新一代人工智能：“轻”装上阵普惠民生
深度学习近些年来迅猛发展，在人工智能领域显现出了强大的威力。然而这一切是有代价的。为了完成日益复杂的AI任务，神经网络模型体量暴增，对服务器的储存和算力要求也水涨船高，由此产生的经济成本、耗费的电量、对环境的污染正在困扰着这个行业。 人工智能的这场游戏正变得越来越“笨拙”，也越来越奢侈。于是，轻量化人工智能（Tiny AI）被寄予厚望，通过对人工智能模型及其计算载体的“瘦身”，提升效率、降低能耗。2020年，《麻省理工科技评论》将“Tiny AI”列为“全球十大突破性技术”。 中国科学院自动化研究所（以下简称自动化所）是国际上最早开展人工智能轻量化设计的机构之一。“十三五”期间，自动化所研究团队在“AI芯片—平台—算法”全栈轻量化AI技术中取得了一系列成果，成为新一代人工智能的“先行者”。 降低AI应用门槛 2014年左右，自动化所研究员、主要从事图像和视频内容分析的程健敏锐意识到一个潜在问题，在利用日益活跃的神经网......阅读全文
深度学习复兴：向人工智能迈进
它是未来的一部分，我们才刚刚开始。图片来源：BRUCE ROLFF 3年前，美国加利福尼亚州山景城神秘的谷歌X实验室的研究人员从YouTube视频中提取了1000万个静态图像，并将其输入“谷歌大脑”——由1000台计算机构成的网络，从而试图像一个蹒跚学步的孩子一样吸收这个世界的信息。经过3
人工智能进入“深度学习+”阶段
虽然从底层技术看，ChatGPT并不算创新，但其社会影响远远超出了预期。这款由美国人工智能公司OpenAI开发的聊天机器人，2022年11月推出后火遍全球，成为史上增长最快的消费者应用程序。 让机器和真人自由对话，一直是人工智能领域的重要目标之一。ChatGPT的爆火背后，其实是深度学习技术的
人工智能解锁新领域 深度学习算法助力发现古人类遗迹
近年来，深度学习作为机器学习的一个分支，在考古学中迅速普及应用，使得考古工作的效率得到提升。除了用于发现考古遗迹，预测、翻译古文字，人工智能还参与了部分文物的修复过程。 人工智能继续探索新领域，这次是考古。 近日，来自美国宾夕法尼亚州立大学、澳大利大悉尼大学等4所研究机构的研究人员，在著名考
深度学习算法“解密”脑活动
英国《自然·医学》杂志9月25日在线发表的一项研究，报告了一种可以分析四肢瘫痪患者大脑活动的深度学习算法。该算法已被用于向患者的前臂肌肉传递电刺激，从而恢复瘫痪肢体的功能性运动。 慢性瘫痪患者的生活质量可以通过脑机接口加以改善。脑机接口可以将控制运动的中枢神经系统回路和辅助设备（例如计算机光标
AI侦探敲碎深度学习黑箱
研究人员创建了能填补照片空白的神经网络，以鉴别人工智能瑕疵。 Jason Yosinski坐在美国加州旧金山的一个小型玻璃办公室内，陷入了对人工智能的沉思。作为优步公司的研究科学家，Yosinski正为在笔记本电脑上运行的人工智能（AI）进行“脑外科手术”。 很多AI将改变人类现代生活，例如
TPU将成深度学习的未来？（一）
在Google I/O 2016的主题演讲进入尾声时，谷歌的CEO皮采提到了一项他们这段时间在AI和机器学习上取得的成果，一款叫做Tensor Processing Unit（张量处理单元）的处理器，简称TPU。在这个月看来，第一代的TPU处理器已经过时。在昨天凌晨举行的谷歌I/O 2017
深度学习算法准确追踪动物运动
根据英国《自然·神经科学》杂志8月21日在线发表的一项研究，美国哈佛大学团队运用一种新型深度学习算法，成功追踪动物运动及行为，其准确度可达到人工水平，而且无需采用追踪标记物或进行费时的手动分析。专家认为，这一成果打开了海量的数据来源之门。 准确追踪行为发生期间的身体运动部位是运动科学的一项重要
TPU将成深度学习的未来？（二）
能够进行数据推理的第二代TPU第一代的TPU只能用于深度学习的第一阶段，而新版则能让神经网络对数据做出推论。谷歌大脑研究团队主管Jeff Dean表示：“我预计我们将更多的使用这些TPU来进行人工智能培训，让我们的实验周期变得更加快速。”“在设计第一代TPU产品的时候，我们已经建立了一个相对
深度学习协助预测厄尔尼诺 |《自然》论文
《自然》发表的一篇论文Deep learning for multi-year ENSO forecasts报道了一种可以提前一年半预测厄尔尼诺事件的深度学习方法，克服了该领域内长期存在的一项挑战。用来预测厄尔尼诺现象的CNN预测系统来源: Ham et al. 厄尔尼诺事件发生于太平洋东部和
新光学芯片可实现高效“深度学习”
美国麻省理工学院（MIT）科学家在12日出版的《自然·光学》杂志上发表论文称，他们开发出一种全新的光学神经网络系统，能执行高度复杂的运算，从而大大提高“深度学习”系统的运算速度和效率。 “深度学习”系统通过人工神经网络模拟人脑的学习能力，现已成为计算机领域的研究热门。但由于在模拟神经网络任务中