[Orta seçim] Dünyadaki en iyi 10 yapay zeka güncel makalesi, OpenAI "sahte haberler" en büyük yükünü taşıyor
[Xinzhiyuan Kılavuzu] Bu makale, geçtiğimiz ay küresel makine öğrenimi ve AI alanındaki 10 popüler raporun bir derlemesidir. İçerik, algoritmalar ve teknolojideki atılımların yanı sıra benzersiz görünümler ve önerileri içerir ve ayrıca bazı ünlü okullardan AI kurslarını kapsar Kaynaklar ve materyaller, AI meraklıları ve uygulayıcıları için referans olmaya değerdir.
1. OpenAI'nin teknolojisi, büyük ölçekli sahte haberlere izin verebilir
OpenAI bir sinir ağını eğitti, ancak onu paylaşmak istemiyordu. neden? Bu sinir ağı, tek bir cümlede tamamen sahte haberler üretebilir. Başka bir deyişle, bu, toplu halde sahte haber üretmek için bir araç haline gelebilir.
Bu makale, OpenAI sinir ağını eğittiğinde elde edilen sonuçları tanıtır ve ağ, 40 GB'den fazla metnin bir sonraki kelimesini tahmin etmek için kullanıldığında sonuçları verir.Sonuçlar idealdir, ancak soru şu: ya bu teknolojiler yanlış ellere düşerse?
OpenAI, "bu sonuçlar bu tür konularla ilgili endişelerin erken başlangıcı olabilir" gerekçesiyle bu sonuçları paylaşmama kararı aldı. Aslında bu, hem potansiyel tehditleri olan hem de çoğu insan tarafından kolayca erişilebilen bir durumdur. Ve bu kararın kesinlikle sorumlu yapay zeka teknolojisine doğru bir adım olduğunu düşünüyorum.
Makale bağlantısı:
https://openai.com/blog/better-language-models/
2. Sahte haberlerin iç yapısı nasıl keşfedilir?
Şu anda, sahte haberlerle mücadele giderek daha önemli bir konu haline geldi. Bu makale, "yanlışı ortadan kaldırmak ve gerçeği kurtarmak" için yapay zeka kullanmanın karşılaştığı teknoloji ve engelleri tanıtır.
Şu anda, bazı belirli engellerde, makale konusu sıklığından kaynaklanan sapma en önemlisidir. Aslında, "Trump" veya "Clinton" içeren kelimelerin yalan haber olma olasılığı daha yüksektir. Burada asıl zorluk, bilinmeyen konuları etkili bir şekilde gerçekleştirebilmeleri için sinir ağlarını eğitmektir.
Bu makale önemli bir konuyu tanıtıyor, bence herkesin buna dikkat etmesi gerekiyor.
Makale bağlantısı:
https://news.mit.edu/2019/opening-machine-learning-black-box-fake-news-0206
3. Veri bilimini üretime uygulamak neden bu kadar zor?
Şirketler veri biliminin sonuçlarını mevcut iş süreçlerine etkili bir şekilde entegre edebilirse, veri bilimi şirkete gerçek değer katabilir. Yazarın bakış açısı budur, makalede veri biliminin verimli uygulamalarına ulaşmanın neden zor olduğunu açıkladı.
Veri bilimi yüksek kaynaklar gerektirir. Bu nedenle, geliştiricilerin ve operasyonların müşterilere hızlı bir şekilde kararlı yeni özellikler sunmak için birlikte çalışması gerekir. Kanımca, bu amaca ulaşmak için çalışma ekibindeki ada etkisini kırmak ve tüm şirketi otomatik karar alma konusuna dahil etmek gerekiyor.
Ek olarak, yazarın BT altyapısı dağıtımının verimliliği konusundaki açıklaması, veri biliminin üretim alanında başarılı bir şekilde uygulanmasının anahtarıdır.
Makale bağlantısı:
https://www.datascience.com/blog/why-is-it-so-hard-to-put-data-science-in-production
4. Veri biliminin profesyonel içeriği artık düşündüğünüz gibi değil!
Bu makalenin yazımı basittir. Şimdi, insanlar genellikle veri bilimcilerin günlük çalışmaları hakkında bazı yanlış anlamalar yaşarlar. Bu konuyu açıklığa kavuşturmak, özellikle bu alanda kariyerlerine yeni başlamış çok sayıda genç veri bilimcisi için önemlidir. Hatalısınız! Veri bilimcileri için, en gelişmiş algoritmalardan bazılarına hakim olmak yeterli değildir.
Ancak, bu sorunu çözmek için hala umut var! Bu makale, veri endüstrisinde ve bir veri bilimcisi olarak ustalaşmak için gerekli becerileri verir. Yazarın çalışmalarına karşı dürüst tavrını gerçekten seviyorum. Bedava öğle yemeği yok, bu yüzden çok çalışmanız ve sabırlı olmanız gerekir.
Ancak gerçek sorunlarla tek tek ilgilenerek düşündüğünüzden daha hızlı ilerleme kaydedebilirsiniz. "Asla yutturmaca sizi ezmesine izin vermeyin."
Makale bağlantısı:
https://veekaybee.github.io/2019/02/13/data-science-is-different/
5. Rüzgar gücünün değerini artırmak için makine öğrenimini kullanın
"Türbinlerin maliyeti büyük ölçüde düştü ve kullanım oranı önemli ölçüde arttı." Bu nedenle, DeepMind'ın rüzgar enerjisi üretiminin değerini artırma koşulları başlangıçta olgunlaşmıştır. Bu hedefe ulaşmak için derin öğrenme yeteneklerini gösterebilir.
Rüzgar ve rüzgar yönünü doğru bir şekilde tahmin etmek için derin öğrenme algoritmalarını kullanmak, türbin sahiplerinin şebekedeki dağıtımlarını optimize etmelerine olanak sağlayabilir. O halde, tahmin sonuçlarına göre yapılan planlama ne kadar detaylı olursa, bir birim rüzgar enerjisi o kadar çok değer yaratabilir.
Bu makale kısa ve verimli olup, rüzgar enerjisi üretimine değer katmak için DeedMind'in makine öğrenimi algoritmasının farklı adımlarını ve geçmişlerini sunar ve açık bir argüman ortaya koyar. Burada karbonsuz teknolojiye bir başparmak vermek istiyorum!
Makale bağlantısı:
https://deepmind.com/blog/machine-learning-can-boost-value-wind-energy/
6. Sinir ağlarının çalışma prensibinin derinlemesine incelenmesi ve anlaşılması
Bu makalenin temeli, güzel renk kombinasyonları oluşturabilen bir sinir ağını gösteren başka bir makaledir. Yazar, internette bulduğu bir makaleyi yeniden üretirken, düşük görüntü kalitesine neden olan çeşitli sorunlarla karşılaştı.
Bu nedenle bu yazıda, bu sorunu çözmek için attığı bazı adımları tanıttı ve bazı ara sonuçlar ve varsayımlar sundu.
Jupyter Notebook, kendi sinir ağınızı kurma ve ağ performansını iyileştirme konusunda biraz rehberlik sağlar. Artık bir sanatçısınız!
Makale bağlantısı:
https://towardsdatascience.com/making-deep-neural-networks-paint-to-understand-how-they-work-4be0901582ee
7. Derin öğrenmeyi tanıtmak için TensorFlow kod örneklerini kullanın
TensorFlow'u kullanmaya başlamak isteyenler için bu makale mutlaka okunmalıdır. Yazar, MLP'den derin pekiştirmeli öğrenmeye kadar 7 mimari örneği tartıştı ve en önemlisi, her birini uygulamak için kod örnekleri verdi.
Bu makale MIT derin öğrenme kurs materyallerini çok açık ve öğretici bir şekilde tanıtmaktadır.
Makale bağlantısı:
https://medium.com/tensorflow/mit-deep-learning-basics-introduction-and-overview-with-tensorflow-355bcd26baf0
8. AlphaStar: "StarCraft II" üstünlüğe giden yol
Son yıllarda, video oyunları hızla makine öğrenimi algoritmaları için sıcak bir alan haline geldi. "StarCraft" herkesin ilgi odağı haline geldi, bu çok başarılı ve zorlu bir oyun. Algoritmalar için zorluklar, eksik bilgileri, kısa vadeli ve uzun vadeli stratejilerin bir kombinasyonuna duyulan ihtiyacı ve eylem talimatları ile eylem etkileri arasındaki gecikmeyi içerir.
Bu makale ilk olarak öğrenme aşamasında kullanılan sinir ağını kısaca açıklar ve ardından ağ öğrenme yolunu görselleştirme ve etkileşimli şemalarla ayrıntılı olarak tanıtır.
Ek olarak, AlphaStarın yapay zeka oyununu gerçek oyuncuların oynayışıyla karşılaştırmak gerçekten ilginç. APM, çok hatlı işlemler gibi bazı ilginç alanlarda algoritmanın insan oyuncuların düzeyini aştığı görülebilir.
Makale bağlantısı:
https://deepmind.com/blog/alphastar-mastering-real-time-strategy-game-starcraft-ii/
9. Sinir ağı için "mikrocerrahi" yapın
Bu makale, önyargılı sinir ağlarını manuel olarak düzeltmek için basit ama harika bir fikir sunar.
MIT'deki araştırmacılar, dil çevirisi konusunda eğitilmiş bir sinir ağının nöronlarını sıralayan bir araç (NeuroX) üzerinde çalıştılar. Bu sıralamanın amacı, çeviri sürecinde her bir nöronun önemini ölçmektir.
Önemli bir nöronun ablasyonu, ağın performansını büyük ölçüde azaltırken, daha az önemli bir nöronu ablatmanın performans üzerinde neredeyse hiçbir etkisi yoktur. Bu aracın rolü, ağ eğitiminde önyargı ile mücadelede daha belirgindir. Cinsiyet tanıma ile ilgili en yüksek sıradaki nöronu bulmaya çalışır ve sonra: tebrikler, sinir ağınız artık cinsiyetçi değil!
Makale bağlantısı:
10. Uber'in veri iş akışının büyük ölçekli yönetimi
Uber, her gün 100 PB'den fazla ham veri üretir. Bu nedenle, şirketlerin operasyon ekipleri ve makine öğrenimi mühendisleri arasında güvenilir, ölçeklenebilir ve bakımı yapılabilir sistemleri paylaşabilmesi gerekir. Bu amaçla Uber, merkezi bir iş akışı yönetim sistemi olan Piper'ı geliştirdi.
Bu makale, Uberin bu araca yönelik yinelemeli iyileştirmelerini açıkça tanıtmaktadır. Bu iyileştirmelerin, veri sistemlerini kullanan herkesten büyük ilgi uyandırması gerektiğine inanıyorum.
Makale bağlantısı:
https://eng.uber.com/managing-data-workflows-at-scale/
Referans bağlantısı:
https://blog.sicara.com/02-2019-best-ai-new-articles-this-month-cca9faaf867e
Gönderinin ayrıntıları için lütfen tıklayın: [Bahar İşe Alım Kahramanı Postası] Xin Zhiyuan bilge usta yazarı 2019'da AI'nın zirvesine cesaret etmeye çağırıyor!
[2019 Xinzhiyuan AI Teknoloji Zirvesi için 14 günlük geri sayım]
27 Mart 2019'da Xinzhiyuan, AI'nın gücünü yeniden birleştirdi ve AI açılış töreni-2019 Xinzhiyuan AI Teknoloji Zirvesi'ni Beijing Taifu Hotel'de gerçekleştirdi. Zirve "ile başlıyor Akıllı Bulut Çekirdek Dünya "Tema olarak, akıllı bulut ve AI çiplerinin geliştirilmesine odaklanın ve gelecekteki AI dünya modelini yeniden şekillendirin.
Aynı zamanda, Xinzhiyuan yetkili olarak birkaç kişiyi serbest bırakacak AI teknik raporu , Endüstriyel zincirin yenilikçiliğine ve faaliyetine odaklanın, Çinli yapay zeka bilim adamlarının etkisi hakkında yorum yapın ve Çin'in birinci sınıf yapay zeka rekabetinde geçmesine yardımcı olun.
Bilet satın alımı:
Etkinlik hattı bileti satın alma bağlantısı: 2019 Xinzhiyuan AI Teknoloji Zirvesi-Akıllı Bulut Temel World_Wonderful şehir hayatı, hepsi etkinlik hattında! !
