哈佛神经机器翻译系统 OpenNMT 更新等 | AI 开发者头条

本文涉及的产品
图片翻译,图片翻译 100张
语种识别,语种识别 100万字符
文本翻译,文本翻译 100万字符
简介:

 内容预览:

  • 哈佛大学神经机器翻译系统 OpenNMT 新版本发布

  • 癌症检测突破!谷歌深度学习算法的乳腺癌检测准确率超病理科大夫

  • 两大 AI 平台联手!IBM Watson 与 Salesforce“爱因斯坦”进行对接

  • 布朗大学人机交互新算法,让 AI 学会提问

    每日推荐阅读

  • 博弈论与深度学习

█  哈佛大学神经机器翻译系统 OpenNMT 新版本发布

哈佛神经机器翻译系统 OpenNMT 更新等 | AI 开发者头条

OpenNMT 是哈佛大学 NLP 研究小组去年年底开源的产品级翻译工具,基于 Torch/Pytorch,一经发布便被谷歌采用,是迄今为止最能代表神经机器翻译前沿技术的开源工具之一。

雷锋网(公众号:雷锋网)消息,昨晚 OpenNMT 迎来发布之后的首个重大更新,新版本编号为 v0.5。除了修补漏洞,新版本带来以下改进:

  • 训练代码更具通用性,可预期将来更多模型能在 OpenNMT 框架上训练。

  • 新脚本能方便地提取 word embeddings,生成词汇。

  • 修剪词汇的新方式:最小化频率,而不是绝对大小。

  • 新的 REST 翻译服务器

  • 试验性的 FP16 支持,以及最新的第三版本 cutorch。

  • 试验性的数据采样技术,能在每个周期选择训练集的一个子集,以更快的收敛。

详情:http://opennmt.net/http://forum.opennmt.net/t/opennmt-v0-5-release/264/2 

GitHub:https://github.com/OpenNMT/OpenNMT

█ 谷歌深度学习算法检测乳腺癌 准确率超人类病理科大夫

哈佛神经机器翻译系统 OpenNMT 更新等 | AI 开发者头条

目前癌症检测的最重要环节之一,是病理学家观察人体组织切片影像。

谷歌最近发表了一篇论文,详细介绍了其深度学习技术在此项癌症检测环节上的突破。谷歌宣称,其算法模型已实现对乳腺癌组织影像检测 81% 的精确度,超出美国病理专家 73% 的行业平均水平。

研究人员表示,该技术离取代病理科医生还有很远。一是该技术只在训练过的特定任务上有效;而是病理科大夫的知识广度和经验仍然非常宝贵。

详情:http://www.leiphone.com/news/201703/pMsEYFDnPs6xJFDJ.html 

论文:https://drive.google.com/file/d/0B1T58bZ5vYa-QlR0QlJTa2dPWVk/view 

█ 两大 AI 平台联手!IBM Watson 与 Salesforce“爱因斯坦”进行对接

哈佛神经机器翻译系统 OpenNMT 更新等 | AI 开发者头条

IBM Watson 大家都有所耳闻,用不着过多介绍。“爱因斯坦”(Einstein)在国内的知名度则低一些。它是 Salesforce 对其客户关系管理软件进行数据挖掘、提取客户购买习惯的 AI。雷锋网消息,昨日,两家巨头宣布了这两大 AI 平台的连通——从此之后,IBM 与 Salesforce 的客户将同时获得“沃森”和“爱因斯坦”的服务。

很显然,这是对 AI 技术进行商业化变现的重要一步。如此高层级的强强联合,无疑将会在大数据服务领域带来一场地震。这将大增强 IBM 和 Salesforce 产品对客户的吸引力。

详情:http://www-03.ibm.com/press/us/en/pressrelease/51707.wsshttp://www.recode.net/2017/3/6/14835564/ibm-salesforce-ai-technology-watson-einstein 

█  布朗大学人机交互新算法,让 AI 学会提问

哈佛神经机器翻译系统 OpenNMT 更新等 | AI 开发者头条

布朗大学 Humans to Robots Lab 一直专注于人机交互难题。此前该实验室开发的算法,允许机器人将人类的口头命令和肢体语言进行结合,结果是更准确地理解人类意图。近日,该实验室成功开发出了一种新算法,让人机交互更进一步:让 AI 评估其对人类指令的理解程度,并对确定性进行量化;当确定性低于目标值,则主动对人类提问,进行澄清,接着根据回答做进一步推理,明确行动。

详情:https://news.brown.edu/articles/2017/03/fetch  ;https://www.sciencedaily.com/releases/2017/03/170306151728.htm 

每日推荐阅读

█ 博弈论与深度学习

最前沿的深度学习架构,往往包含多个要么互相竞争(比如 GAN),要么合作的神经网络。而该多代理路线的核心课题是:如何控制代理的行为。该领域研究经验最丰富的,是分别被谷歌收购的 Deepmind 和微软收购的 Maluuba。这篇并不长的文章,简要介绍了这两家公司的主要实验模型。

地址:http://www.kdnuggets.com/2017/03/greed-fear-game-theory-deep-learning.html


栏目介绍:AI 开发者头条是雷锋网旗下 AI 研习社推出的资讯栏目,周一到周五更新,汇总每天 AI 开发圈的重磅新闻,并推荐技术干货。你所关注的 AI 技术资讯,尽在开发者头条。

关注 AI 研习社公众号,获取每日头条推送。





本文作者:三川
本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
20天前
|
人工智能 自然语言处理 算法
创作吧开发者第三期:AI的奇思妙想之旅
从认识AI算法到使用AI工具再进阶为算法性能提升,不知不觉中,AI智能家居与私人助手成为了最熟悉我们生活的小助理。此外,文学、美术及音乐的联动,AI的创意作品也给我们带来更多的想象。 快来用文字为AI记录成长轨迹,用想象探索AI的无限奥秘,让灵感在字里行间流淌,你的每一个想法和记录都会成为AI浩瀚宇宙中的星辰!期待与各位创意满满且热爱创作的你们,共赴一场AI的奇思妙想之旅!
440 17
|
2天前
|
人工智能 自然语言处理 云计算
iOS迎来AI升级:揭秘Apple全新“智能”系统
iOS迎来AI升级:揭秘Apple全新“智能”系统
iOS迎来AI升级:揭秘Apple全新“智能”系统
|
4天前
|
人工智能 自然语言处理 程序员
下载量突破400万,百万开发者首选的 AI 编码工具通义灵码是如何炼成的?
我们非常高兴的宣布,通义灵码插件下载量突破400万啦!
下载量突破400万,百万开发者首选的 AI 编码工具通义灵码是如何炼成的?
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
|
7天前
|
机器学习/深度学习 数据采集 人工智能
未来的守护神:AI驱动的网络安全之盾,如何用智慧的光芒驱散网络黑暗势力?揭秘高科技防御系统背后的惊天秘密!
【8月更文挑战第13天】随着网络技术的发展,网络安全问题愈发严峻,传统防御手段已显乏力。本文探讨构建AI驱动的自适应网络安全防御系统,该系统能自动调整策略应对未知威胁。通过数据采集、行为分析、威胁识别及响应决策等环节,利用Python工具如Scapy、scikit-learn和TensorFlow实现网络流量监控、异常检测及自动化响应,从而提升网络安全防护的效率和准确性。随着AI技术的进步,未来的网络安全防御将更加智能和自动化。
19 6
|
4天前
|
人工智能 开发者 芯片
【51单片机】单片机开发者的福音: 让AI看电路图帮你编写程序(使用ChatGPT 中训练好的单片机工程师模型)
使用AI大语言模型编写 单片机程序. 使用的是 OpenAI公司发布的 ChatGPT .在ChatGPT上有别人训练好的 单片机工程师 with Keil uVision 5 - C Code Explainer模型, 可以上传电路图改模型可以通过这个用户所给的电路图进行编程.
【51单片机】单片机开发者的福音: 让AI看电路图帮你编写程序(使用ChatGPT 中训练好的单片机工程师模型)
|
17天前
|
数据采集 人工智能 NoSQL
生成式AI 未来发展的两大要素:数据和开发者
从过去一年的经验来看,未来也许还将发生翻天覆地的变革。所以,没人敢断言生成式 AI 的具体发展方向。但有一点可以肯定:数据和开发者,将始终是生成式 AI 未来发展的两大要素
3854 3
|
21天前
|
机器学习/深度学习 人工智能 弹性计算
智能化运维:AI在故障预测与自我修复系统中的应用
随着技术的不断进步,传统的运维模式已逐渐不能满足现代企业的需求。本文将探讨如何通过人工智能技术,特别是机器学习和深度学习算法,实现对IT系统的实时监控、故障预测以及自动化修复。我们将分析AI技术在智能运维中的具体应用案例,并讨论其带来的效率提升和成本节约效果。文章旨在为读者提供一种全新的运维视角,展示AI技术在提高系统稳定性和减少人工干预方面的潜力。
|
5天前
|
机器学习/深度学习 传感器 人工智能
NVIDIA Jetson Orin Nano 开发者套件 - 加速入门级边缘 AI 应用
NVIDIA Jetson Orin Nano 开发者套件 - 加速入门级边缘 AI 应用
13 0
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
AI与人类协作的未来:探索智能辅助系统的新篇章
本文旨在探讨人工智能(AI)如何在未来的工作中与人类形成更紧密的合作关系。通过分析当前的技术趋势和未来的发展预测,我们将揭示AI如何成为增强人类能力的助手,而非替代者。文章将详细讨论AI在医疗、教育和创意产业中的应用案例,并展望未来AI技术的发展方向和潜在的社会影响。最后,我们将反思这种合作对人类社会的深远意义,并提出对未来工作场景的建议。