Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >上海AI实验室欧阳万里:科学家为Al for Science提供了好的原材料,就看AI学者如何加工|MEET2024

上海AI实验室欧阳万里:科学家为Al for Science提供了好的原材料,就看AI学者如何加工|MEET2024

作者头像
量子位
发布于 2024-01-17 10:51:02
发布于 2024-01-17 10:51:02
2050
举报
文章被收录于专栏:量子位量子位
编辑部 整理自 MEET2024 量子位 | 公众号 QbitAI

Nature今年的统计显示,有78%的科学家还没有将ChatGPT等AI工具纳入日常研究中来。

从某种意义上来说,AI for Science这一新的研究范式其实早就帮科学家们搭好了利用AI能力的桥梁。

就在MEET2024大会现场,上海人工智能实验室领军科学家欧阳万里教授也指出:

科学家们观测到的实验数据,相当于已经为AI for Science提供了好的原材料,而怎么加工这些原材料,就是AI学者能够参与的地方。

为了完整体现欧阳万里对AI以及AI学者助力科学研究(即AI for Science)的思考,在不改变原意的基础上,量子位对他的演讲内容进行了编辑整理。希望也能给你带来新的启发。

关于MEET 智能未来大会:MEET大会是由量子位主办的智能科技领域顶级商业峰会,致力于探讨前沿科技技术的落地与行业应用。今年共有数十家主流媒体及直播平台报道直播了MEET2024大会,吸引了超过300万行业用户线上参会,全网总曝光量累积超过2000万。

演讲要点

  • 科学研究有四范式,现在来到了最新阶段:由人工智能驱动的数据密集型科学。
  • 科学家们的优势和重点是高通量实验和计算,薄弱项是人工智能和机器学习,等于有了非常好的原材料但没有好的厨师。
  • AI for Science面临的挑战和其他AI领域类似,都有小样本、少标注、数据形式多样等问题。
  • 人工智能是AI for Science关键的一环,但真正三足鼎立的是理论、实验以及计算。

(以下为演讲全文)

AI for Science有好的原材料,就看AI学者如何加工

大家好,今天主要给大家分享上海人工智能实验室的一些科研探索。

我们主要面向三大任务:

第一,前沿的基础理论;第二,基础系统;第三,关键的共性技术。

在这个实验室我主要负责AI for Science方向。

谈到AI for Science,我以前做的是计算机视觉,现在为什么又来从事这样一个新的方向呢?

这是因为,AI for Science在整个领域有很多应用以及很好的发展。

具体而言,我们的科学研究从最初的实验归纳到模型推演到计算机仿真,目前又来到了新的范式:

我们有了大量的数据积累,科研推理给我们的经验,以及计算机仿真给我们带来的利用计算机模拟世界的能力。

有了这样数据和理论,我们就可以利用人工智能对我们的数据进行分析,从里面找到合适的规律,从而进一步反演我们的世界,让我们能够利用计算机对世界做更好的预测,而且能够突破一些原来利用已有物理或者人们的知识而达不到的边界。

在这里面,人工智能是最关键的一环。

它另外一个有效的地方在于,中国在自然科学方面相比以前有了很好的进展,但相对于国外的话,我们仍然有很多地方需要改善。

而有了人工智能加持以后,我们希望跟中国科学家们一起合作,在自然科学研究方面实现弯道超车,在整个世界舞台上有更多的发展机会。

我们再回过头来看,来自于自然科学的学者们,他们有的优势是什么?

基础理论,自然科学家们在这方面有了非常深厚的积累,包括高通量实验以及计算经验的积累。

当一个科学家花了很多时间积累经验、积累高通量实验,在人工智能方面花的时间相对于本身做人工智能学者来说是少的,毕竟人的精力总是有限。

所以这方面,正是人工智能学者能够参与的地方。

总结来说,自然科学家们在这方面准备了好的实验数据、理论、和计算方法,相当于为AI for Science方向提供了好的原材料。

怎么对原材料进行加工,这成为了我们需要考虑的问题。

这好比我们做一道菜,有了好的原材料还要有好的厨师将原材料进行加工。

AI for Science领域希望AI学者加入进来和自然科学家一起合作,做出一道美味的佳肴。

在这方面不止我们实验室看到这样一个机会,国内很多高校以及企业也都看到了这个方向的重要性。

国外企业如大家知道的谷歌DeepMind,正在这方面发力;中国很多相应公司也开始往这方面进行相应的投入。

AI for Science面临的挑战和其他AI领域类似

再回到开始那个话题:对于我个人而言,我是一个学者,为什么我要从事AI for Science?

主要基于以下两个原因。

第一,问题本身很重要,第二个,问题本身有趣。

关于问题重要性,在我个人看来,首先是它与其他AI领域具有类似的问题,比如小样本、少标注。这在语音和视觉里面经常被提到的,到了自然科学里面,变得尤为严重。

举一个例子,大家都知道AI for Science有一个著名的工作是将蛋白质折叠进行预测,来自DeepMind。

很多学者说未来它能获得诺贝尔奖,它做的事情是什么:当我有了一维的序列,边可以此得到蛋白质在空间结构上的三维结构。

原来大家是怎么干的?需要用上千万的设备,大概花一年左右时间才能得到这样的结构。

当做好这件事情以后,很可能一个科学家就能发表一篇Nature或者Science的文章。

这证明这类研究不是普通人就能做的,它需要大量的投入以及真正的专家才行。

有了AI for Science能干什么呢?

利用人工智能模型,AI for Science的学者能将这件事情做得不错。

但是我们可以看到,要得到三维结构,可能需要一个学者投入一年时间才能得到一个样本标注。

这样一来,我们得到样本数目的效率远比语言模型、视觉模型的效率低很多,这必然让我们在很多类似的科学问题上面临少标注的问题。

样本量也会有少的问题,像我们模拟非常底层的分子动力学的时候,有时显微镜都得不到相应的样本,使得问题更加严重。

另一方面我们会面临数据表现形式多样性的问题。

自然科学从物理到生物到地球科学,有不同的表现形式,有非常底层的原子的表示、分子的表示,有基因蛋白等等的表示方式,如果来到地球科学又有大气的表示。

表达形式本身多样的形式下,怎么把数据处理好成为一个问题。

当然,AI for Science本身也有一些独特的挑战,我需要跟科学家进行更多的合作,让他们帮我们建立更多的知识背景。

同时需要注意,在这个领域,理论、实验以及计算三足鼎立,AI不完全最重要的,它是其中重要的能带来突破的一环。

我们跟科学家合作的时候需要尊重以及了解到他们在这方面已有的知识,从而在合作过程中建立互信,互相尊重做出更好的工作来。

两项AI for Science科研成果介绍

下面将介绍我们在实验室的工作。

RNA三维结构预测,显著提高样本利用率

在实验室,我们希望能够从微观原子分子层次看到最宏观的宇宙层次,我们这么做背后的原因是我们看到了自然科学本身是有共性的。

有一门科学建立了它们之间的关系:粒子天体物理学。

它利用的是在微观粒子中的理论来帮助研究非常宏观的宇宙天体的问题。

既然在科学上本身有共性,我们以AI眼光看待从微观到宏观的自然科学的时候,实际上它们也有共性的问题。比如我前面所提到的少样本少标注。

由于时间关系我们不会介绍所有的。拿少标注问题来说,我举其中一个例子: 在生命科学方面,我们希望利用各个不同组学信息让AI模型做各种各样的问题。

比如我们在RNA转录组方面的探索。RNA是一个AUCG一维的序列,我们有了这样的序列以后,希望从这样的输入信息对RNA本身有什么样的功能和结构进行预测。

这样一个看起来能够利用深度学习做的事情,我们面临什么样的问题呢?

我们做的是结构预测这件事情,但结构样本的数目目前不足六千,如果你能得到重要的RNA结构又是刚才说的故事,一年发一篇Nature文章。这意味着只有顶尖学者才能得到其中的1—2个样本,非常少。

如果要处理好这个问题——RNA本身有很多序列,不知道功能的序列很多。我们可以利用不知道的标签数据做无监督学习,把数据本身当成标注做个自监督的学习方法,就能够得到预训练的模型。

利用这个模型再去做下游任务的时候,因为有了自监督方法,会让我们下游任务做的更好。

实验发现,这个方法能在很多像结构功能这样的预测上达到很好的效果。

风乌气象大模型超越DeepMind

另外我们实验室的一个探索是地球科学方面,目前主要关注的是气象。

这个问题中国早在秦汉时期就开始尝试感知气象了,当时利用的设备叫做相风铜乌。首先感知到气象才能预测到气象。

中国古代预测气象依靠什么?观天象,钦天监就是干这件事情的,但在那个时候主要依赖的是人的判断,而不是利用科学模型。

来到现代,开始有人提出来我们是不是可以利用物理模型做这件事呢?

早在100多年以前,来自于欧洲和美国的两位学者确实提了,经过一百年的探索以后大家发现,每经过十年的研究,能够将有效预报的能力提高一天。

这说明两件事情:

第一,利用物理方法去做气象预报是可行的。

第二,随着物理方法的改善以及计算量能力的增长,预报能力在逐年提高。

在国内外,研究机构和高校相应地开设了研究部门来做这方面的研究。

我们的实验室也是,基于多任务学习的印度洋偶极子预测,首次将印度洋核心气候指标的可用预报技巧提前至7个月。

另外一个工作就是风乌模型,它的名字来自于我们刚才说的相风铜乌。

该模型输入全球当前时刻五个气象要素,温度、湿度、风速等,利用这些要素来预测下一个小时的温度、湿度等。然后把它的结果和数据放到风乌里面再预测下一个时刻,下下时刻。

这是风乌的整个运行模式,跟目前利用物理方法做这个事情是同一个逻辑。

利用这个模式我们可以预测未来1天、2天、10天、14天的结果。

并且还可以利用历史上的数据,比如前年的数据去预测去年。这个时候我们数据本身就是要预测的标注了,它的逻辑跟做疾病预测是类似的。

风乌模型的创新点包括基于多模态多任务的网络设计。

以往方法只是认为它们是跟图象里的RGB一样,直接把它们全部对接到一起,给到一个模型就行。然而我们利用多模态方法做这件事情,效果很好。

另一方面,我们认为既然这是多模态问题,那就可以类似地来看输出,让它成为多任务的问题,利用多任务学习方法可以自动调节各个不同要素的重要性。

最终对比DeepMind在Science上发表的GraphCast模型,我们的方法在80%指标上都获得了更好的性能。

此外,我们也是首次让有效预报天数超过10天的气象预报模型,利用我们的方法可以只用一张GPU一分钟生成未来14天全球所有的地区的高精度气象预报结果。

这是我们的方法在中国气象局实际操作预测的结果。

右上角是不同预报模型的结果,包括来自于欧洲、美国等等的,右下角结果是最终他们测定的真实结果。

可以看到,我们比较准确的预测到这个台风能走到雷州半岛,这个方法准确率最高。

另一方面,第三方机构对于前面一年和最近以来在中国登录的所有台风预测也做过统计,结果发现,我们方法相对已有的物理方法以及AI方法都是更好的。

总结而言,AI for Science是跟其他领域有着类似问题的领域,AI for Science在未来将会对于整个自然科学领域带来更深刻的影响。

在这方面我们希望能够与自然科学方面顶尖的学者进行合作,来做出来更多的突破工作,也欢迎大家联系我们进行合作,谢谢大家。

点这里👇关注我,记得标星哦~

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见 ~

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2024-01-14,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量子位 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
微软研究院刘铁岩:AI for Science:追求人类智能最光辉的一面|MEET 2023
衡宇 整理自 MEET2023 量子位 | 公众号 QbitAI 过去一年里,AI for Science技术成果集中爆发,在生物医药、材料、物理、化学、甚至数学上发挥出越来越重要的作用,不少学界、业内人士已经看到了AI在自然科学领域的巨大潜力。 AI for Science背后的价值到底有些什么? 带着这样的追问,微软研究院科学智能中心亚洲区负责人、微软亚洲研究院副院长刘铁岩和其带领的团队,进行了不倦追寻。 去年,刘铁岩团队发布了用于分子模拟的Graphormer模型。在MEET2023智能未来大会上,
量子位
2023/02/28
4810
微软研究院刘铁岩:AI for Science:追求人类智能最光辉的一面|MEET 2023
单卡30秒预测未来10天全球天气,大模型“风乌”效果超DeepMind,来自上海人工智能实验室
允中 发自 凹非寺 量子位 | 公众号 QbitAI 预测未来10天全球天气,仅需30秒。 这一成果来自全球中期天气预报大模型“风乌”,这也是全球气象有效预报时间首次突破10天,并在80%的评估指标上超越DeepMind发布的模型GraphCast。 “风乌”基于多模态和多任务深度学习方法构建,由上海人工智能实验室联合中国科学技术大学、上海交通大学、南京信息工程大学、中国科学院大气物理研究所及上海中心气象台发布。 实验室领军科学家欧阳万里表示: “风乌”取名自秦汉时期的“相风铜乌”,是世界上最早的测风设备。
量子位
2023/04/10
5030
单卡30秒预测未来10天全球天气,大模型“风乌”效果超DeepMind,来自上海人工智能实验室
AI for Science,憧憬一个人人都可参与科学发现的未来
今天的人工智能技术,在很多任务上的表现已经可以媲美人类,特别是在认知、感知等层面。然而,我们对人工智能的长远愿景决不能局限在复刻人类已有的知识和技能——我们更期待人工智能可以帮助人类探索未知领域,加速我们认识世界和改造世界的进程。
用户9861443
2024/05/17
2360
AI for Science,憧憬一个人人都可参与科学发现的未来
Science AI 大潮已至,科技部亲自下场出大动作
大数据文摘转载自HyperAI超神经 作者:缓缓 审校:三羊 3 月 27 日,据新华社报道,为贯彻落实国家《新一代人工智能发展规划》,科技部会同自然科学基金委近期启动「人工智能驱动的科学研究」( AI for Science )专项部署工作。 「AI for Science 有可能推动我们在下一轮科技革命中走在前沿。」中科院院士、北京科学智能研究院院长、自然科学基金委「下一代人工智能」重大研究计划专家组组长鄂维南对此作出预判。 新一轮科学革命如何弯道超车? 北京科学智能研究院副院长、深势科技创始人兼
大数据文摘
2023/04/10
4650
Science AI 大潮已至,科技部亲自下场出大动作
学界 | 离开实验室的材料科学:AI正将新材料的发现过程提速200倍
大数据文摘作品 编译:李雷、大茜、Aileen 算法和材料数据库正帮科学家预测哪些元素能合成新材料。 几百年来,人们一直是通过反复试验或者靠运气和偶然发现新材料。现在,科学家们正在使用人工智能来加速这一过程。 最近,西北大学的研究人员用AI来解决如何生成新的金属玻璃混合物的问题。这比起在实验室进行实验快了200倍。 科学家们正在构建由数千种化合物组成的数据库,以便用算法来预测哪些化合物的组合会形成有趣的新材料。还有人用AI来分析已发表的论文挖据“材料配方”以产生新材料。 过去,科学家和建筑工人们只能将材料混
大数据文摘
2018/05/23
9870
AI卷翻科研!DeepMind 36页报告:全球实验室被「AI科学家」指数级接管
然而,如今AI日常的应用已经快卷到天花板了。对于世界上绝大多数人的普通查询,许多LLM都能给出相当不错的回答。
新智元
2025/02/15
940
AI卷翻科研!DeepMind 36页报告:全球实验室被「AI科学家」指数级接管
AI能成科学家的工具人?Nature采访五位顶尖学者:学会写代码,降低期望
人工智能(AI)逐渐从一个专用的研究领域走向成为其他学科的工具,这种方式也很好地促进了跨学科合作。
新智元
2021/10/22
4960
李学龙、戴琼海、任奎等上榜,科睿唯安公布2021全球高被引科学家名单,中国科学家占比14.2%
作者 | 莓酊 编辑 | 青暮 2021年11月16,科睿唯安(Clarivate Analytics)发布2021年度“高被引科学家(Highly-Cited Researchers 2021)”名单,全球70多个国家6602人次科学家入选本年度名单。特定领域高被引研究人次3,774,跨领域高被引研究人次2,828。来自法国、意大利、日本、韩国、新加坡和美国六个国家的16位世界顶尖研究人员获得2021年度“引文桂冠奖”。迄今为止,已有59位 “引文桂冠奖” 得主荣获诺贝尔奖。高被引科学家的遴选方法由科睿唯
AI科技评论
2023/04/26
5400
李学龙、戴琼海、任奎等上榜,科睿唯安公布2021全球高被引科学家名单,中国科学家占比14.2%
AI气象大模型最新总结 ! 揭秘智能天气预测的新纪元
全球目前主要使用的AI气象预测模型包括谷歌DeepMind的GraphCast、华为云的Pangu-Weather、清华大学和中国气象局的NowcastNet、阿里巴巴的SwinVRNN*、复旦大学开发的伏羲、上海人工智能实验室的风乌、英伟达Nvidia的FourCastNet、微软和华盛顿大学的DLWP,以及欧洲中期天气预报中心(ECMWF)的CNN模型。除此之外,还有一些新兴的AI气象模型如前NASA科学家创立的初创公司开发的Zeus AI,专注于短期预测,以及谷歌研究和谷歌DeepMind开发的最新模型MetNet-3,它提供高分辨率的短期天气预测。这些模型利用最新的人工智能和机器学习技术,显著提升了气象预测的准确性和细节层面的分析能力。随着技术进步,未来的气象预测将更加精准和高效。
ClimAI 智慧气象
2023/12/03
12.6K0
AI气象大模型最新总结 ! 揭秘智能天气预测的新纪元
AI for Science年度激辩:AlphaFold成功难以复制,数据人才生态建设都是挑战|MEET2023
明敏 丰色 整理自 MEET2023 量子位 | 公众号 QbitAI “AI for Science在今年爆火,不是意外。” “当下面临的最大挑战,是如何管理预期。” “无论用AI还是传统手段探索科学,都要基于好的研究体系,工具上的变化不会扭转本质问题。” …… 今年,AI for Science的更多可能,正在被挖掘、热议甚至激辩。 爆火到底是不是意外?变革是否已经发生?还面临哪些挑战?在量子位MEET 2023智能未来大会AI for Science圆桌上,这些疑问拨云见日。 深势科技CTO胡成文、百
量子位
2023/02/28
4170
AI for Science年度激辩:AlphaFold成功难以复制,数据人才生态建设都是挑战|MEET2023
深度学习的下一个十年,延展基础科学研究变革的「角力场」
在更大的科学命题中,有人找到了更激动人心的原动力。 图灵奖获得者、前微软技术研究员 Jim Gray 通过四种范式描述了科学发现的历史演变。从基于经验主义——即对自然现象的直接观察之“第一范式”,到以数据密集型科学发现(特征数据建模)的“第四范式”,跨越了几千年的历史长河。 几年前,一种利用深度学习新方法的出现,成为解决科学发现速度与准确性权衡问题的有力工具;至此,科学发现的“第五范式”代表了机器学习和自然科学最激动人心的前沿之一。 在过去的一两年里,人工智能和传统科研结合呈现的巨大潜能使得人工智能在科学中
AI科技评论
2023/04/12
4930
深度学习的下一个十年,延展基础科学研究变革的「角力场」
2024年IEEE Fellow名单揭晓:「视觉智能」领域十余位华人学者入选!
本次共从被提名的949名候选人中选出323名IEEE Fellow,其中华人学者有116位,占总人数的36%左右。
AI掘金志
2023/11/27
1.2K0
2024年IEEE Fellow名单揭晓:「视觉智能」领域十余位华人学者入选!
看上华科,这家公司与其成立联合AI实验室
3月30日,中国最大的企业通讯云——容联与华中科技大学共建的“人工智能联合实验室”在华中科技大学正式挂牌。该联合实验室是华中科技大学首次在人工智能领域与业界进行产学研合作,也是国内通信+人工智能的首个
AI科技大本营
2018/04/26
1.1K0
看上华科,这家公司与其成立联合AI实验室
科学家正让AI自己做实验,想要机器摆脱人类的直觉
李杉 编译自 Science 量子位 报道 | 公众号 QbitAI 如果说这是未来的生物实验室,它似乎与现在的实验室没有多大差别。 里面有身穿白大褂的科学家,还有许多放着冷冻试管的盒子。架子上的化学
量子位
2018/03/28
9790
科学家正让AI自己做实验,想要机器摆脱人类的直觉
解决数据孤岛/计算消耗/误差累积问题,上海人工智能实验室苏锐:FengWu-GHR实现AI气象预测多重突破
在 2024 智源大会上,上海人工智能实验室青年研究员苏锐分享了 AI 气象预报的历史发展、最新技术研究进展、所面临的挑战,其团队研究成果 FengWu-GHR 解决了高分辨率气象数据稀疏、模型计算消耗大、长时间预测误差累积等问题。
HyperAI超神经
2024/07/01
2030
解决数据孤岛/计算消耗/误差累积问题,上海人工智能实验室苏锐:FengWu-GHR实现AI气象预测多重突破
云计算如何助力夯实制造业“底盘”?材料科学领域专家学者分享新材料前沿技术成果
新材料技术是我国制造业的“底盘技术”,在人工智能、云计算等信息技术的加持下,新材料的发现与设计、分析与计算迎来了哪些变化?8月26日,腾讯教育联合腾讯云、腾讯量子实验室、龙讯旷腾、NVIDIA共同举办云计算助力材料多尺度计算研讨会,邀请11位材料科学领域专家学者分享多尺度计算模拟与云计算领域的最新进展、技术及成果,推动多尺度计算模拟的理论发展和应用探索。 腾讯杰出科学家、腾讯量子实验室负责人张胜誉,龙讯旷腾CEO吕海峰,香港城市大学讲座教授张瑞勤,北京航空航天大学物理学院院长、教授吕广宏,中国科学院半导体
鹅老师
2022/09/02
6760
云计算如何助力夯实制造业“底盘”?材料科学领域专家学者分享新材料前沿技术成果
李祥春团队Patterns:Reformer深度学习工具推动RNA结合蛋白研究新突破 | CellPress对话科学家
Reformer是一个基于深度学习的工具,能仅通过RNA序列预测蛋白质与RNA的结合位置和强度。1月10日,天津市肿瘤医院李祥春团队在Cell Press细胞出版社旗下期刊Patterns上发表了一篇题为“A deep learning model for characterizing protein-RNA interactions from sequences at single-base resolution”的研究论文,介绍了Reformer的核心优势,包括无需复杂实验数据、高分辨率结合预测及发现隐藏模式。Reformer在结合预测、基序发现、基序构建与整合及突变效应预测等应用场景中表现出色,为RNA调控机制研究提供新途径,并为疾病治疗提供新思路。
DrugAI
2025/01/16
1580
李祥春团队Patterns:Reformer深度学习工具推动RNA结合蛋白研究新突破 | CellPress对话科学家
Science|用人工智能学习生命语言
2025年1月30日,Science发表文章Learning the language of life with AI。文章主要讲述了人工智能通过构建生命大语言模型(LLLM)破解了从蛋白质折叠到基因调控、细胞运作的多维度生命密码,正在将生物学从观察科学转化为可设计、可编程的工程科学,开启生物医学研究、药物开发和生命本质认知的革命性时代。
智药邦
2025/02/19
1640
Science|用人工智能学习生命语言
李飞飞团队 AI4S 最新洞察:16 项创新技术汇总,覆盖生物/材料/医疗/问诊……
斯坦福大学 HAI 研究中心重磅发布了《2024年人工智能指数报告》,新增章节探讨了 AI 在科研与医学领域的应用。
HyperAI超神经
2024/05/13
1K0
李飞飞团队 AI4S 最新洞察:16 项创新技术汇总,覆盖生物/材料/医疗/问诊……
业界 | 腾讯成立机器人实验室Robotics X,与Nature宣布长期合作
机器之心原创 作者:李泽南 3 月 15 日,腾讯 AI Lab 第二届学术论坛在深圳举行,在上午的论坛开幕活动中,腾讯揭晓了两个重磅消息:成立机器人实验室 Robotic X;腾讯 AI Lab 与自然科研达成战略合作。 「过去几年间,人工智能是处在风口浪尖的领域,有很多 AI 技术已经进入了我们的生活,如人脸识别,智能翻译等技术,」腾讯副总裁姚星表示。「腾讯 AI Lab 在近两年的发展中基本实现了学术有影响、工业有产出的初衷。」本次两大消息的发布,也宣示着腾讯正在将人工智能方面的研究影响力进一步扩展到
机器之心
2018/05/08
1.2K0
业界 | 腾讯成立机器人实验室Robotics X,与Nature宣布长期合作
推荐阅读
微软研究院刘铁岩:AI for Science:追求人类智能最光辉的一面|MEET 2023
4810
单卡30秒预测未来10天全球天气,大模型“风乌”效果超DeepMind,来自上海人工智能实验室
5030
AI for Science,憧憬一个人人都可参与科学发现的未来
2360
Science AI 大潮已至,科技部亲自下场出大动作
4650
学界 | 离开实验室的材料科学:AI正将新材料的发现过程提速200倍
9870
AI卷翻科研!DeepMind 36页报告:全球实验室被「AI科学家」指数级接管
940
AI能成科学家的工具人?Nature采访五位顶尖学者:学会写代码,降低期望
4960
李学龙、戴琼海、任奎等上榜,科睿唯安公布2021全球高被引科学家名单,中国科学家占比14.2%
5400
AI气象大模型最新总结 ! 揭秘智能天气预测的新纪元
12.6K0
AI for Science年度激辩:AlphaFold成功难以复制,数据人才生态建设都是挑战|MEET2023
4170
深度学习的下一个十年,延展基础科学研究变革的「角力场」
4930
2024年IEEE Fellow名单揭晓:「视觉智能」领域十余位华人学者入选!
1.2K0
看上华科,这家公司与其成立联合AI实验室
1.1K0
科学家正让AI自己做实验,想要机器摆脱人类的直觉
9790
解决数据孤岛/计算消耗/误差累积问题,上海人工智能实验室苏锐:FengWu-GHR实现AI气象预测多重突破
2030
云计算如何助力夯实制造业“底盘”?材料科学领域专家学者分享新材料前沿技术成果
6760
李祥春团队Patterns:Reformer深度学习工具推动RNA结合蛋白研究新突破 | CellPress对话科学家
1580
Science|用人工智能学习生命语言
1640
李飞飞团队 AI4S 最新洞察:16 项创新技术汇总,覆盖生物/材料/医疗/问诊……
1K0
业界 | 腾讯成立机器人实验室Robotics X,与Nature宣布长期合作
1.2K0
相关推荐
微软研究院刘铁岩:AI for Science:追求人类智能最光辉的一面|MEET 2023
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档