mài)履約時(shí)間預(yù)估模型，預(yù)估的是從用戶(hù)下單開(kāi)始到騎手將餐品送達(dá)用戶(hù)手中所花的時(shí)間
記憶增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)對(duì)短期的商品語(yǔ)境信息建模，并使用共享的記憶網(wǎng)絡(luò)來(lái)捕捉商品之間的長(zhǎng)期依賴(lài)，對(duì)多個(gè)模型進(jìn)行了對(duì)比,在Top-K序列推薦中效果極佳
馬庫(kù)斯系統(tǒng)性地闡述了對(duì)當(dāng)前AI研究界的批判，從認(rèn)識(shí)科學(xué)領(lǐng)域中針對(duì)性地給出了11條可執(zhí)行的建議
MIS 和RMIS觸覺(jué)傳感器最常用的傳感原理是基于電氣的傳感器。這些觸覺(jué)傳感器進(jìn)一步分為壓阻型、壓電型和電容型傳感器
應(yīng)用于MIS的觸覺(jué)傳感器主要是基于電學(xué)或光學(xué)原理開(kāi)發(fā)的，應(yīng)該是小尺寸和圓柱形的，可在導(dǎo)管的管身或尖端集成
非接觸式檢測(cè)平臺(tái)FluSense由麥克風(fēng)陣列和熱成像攝像機(jī)組成，用于捕捉不同的候診室人群行為，包括咳嗽和語(yǔ)言活動(dòng)以及候診室病人數(shù)量
通過(guò)機(jī)械機(jī)構(gòu)實(shí)現(xiàn)機(jī)械手到工具的動(dòng)力傳遞，無(wú)需外部控制及供能，對(duì)機(jī)器人的避障路徑規(guī)劃影響極小
神經(jīng)網(wǎng)絡(luò)的敏感性分析方法可以分為變量敏感性分析、樣本敏感性分析兩種，變量敏感性分析用來(lái)檢驗(yàn)輸入屬性變量對(duì)模型的影響程度，樣本敏感性分析用來(lái)研究具體樣本對(duì)模型的重要程度
神經(jīng)網(wǎng)絡(luò)模型本身其實(shí)并不是一個(gè)黑箱，其黑箱性在于我們沒(méi)辦法用人類(lèi)可以理解的方式理解模型的具體含義和行為
為決策樹(shù)模型是一個(gè)具有比較好的可解釋性的模型，以決策樹(shù)為代表的規(guī)則模型在可解釋性研究方面起到了非常關(guān)鍵的作用
