首页 > 关键词 > DeepMind最新资讯
DeepMind

DeepMind

谷歌子公司DeepMind推出了一款突破性的人工智能代理系统,能够直接从人类教师那里学习任务。该系统通过观察和模仿行动来模拟人类任务执行,展示了一种被称为“文化传递”的新型模仿学习形式。随着技术的进步,它为更有效且注重隐私的人工智能培训开辟了道路,标志着人工通用智能追求中的一个显著进步。...

特别声明:本页面标签名称与页面内容,系网站系统为资讯内容分类自动生成,仅提供资讯内容索引使用,旨在方便用户索引相关资讯报道。如标签名称涉及商标信息,请访问商标品牌官方了解详情,请勿以本站标签页面内容为参考信息,本站与可能出现的商标名称信息不存在任何关联关系,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述反馈文件后,将会依法依规核实信息,第一时间沟通删除相关内容或断开相关链接。

与“DeepMind”的相关热搜词:

相关“DeepMind” 的资讯232篇

  • DeepMind新人工智能可直接向人类学习任务

    谷歌子公司DeepMind推出了一款突破性的人工智能代理系统,能够直接从人类教师那里学习任务。该系统通过观察和模仿行动来模拟人类任务执行,展示了一种被称为“文化传递”的新型模仿学习形式。随着技术的进步,它为更有效且注重隐私的人工智能培训开辟了道路,标志着人工通用智能追求中的一个显著进步。

  • DeepMind发布自监督扩散模型SODA

    GoogleDeepMind昨天发布的一项研究展示了一项引人注目的技术,尽管其中的技术细节可能需要深入理解,但总体来说,通过一系列操作,可以以无监督的方式精准控制扩散模型,从实现风格和内容的分离,以及合成物品的3D视图等功能。论文地址:https://soda-diffusion.github.io/这项研究介绍了一种名为SODA的自监督扩散模型,专门用于表示学习。这项研究为深度学习领域的发展提供了新的思路和可能性。

  • DeepMind发现大bug:简单攻击即可让ChatGPT泄露大量训练数据

    GoogleDeepMind的研究发现,通过简单的查询攻击方法,可以从ChatGPT中泄露出大约几MB的训练数据,成本仅约200美元,引起社交网络哗然。研究团队成功攻击了生产级模型,打破了对齐设定,即使模型经过对齐,也能通过命令诱导模型输出训练数据,暴露个人信息,揭示了对抗模型泄露的新途径。新的攻击方式提出了对抗模型泄露的新思路,强调了在开发和使用大型语言模型时对隐私和安全的重视,并呼吁进行更全面的测试和防护措施。

  • Google DeepMind:通过深度学习发现了220万种新材料

    在新的研究中,GoogleDeepMind的科学家们成功开发了一种名为GNoME的框架,通过这一框架,他们在材料科学领域取得了令人瞩目的成果。材料的发现对于技术进步至关重要,涵盖了从清洁能源到信息处理等各行各业的创新。跟随GNoME的足迹,继续在机器学习和科学发现方面取得共同进展,可能会带来深远的影响。

  • 谷歌 DeepMind 研究人员使用 AI 工具发现 200 万种新材料

    GoogleDeepMind的研究团队通过人工智能工具GNoME发现了220万种理论上稳定但实验上未实现的晶体结构,这一成果在《自然》杂志上发表。这一发现的晶体结构数量是科学史上发现的数量的45倍以上,为可再生能源和先进计算等领域的发展提供了潜在的进步。「这个庞大的无机晶体数据库应该充满待发现的『宝石』,以推进清洁能源和环境挑战的解决方案,」在麻省理工学院材料科学与工程以及核科学与工程系工作的Yildiz说。

  • 谷歌 DeepMind 团队研究显示 AI 能够通过社会学习过程获得技能

    谷歌DeepMind的机器学习研究团队声称,他们已经证明人工智能可以通过类似于人类和其他动物的社会学习过程来获取技能。社会学习——即一个个体通过模仿另一个个体来获取技能和知识——对于人类以及大部分动物界的发展过程至关重要。我们期待未来AI领域与文化进化心理学领域之间的富有成果的跨学科互动,」研究人员表示。

  • DeepMind发现,AI代理可以通过模仿人类和其他动物进行社会学习

    GoogleDeepMind的机器学习研究团队最近宣布,他们成功证明了人工智能代理可以通过社会学习的方式获取技能,类似于人类和其他动物的学习过程。这一成果被认为是在人工智能领域的重大突破,为实现人工通用智能迈出了一步。这一领域的交叉研究将有望促成有益的互动,将人工智能和文化演化心理学领域有机地结合在一起。

  • DeepMind提出语言模型训练新方法DiLoCo 通信量减少500倍

    DeepMind的最新研究在语言模型训练领域取得突破,提出了分布式低通信方法。这一方法采用分布式优化算法,使得语言模型可以在连接性较差的设备集群上训练,不仅性能超越完全同步模型通信开销降低了500倍。这一创新性的方法不仅克服了基础设施挑战展示出卓越的性能和适应性,标志着语言模型优化领域的重大进展。

  • Google DeepMind 新 AI 算法 Student of Games 能在多种棋盘游戏取得胜利

    在最新的《自然》杂志上发表的一篇论文中,研究人员展示了一种名为「游戏学习者」的新算法,这一人工智能程序结合了引导式搜索、机器学习和博弈论,成功在多种棋盘游戏中取得胜利。这一成就标志着AI技术在策略游戏领域的又一重大进步。它不仅拥有坚实的理论基础能够随着计算资源的增加提高性能。

  • DeepMind推出OPRO技术,可优化ChatGPT提示

    在最新的AI研究报道中,GoogleDeepMind推出了一项名为“优化通过提示”的技术,将大型语言模型作为其自身提示的优化器。该方法旨在通过自然语言描述问题,指导LLM生成和改进解决方案,从提高提示性能。https://docs.llamaindex.ai/en/latest/examples/prompts/prompt_optimization.htmlOPRO是利用LLM优化其性能的多种技术之一,这一领域正在积极探索各种主题,包括越狱和红队行动,研究人员正在不断释放大型语言模型的全部潜力。

  • Google DeepMind 提出人工通用智能(AGI)的新定义及其分类

    近日,GoogleDeepMind的研究团队发布了一篇研究论文,对人工通用智能的定义进行了重新阐释,并提出了一个全新的AGI分类体系。这一定义不仅切中了技术界对AGI概念的混淆和争议为该领域提供了更清晰的理解框架。随着人工智能技术的不断进步和广泛应用,这项工作可能对整个行业产生深远的影响。

  • 谷歌 DeepMind 推出人耳无法察觉的 AI 音频水印技术 SynthID

    GoogleDeepMind的AILyria模型创建的音频,包括使用YouTube新音频生成功能制作的曲目,将使用SynthID水印标记,以便人们在事后识别它们的AI生成来源。在一篇博客文章中,DeepMind表示这种水印人耳不会察觉,并且「不会损害听觉体验」,并补充说即使音频轨道被压缩、加速或减速,或者添加了额外噪音,水印仍应可被检测到。这种水印能够抵抗剪裁或调整大小等编辑操作,尽管DeepMind警告说它不是对「极端图像操作」的万无一失的防御。

  • Google DeepMind推AI音乐生成模型Lyria:用AI将文本转化为独特音乐作品

    GoogleDeepMind最新推出的AI音乐生成模型Lyria引起了广泛关注,该模型可以从文本中创作独特且高质量的音乐,包括乐器和人声。这一创新是谷歌旗下视频分享平台YouTube的新功能的一部分,旨在让用户能够轻松生成自己的音乐作品。在今年一月份,他们推出了MusicLM,该模型可以根据文本提示生成五分钟的音频片段。

  • AI视野:微软推自主研发AI芯片Maia100;WPS AI开启公测;OPPO发布安第斯大模型AndesGPT;DeepMind发布新模型Mirasol3B

    微软宣布推出首款自主研发的AI芯片Maia100,旨在训练大型语言模型,并推出基于Arm架构的通用计算芯片Cobalt100,以优化云计算工作负载。金山办公WPSAI开启公测,小米14深度合作金山办公旗下WPSAI正式开启公测,具备生成式人工智能能力,可通过自然语言输入实现文档生成、改写、总结、润色等功能,小米14系列手机可使用。ChatCoder是北大实验室提出的方法,通过与LLM聊天来细化

  • DeepMind发布新模型Mirasol3B:更高效处理音频、视频数据

    GoogleDeepMind日前悄然宣布了其人工智能研究的重大进展,推出了一款名为“Mirasol3B”的新型自回归模型,旨在提升对长视频输入的理解能力。该新模型展示了一种颠覆性的多模态学习方法,以更综合和高效的方式处理音频、视频和文本数据。这也为AI的研究人员、开发者、监管机构和用户提供了一项挑战和机会,需要确保该模型及其应用符合社会的道德、社会和环境价值观和标准。

  • 1分钟预测10天全球天气!谷歌DeepMind全新AI天气预报登上Science,碾压行业SOTA

    【新智元导读】谷歌DeepMind再次在科学细分领域——天气预报迈出重要的一步。全新AI模型GraphCast可在1分钟内,精准预测10天全球天气,甚至还可以预测极端天气事件。在看了研究介绍之后,网友表示,谷歌你快出个应用啊!对于天气预报的能力,很多网友表示,现在已经可以期望预报的精细度到不同街道,并且精确到分钟了。

  • 谷歌DeepMind发布全新AI天气预报模型GraphCast 1分钟预测10天全球天气

    谷歌DeepMind最新推出的全球天气预报AI模型GraphCast引起科学界瞩目。这一模型不仅能在短短1分钟内预测未来10天的全球天气,甚至还能准确预测极端天气事件。这一模型的推出标志着天气预报迈出了重要一步,为未来的气象研究和防灾工作提供了创新性的解决方案。

  • 谷歌DeepMind发布18秒动画 向用户解释大语言模型的工作原理

    谷歌DeepMind发布了一段小视频,试图用动画来解释大语言模型的工作原理。这个视频的发布激发了网友们的激烈讨论。对于这种可视化的运用,也有网友提出了类比,将其与Pytorch中的矩阵乘法做了对比。

  • 谷歌DeepMind提出AGI能力与行为分类框架

    在最新的研究中,来自谷歌DeepMind的研究团队提出了一个名为“LevelsofAGI”的框架,旨在系统地分类人工通用智能模型及其前身,类似于自动驾驶的级别。这个框架引入了三个重要的维度:自主性、普适性和性能,为比较模型、评估风险以及追踪人工智能进展提供了一个共同的词汇。该框架强调了将其负责和安全地整合到以人为中心的环境中的需求,并提供了一种结构化的方式来评估、比较和指导AGI系统的发展和部署。

  • 人类或于2028年推出首个AGI?谷歌DeepMind发布论文 提出6个标准和5大等级

    由ShaneLegg领导的DeepMind团队最近发布了一份关于AGI的时间表论文,该论文提出了AGI的6个标准和5个等级,同时表明现代大语言模型已经迈向AGI的雏形。ShaneLegg团队预测,到2028年,我们有50%的可能性开发出第一个AGI。这份论文为AGI的发展提供了清晰的路线图和时间表,为该领域的研究和探讨提供了有力支持。

  • DeepMind指出「Transformer无法超出预训练数据实现泛化」,但有人投来质疑

    说起大语言模型所展示的令人印象深刻的能力,其中之一就是通过提供上下文中的样本,要求模型根据最终提供的输入生成一个响应,从实现少样本学习的能力。这一点依靠的是底层机器学习技术「Transformer模型」,并且它们也能在语言以外的领域执行上下文学习任务。更多研究细节,可参考原论文。

  • 谷歌DeepMind研究:Transformer模型无法超越训练数据进行泛化

    谷歌DeepMind的研究人员进行了实验,旨在探讨Transformer模型是否能够在超出预训练数据范围之外泛化出新的认知和能力。他们的研究发现,几乎不可能要求模型在超出预训练数据范围之外解决新问题。这对于机器学习和人工智能领域的研究和发展具有重要意义。

  • Google DeepMind机器人负责人谈通用机器人和生成型AI的未来

    GoogleDeepMind的机器人负责人BrianHeater谈到了通用目标机器人、生成型人工智能以及办公室WiFi的重要性。该团队最近推出了OpenX-Embodiment,这是与33个研究机构合作创建的机器人功能数据库,被认为有望像ImageNet一样推动机器人技术的进步。这个领域充满了创新和挑战,机器人技术的未来令人兴奋。

  • DeepMind曝新一代AlphaFold 预测蛋白质结构准确率暴涨近10%

    DeepMind最新发布的AlphaFold版本取得了蛋白质结构预测准确性的显著提升,准确率提高了近10%。这一技术还扩展了预测的范围,包括RNA结构和其他生物分子结构的预测能力。新一代AlphaFold的发布标志着数字生物学时代的开启,将为生物医学研究、药物设计以及科学探索带来革命性的变革。

  • DeepMind 联合创始人:AI 行业不应盲目追求「快速行动,打破常规」的发展模式

    :DeepMind的联合创始人DemisHassabis最近在接受BBC采访时表达了对AI行业发展的担忧,他警告说,与传统科技巨头不同的是,AI行业不应盲目追求「快速行动,打破常规」的发展模式。这一口号最初由Meta的创始人马克·扎克伯格提出,意在鼓励快速创新和公司增长。尽管在峰会前美国和G7的AI安全声明受到了一些批评,但Hassabis表示,英国仍然可以在塑造讨论中发挥「重要作用」。

  • DeepMind验证卷积神经网络在大规模数据集上可媲美视觉变换器

    最新研究表明,卷积神经网络在大规模数据集上能够与视觉变换器媲美,挑战了以往认为视觉变换器在这方面具有卓越性能的观点。在计算机视觉领域,ConvNets一直以来都是在各种基准测试中取得卓越性能的标准。这些结果突显了同时扩展计算和数据资源的重要性,为计算机视觉研究的未来带来了新的启示。

  • 谷歌 DeepMind 首席执行官:人工智能风险类似于气候危机,世界不能拖延应对

    继谷歌前高管EricSchmidt和Inflection以及DeepMind联合创始人MustafaSuleyman呼吁建立类似于政府间气候变化专门委员会的国际机构来监管人工智能后,GoogleDeepMind的负责人DemisHassabis也发表了他的看法。应该像对待气候变化一样对待AI的风险。他也缓解了人们对AGI的普遍担忧,认为这种具有全面智慧的AI将会带来变革,成为人类最强大的工具,具有前所未有的问题解决能力和创造性表达。

  • DeepMind:大模型又曝重大缺陷,无法自我纠正推理,除非提前得知正确答案

    【新智元导读】DeepMind的研究人员发现,LLM有一个天生的缺陷——在推理过程中无法通过自我纠正获得更好的回复,除非数据集中预设了真值标签。马库斯又高兴地转发了这篇论文。为了公平比较,应在事前和事后提示上投入同等的努力。

  • Meta首席AI研究员指出OpenAI和DeepMind对AI看法过于乐观

    Meta的AI首席研究员YannLeCun近日警告称,对AI的过早监管可能会加强科技巨头的主导地位,抑制创新竞争。AI研究和开发的监管可能会适得其反,因为在AI安全的幌子下,可能导致“监管被掌握”。他认为当前的AI被高估了,但也相信未来更强大的AI系统将有助于解决气候变化和疾病控制等重大挑战。

  • DeepMind新机器学习模型UniSim:模拟现实以训练机器人和游戏角色

    谷歌DeepMind的研究人员与加州大学伯克利分校、麻省理工学院和阿尔伯塔大学合作开发了一个名为UniSim的机器学习模型,可以为训练各种人工智能系统创建真实的模拟。研究人员表示,下一个生成模型的重要里程碑是模拟人类、机器人和其他互动实体采取行动时的逼真体验UniSim正是他们希望实现这一目标的工具。尽管UniSim的培训成本相对较高,但研究人员希望它能够引发广泛的兴趣,以改善机器智能。