2021年顶尖技术博客文章精选

使用加密数据构建机器学习模型

在某加密计算与应用同态密码学研讨会上，某中心研究人员发表论文探索将同态加密应用于逻辑回归，这是一种用于从基因组学到税务合规等众多机器学习应用的统计模型。了解这种新的同态加密方法如何将加密机器学习模型的训练速度提升六倍。

改进可解释AI的解释能力

基于概念的解释性模型的因果图，包含混淆变量(u)和去偏概念变量(d)。研究人员在国际学习表示会议上发表论文，"将一种从因果模型中去除混杂因子的技术——工具变量分析，应用于基于概念的解释问题"。了解因果分析如何提高流行基于概念解释模型的分类准确性和所识别概念的相关性。

Alexa进入"自我时代"

"我们开始引入的一些技术，加上正在研究的其他技术，预示着Alexa发展及其AI领域本身的阶跃变化，"某中心自然理解副总裁写道。阅读他的文章，了解更自主的机器学习系统如何使Alexa更加自我感知、自主学习和自我服务。

分层时间序列预测新方法提升准确性

研究人员的方法通过投影强制执行分层时间序列不同层级间的一致性。该方法使用单一机器学习模型，端到端训练，同时预测层次结构每个级别的输出并协调它们。了解该方法如何强制实施分层时间序列的"一致性"，其中层次结构每个级别的值是下一级别值的总和。

确定相关时间序列中的因果关系

研究人员的新方法构建了一个调节集——一组必须控制的变量——使得能够在因果图中测试条件依赖和独立性。该方法超越了格兰杰因果关系，并将检测原因的误报率降至接近零。

如何高效训练大型图神经网络

通过在GPU内存中缓存图节点数据，全局邻居采样大幅减少了大型图神经网络训练期间从CPU传输到GPU的数据量。该方法比性能最佳的前代方法实现了2到14倍的加速。

如何使设备端语音识别实用化

在某语音技术会议上，研究人员发表了两篇论文，描述了一些将使Alexa在边缘运行变得实用的创新。了解分支编码器网络如何提高操作效率，而"神经差分"如何减少模型更新的带宽需求。

使用学习排序精确定位包裹投递位置

某中心最后里程组织的主要应用科学家将信息检索中的思想——学习排序——应用于从过去GPS数据预测投递位置坐标的问题。了解适应信息检索的模型如何很好地处理嘈杂的GPS输入并可以利用地图信息。

使硅空位中心适用于量子网络

具有所谓硅空位中心的合成钻石芯片是量子网络的有前途技术，因为它们是天然光发射器，而且体积小、固态且相对容易大规模制造。但它们有一个严重缺点，即倾向于以不同频率发射光，这使得交换量子信息变得困难。研究人员展示了一种有望克服该缺点的技术。

某中心团队因自动推理工作获得最佳论文奖

在ACM操作系统原理研讨会上，研究人员因使用自动推理验证某中心新的S3存储节点微服务将按预期工作而获得最佳论文奖。了解用于验证新S3数据存储服务的轻量级形式化方法。