ope体育手机app_ope体育最新app_ope足彩
ope体育手机app

温州天气,原创AI都能替咱们写书了,咱们却还不能在太空里愉快地日子,彩经网

admin admin ⋅ 2019-04-16 09:16:02

更多精彩,敬请重视硅谷洞悉官方网站(http://www.svinsight.com)

本周的技能前沿洞悉又和咱们碰头了!在通讯、医疗、人工智能等范畴,硅谷洞悉(原“硅谷密探”)为你总结了以下热门要闻:

北美高校

耶鲁大学:能改动身体形状的机器人应对改变的地势

在机械工程和资料科学助理教授 Rebecca Kramer-Bottiglio 带领下,耶鲁大学研讨人员开宣布一种能够变形以习惯其途径或环境改变的机器人。

例如,假如一个圆柱形机器人发现了一块岩石,那么机器人能够经过收紧其间部而出现哑铃形状并跳过岩石。他们的作业效果最近宣布在IEEE机器人和主动化快报上。

圆柱到哑铃状的变形机器人是Kramer-Bottiglio从美国国家科学基金会(NSF)取得的200万美元四年补助金的焦点,作为NSF新式前沿的研讨与立异(EFRI)方案一部分。

机器人的中心由粘土状物质制成,由Kramer-Bot温州气候,原创AI都能替咱们写书了,咱们却还不能在太空里愉快地日子,彩经网tiglio实验室开发的两种“机器人皮肤”包裹。 其间一种皮肤为机器人供给了翻滚的机车力,另一种则将撸撸资源站资料操作成不同的形状。

伯克利团队运用深度学习帮忙退伍武士下降自杀危险

一直以来,自杀都是美国的十大逝世原因之一,这在退伍武士中乃至有着更高的份额,均匀每天有着20-22位老兵自杀身亡。

近来,劳伦斯伯克利国家实验室核算研讨部正在运用深度学习和对电子医疗记载的数据剖析,帮忙退伍干没武士管理局处理这项影响众多人生命健康的心思应战。研讨人员期望实脾饮方歌为患者供给量身定做的自杀危险测评,并将这些成果供给给退伍武士管理局的护理人员和患者。

作为项目的一部分,研讨人员开发算法对电子医疗记载进行统计剖析,以寻觅与自杀危险相关的关键因素,并将深度学习办法运用于这些大型杂乱数据集。研讨团队运用揭露数据集包括来自波温州气候,原创AI都能替咱们写书了,咱们却还不能在太空里愉快地日子,彩经网士顿一家医院重症监护病房的约 4万名患者的医疗记载信息。

现在退伍武士管理局现已收集了大约70万名退伍武士的医疗记载和基因组数据,并预备将数据交给国家能源部,能源部有望使0710社团用该测评办法对数据进行剖析。

想进一步了解原文的朋友能够检查以下链接:

https://newscenter.lbl.gov/2019/04/03/deep-learning-to-help-veterans/

实验室

NASA:人类想去火星?身体不允许!

马斯克的去火星太空梦能完成吗?《Science》本周四发了一篇 82 位学者联合写作的长文,经过一个闻名的实验,给了 “咱们人类究竟适不合适在太空生计?” 这个终极问题一个 “既不全面、也令人感到不安” 的答案:不合适。

这篇文章依据一个闻名的实验:The NASA Twin study。NASA 找了一对双胞胎兄巴兹公式弟 Scott Kelly 及 Mark Kelly,其间一个人从 2015 年3月27号到2016年3月1号间在国际空间站日子,双胞胎里别的一个人则在地球日子,两人在此期间不间断地供给了极许多的、多种多样的生物数据。

(图自 NASA,版权归于原作者)

由所以同卵双胞胎,兄弟俩有着完全相同的基因,因而东方神龙啸异世能够完美比较太空日子对人体的影响。依据这个实验写成的长文在美国时刻本周四出书在了 Science 杂志上,千言万语汇成一句话:人类现在还不合适长时刻在太空生计,而 “去火星” 更是显得过分冒险。

不知道以 “去火星为己任” 的埃隆•马斯克听到这个新闻,会不会情绪低落?

洛斯阿拉温州气候,原创AI都能替咱们写书了,咱们却还不能在太空里愉快地日子,彩经网莫斯国家实验室:云效劳器使地球物理学的新研讨战略成为或许

在一项开创性的作业中,地震学研讨人员对亚马逊网络效劳商业云(AWS)中的工业活动的地震签名进行了大陆iggcas规划的查询,然后在不存储原始数据或需求本地超级核算机的情况下快速下载成果。

(数据中心供给许多云效劳,例如各种硬件标准和操作体系的按需核算节点)

“运用传统的作业流程,在桌面上下载 - 存储 - 核算,这项作业将花费超越40天的时刻。阿拉莫斯国家实验室地球与环境科学部分的Jonathan MacCarthy表明,运用云效劳需求不到7个小时。 “据咱们所知,这是依据云的流媒体研讨在地震学中的初次运用。”

MacCarthy指出,尽管洛斯阿拉莫斯具有多台超级核算机乃至是量子核算机,但探究完成科学的新挑选始终是国家实验室才能的一部分。

AI能写书了,而且还出了一本教科书!

学术科学出书商Springer Nature在本周发布温州气候,原创AI都能替咱们写书了,咱们却还不能在太空里愉快地日子,彩经网了第一本完全由机器学习算法编写的书。这本书的标题是《锂离子电池:机器生温州气候,原创AI都能替咱们写书了,咱们却还不能在太空里愉快地日子,彩经网成的当时研讨》,这是一本关于锂电子电池同行评定论文的摘要书本,包括引文、引证著作的超链接以及主动生成的参阅内容等几大部分。

该书的作者为Beta Writer,这是一种由德国歌德大学的科学家规划的算法。依据出书社说法,为了写这本书,Beta Writer在Springer具有的学术期刊上对超越53000份关于锂离子电池的文章进行研讨、剖析,并提取了最相关的信息。

(该书本的封面,图片来自Springer Nature,版权归于原作者)

在该书的摘要中写到:这本书展现了人工智能怎么帮忙科学家把握最新的研讨效果——而且算法现在能够回忆许多的文献,并自己挑选最重要的细节了。

尽管这本书的内容很杂乱,但它的出现被认温州气候,原创AI都能替咱们写书了,咱们却还不能在太空里愉快地日子,彩经网为是令人兴奋。正如 Springer Nature的大数据产品总监Henning Schoenenberger在介绍中写道,这样的书本有或许经过主动化来承当苦差事,然后敞开“科学出书的新时代”。

新式袖珍天线能补偿传统无线电不灵的极点环境区域

美国能源部旗下的SLAC 国家加快器实验室(Department of Energy’s SLAC National Accelerator Laboratory),近期开宣布了一种新式的袖珍天线,这种体积小、很简便的天线能够在传统无线电无法作业的情况下(例如在水下,地下、和十分长的空中间隔)完成移动通讯。

该设备发射波长为数十至数百英里的极低频(VLF)辐射。这些波在地平线上长间隔传达,能够穿透阻挠波长较短的无线电波的环境。尽管今日最强壮的VLF技能需求巨大的发射器,但这种新式袖珍天线却只有约 10 绝世武魂夕厉厘米高,因而它或许用于需求高机动性的使命,比方救援和防护使命。

(图自SLAC National Accelerator Laboratory,版权归于原作者)

我程以南们平常日子里用的无线电广播、雷达、导航体系等通讯手法都是经过无线电波完成的。无线电波分为两大种:短波和温州气候,原创AI都能替咱们写书了,咱们却还不能在太空里愉快地日子,彩经网长波。短波信号 “潜力” 缺乏,间隔一长信号就会削弱,也无法穿透水、岩石、土地等介质。而长波 “潜力” 很足,也能够穿透这些介质,但它一般需求巨大的、分量可达数百千克的发射器,约束了它们的运用场景。

这款新天线则向处理这个问题迈出了一大步,别看它尺度细巧、分量简便,但功用很强壮:研讨人员在从发射器向 100英尺外(约 30.5米)的接收器发送信号的测验中,该设备发生的 VLF 辐射效率比之前的紧凑型天线高出足足 300 倍,而且带宽几乎是前者带宽的 100 倍。

企业

Facebook AI团队开源PBG

近来,Facebook AI团队开源了PyTorch-BigGraph(PBG),这是一种能够更快更轻松地为大型图(Big Graph)生成图嵌入的东西。

运用PBG,任何人都能够在一台机器或多台并行机器的帮忙下将大型图生成高质量的嵌入。 PBG是用PyTorch编写的,研讨人员和工程师能够轻松切换自己的丢失函数、模型和其他参数。除此之外,PBG还能够核算梯度并主动扩展。

Facebook AI团队表明,传统的图嵌入办法不能很好地扩展,而且不能在由数十亿个节点和边际组成的大型图上运转文怀沙5任妻子。此外,许多图超出了效劳器的内存容量,然后给嵌入体系带来了问题。可是,PBG有助于避免这个问题。

Facebook AI团队期望,PBG关于那些具有大型图数据集却没有相关的机器学习东西来处理的小公司和安排来说,是一个有用的东西。他们期望PBG能够鼓舞从业者发布和实验更大的数据集。

关于PBG的技能解析,可拜访以下链接:https://aibbfuli.facebook.com/blog/open-sourcing-pytorch-biggraph-for-faster-embeddings-of-extremely-large-graphs/

谷歌推出 Cloud Code,助力云原生运用程序开发

谷歌近来推出一组适用于 IntelliJ 和 Visual Studio Code 等盛行开发环境(IDE)的插件 Cloud Code,有望使构建云原生运用程序的进程更易于操作。开发人员仍旧可如平常一般持续印加祖玛开发代码,而 Cloud Code 将会帮忙处理将其转化为云原生运用程序(Cloud Native)的其他一切过程。

(IntelliJ 的 Cloud Code 经过运转装备将运用程序接连布置到 Kubernetes)

对开发者而言,软件开发的中心东西是IDE。但IntelliJ 和 Visual Studio Code等高效的IDE往往只合适本地运用程序开发。

当开发云运用程序时,这或许会存在问题。由于,本地和云环境(出产环境)并不完全相同,构建容器自身又存在一些郑铃丹应战,这或许就会导致开发后期出现问题。

因而艾莉莉,谷歌决议发布 Cloud Code。Cloud Code 扩展了 VS Code 和 IntelliJ,为 IDE 开发云原生 Kubernetes 运用程序供给各种开发便当。从此,程序员无需装置初始设备,即可在云上专心开发程序。

用于语音建模的高效散布式夯先生学习:IBM 新技能可将AI语音辨认练习时刻从一周缩短到11小时

智能语音帮手尽管给咱们的日子带来的便当,可是在技能上对它们的练习,往往需求花费许多时刻,且不行规划化。

比方,练习像Apple的Siri、Google智能助理、或亚马逊的Alexa这样的主动语音辨认(ASR)体系时,咱们就需求先用杂乱的编码体系将语音转化为深度学习体系和解码体系可理解的内容,再终究将其输出转化为人类可读的文本。这样的练习需求很大的模型,也然后使得大规划的练习愈加困难。

IBM在一篇新宣布的论高炳修文《用于主动语音辨认的散布式深久草视频在线观看度学习战略》中提出了一种散布式处理架构,该架构能够在确保准确性的基础上,完成15倍的练习加快。

集中式散布王中义式学习架构(左)和涣散式散布式学习架构(右)

论文的作者表明,该体系会被布置在包括多个显卡的体系上,使得总练习时刻从本来的几周削减到几天。这种被称为“异步涣散并行随机梯度下降(ADPSGD)”的散布式深度学习技能能够将ASR的作业运转时刻从“在单个V100 GPU上运转一周”缩短到“在32-GPU体系上运转11.5小时”。

运用这种散布式深度学习技能后,研讨人员能够在半天内完成对语音体系的练习,并在此基础上快速迭代开发新的算法。

看了本期技能前沿洞悉,你有哪些感触?欢迎在谈论区留言沟通!想看到更多关于哪些技能的发展?也欢迎通知咱们!

更多精彩,敬请重视硅谷洞悉官方网站(http://www.svinsight.com)

声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间效劳。

相关新闻

admin

admin

TA太懒了...暂时没有任何简介

精彩新闻