數(shù)據(jù)科學簡訊 2023-04-06


頭條


LangChain 籌集了 1000 萬美元的種子資金

LangChain 于去年 10 月推出根盒,是一個用于組合模型的開源工具包牲证。它們使使用工具筷登、調用 API 和利用強大的預訓練生成模型變得容易璧疗。他們正在籌集資金坡疼,以幫助更好地實現(xiàn)安全驾诈、檢索和集成到更廣泛的 ML 生態(tài)系統(tǒng)的目標。

PaLM API 和 MakerSuite:一種開始原型設計和構建生成式 AI 應用程序的平易近人的方式

谷歌通過提供易于使用的 API 和工具(例如新發(fā)布的 PaLM API 和 MakerSuite)宿礁,使開發(fā)人員能夠使用生成式 AI 構建下一代應用程序。這些工具將通過 Private Preview 提供給選定的開發(fā)人員蔬芥,從而可以輕松安全地試驗 Google 的大型語言模型梆靖。

Daniel Gross 和 Nat Friedman 關于 AI 產(chǎn)品革命的訪談

Ben Thompson 曾在去年 10 月和 12 月采訪過 Daniel Gross 和 Nat Friedman。在第一次采訪中笔诵,他們討論了盡管 GPT-3 等模型具有先進的功能返吻,但 AI 產(chǎn)品的可用性有限。在 12 月的后續(xù)采訪中乎婿,談話在 ChatGPT 出現(xiàn)后發(fā)生了變化〔饨現(xiàn)在,三個月后谢翎,湯普森計劃趕上格羅斯和弗里德曼捍靠,討論最近出現(xiàn)的人工智能產(chǎn)品。


研究


數(shù)據(jù)越多越好森逮,即使對于機器人也是如此

一個有趣的悖論是 Moravec 的悖論榨婆,它本質上說讓計算機做知識工作很容易,但簡單的操作很難褒侧。這項工作是改進機器人移動操作的重要一步良风。他們訓練了一個 Visual Cortex 模型(開源)颜武,可以處理 17 種不同的具有挑戰(zhàn)性的任務表示。然后拖吼,他們在波士頓動力機器人上進行了一些巧妙的模擬訓練和現(xiàn)實世界的適應,該機器人在導航陌生房屋这吻、尋找物體并將它們移動到目標位置方面取得了令人印象深刻的成功吊档。如果說有什么不同的話,那就是從語言模型的泛濫中解脫出來唾糯。

RLHF 如何改變Transformers的內部工作原理怠硼?

一直以來,可解釋性領域研究神經(jīng)網(wǎng)絡的內部運作移怯,試圖找出哪些部分對應于哪種行為香璃。 盡管這種效果可能無法擴展到功能更強大的模型,RLHF 似乎極大地改變了模型的行為舟误。 “正在發(fā)生什么變化葡秒?”這一主要問題仍未得到解答。這篇博文是對經(jīng)過訓練生成負面電影評論的小型 GPT 樣式模型的有趣探索嵌溢。他們發(fā)現(xiàn)模型的一小部分是造成新行為的原因眯牧。

另一個 llama 模型加入競爭

與斯坦福大學的Alpaca 類似,Koala 接受了對話和指令數(shù)據(jù)的訓練赖草。然而学少,他們沒有使用 OpenAI 模型的蒸餾,而是從網(wǎng)絡上免費提供的資源中獲取數(shù)據(jù)秧骑。他們的模型實際上似乎可以與強大的閉源模型相媲美版确,并且可以與數(shù)據(jù)集一起微調代碼以供進一步研究。


工程


跟隨你的姿勢:使用無姿勢視頻生成文本到視頻

本文提出了一種兩階段訓練方案乎折,用于生成文本可編輯和姿勢可控的角色視頻绒疗,使用易于獲得的數(shù)據(jù)集和預訓練的文本到圖像模型。該方法成功生成了姿勢可控的角色視頻笆檀,并保留了預訓練模型的編輯能力忌堂。

快速實時視頻增強

ReBotNet 是一種視頻模型,旨在實時增強直播流和視頻會議酗洒。他們使用雙分支網(wǎng)絡學習不同類型的視頻抽象士修,例如基于位置和時間的視頻抽象。然后他們使用一個通用的解碼器網(wǎng)絡來輸出增強的幀樱衷。它以 50 fps 的速度運行棋嘲,使用大約 5GB 的內存,并且性能與比它大 8 倍的模型相當矩桂。

Babyagi (GitHub Repo)

Babyagi 是一個 Python AI 驅動的任務管理系統(tǒng)


雜七雜八


AI in 14 Charts

在 14 張圖表中了解 AI 進展沸移。

斯坦福 386 頁 AI 報告的要點

本文深入探討了斯坦福大學大量 AI 報告中的一些高級要點。以下是一些要點:在過去的十年中,人工智能的發(fā)展已經(jīng)從學術界主導轉變?yōu)樾袠I(yè)主導雹锣,而且幅度很大网沾,而且沒有任何改變的跡象。在傳統(tǒng)基準測試模型變得越來越困難蕊爵,這里可能需要一種新的范例辉哥。人工智能訓練和使用的能源足跡越來越可觀,但我們還沒有看到它如何在其他地方提高效率攒射。

拜登會見顧問討論人工智能

拜登總統(tǒng)將與總統(tǒng)科學技術顧問委員會(PCAST)的科學顧問會面醋旦,討論人工智能的“風險和機遇”。

亞馬遜為生成式人工智能公司推出創(chuàng)業(yè)加速器

亞馬遜為構建生成式 AI 技術的公司推出了新的加速器会放。

Expedia 集成 GPT-4

Expedia 集成了 GPT-4 以協(xié)助旅行規(guī)劃饲齐。

Rask - 人工智能視頻本地化和配音應用

Rask AI 是一種一站式本地化工具,允許內容創(chuàng)作者高效地將他們的視頻翻譯成 60 多種語言咧最。借助“文字轉語音”和“語音克隆”技術捂人,您可以在不聘請配音演員的情況下為視頻添加類人畫外音。

?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末矢沿,一起剝皮案震驚了整個濱河市先慷,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌咨察,老刑警劉巖论熙,帶你破解...
    沈念sama閱讀 217,734評論 6 505
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異摄狱,居然都是意外死亡脓诡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,931評論 3 394
  • 文/潘曉璐 我一進店門媒役,熙熙樓的掌柜王于貴愁眉苦臉地迎上來祝谚,“玉大人,你說我怎么就攤上這事酣衷〗还撸” “怎么了?”我有些...
    開封第一講書人閱讀 164,133評論 0 354
  • 文/不壞的土叔 我叫張陵穿仪,是天一觀的道長席爽。 經(jīng)常有香客問我,道長啊片,這世上最難降的妖魔是什么只锻? 我笑而不...
    開封第一講書人閱讀 58,532評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮紫谷,結果婚禮上齐饮,老公的妹妹穿的比我還像新娘捐寥。我一直安慰自己,他們只是感情好祖驱,可當我...
    茶點故事閱讀 67,585評論 6 392
  • 文/花漫 我一把揭開白布握恳。 她就那樣靜靜地躺著,像睡著了一般捺僻。 火紅的嫁衣襯著肌膚如雪睡互。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,462評論 1 302
  • 那天陵像,我揣著相機與錄音,去河邊找鬼寇壳。 笑死醒颖,一個胖子當著我的面吹牛,可吹牛的內容都是我干的壳炎。 我是一名探鬼主播泞歉,決...
    沈念sama閱讀 40,262評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼匿辩!你這毒婦竟也來了腰耙?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 39,153評論 0 276
  • 序言:老撾萬榮一對情侶失蹤铲球,失蹤者是張志新(化名)和其女友劉穎挺庞,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體稼病,經(jīng)...
    沈念sama閱讀 45,587評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡选侨,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,792評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了然走。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片援制。...
    茶點故事閱讀 39,919評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖芍瑞,靈堂內的尸體忽然破棺而出晨仑,到底是詐尸還是另有隱情,我是刑警寧澤拆檬,帶...
    沈念sama閱讀 35,635評論 5 345
  • 正文 年R本政府宣布洪己,位于F島的核電站,受9級特大地震影響竟贯,放射性物質發(fā)生泄漏码泛。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,237評論 3 329
  • 文/蒙蒙 一澄耍、第九天 我趴在偏房一處隱蔽的房頂上張望噪珊。 院中可真熱鬧晌缘,春花似錦、人聲如沸痢站。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,855評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽阵难。三九已至岳枷,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間呜叫,已是汗流浹背空繁。 一陣腳步聲響...
    開封第一講書人閱讀 32,983評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留朱庆,地道東北人盛泡。 一個月前我還...
    沈念sama閱讀 48,048評論 3 370
  • 正文 我出身青樓,卻偏偏與公主長得像娱颊,于是被迫代替她去往敵國和親傲诵。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,864評論 2 354

推薦閱讀更多精彩內容