当年作为核心SE在MindSpore团队从0到1构建了MindSpore Lite推理引擎，到去年知道的信息是现在在华为和荣耀手机上的AI能力都是基于Lite推理引擎，调用次数10亿/天。
在人工智能领域，知识推理技术是一个不断发展的重要分支，它关注于如何让计算机系统使用预先定义的知识库进行逻辑推理，以解决复杂问题。这种技术基于一系列成熟的理论和方法，从传统的符号逻辑推理发展到现代的图谱推理和机器学习融合方法。知识推理不仅涉及知识的有效表示和存储，还包括如何通过逻辑运算对这些知识进行处理和推导出新的知识。
本文节选整理自NVIDIA GTC讲座[S41607]： 自动光学检测（AOI）中采用的深度学习技术一直是制造业的热门话题。 然而，大多数项目都停留在概念验证阶段或仅部署在少数 AOI 机器上。 我们的分析发现，障碍通常与 AI 模型的准确性或性能无关，而是出于其他原因。 在制造检测中部署深度学习时，我们将解决这些障碍，以及 Jetson 平台如何帮助我们克服这些障碍。 根据我们的经验，制造商在采用人工智能技术方面面临障碍，这三点是我们从客户那里听到的最常见的原因。一是技能差距，客户没有新技术技能，二是对
在前沿AI大模型规模呈指数级增长的趋势下，仅凭单卡已经很难满足当下的推理需求。 就拿拥有1750亿参数的GPT-3来说。 仅仅是加载模型参数就需要数百GB的存储空间，远超单个GPU的容纳能力。 因此，多卡并行被视为AI大模型推理的必然选择。 但现有的推理系统仍旧存在不少弊端。 比如需要用户对通信、内存等各部分协作进行手动管理，需要额外编译等……导致用户使用门槛居高不下。 为此，大规模并行AI训练系统Colossal-AI团队提出了大模型推理系统Energon-AI。 以“高性能、高可用、可伸缩”的理念，深
文 | 传感器技术（WW_CGQJS） 12月15日，工信部正式印发了《促进新一代人工智能产业发展三年行动计划》，为2018年到2020年人工智能发展指明了前进的方向。计划中的重点内容是培育八项智能产品和四项核心基础，而智能传感器正排在核心基础的第一位，处于最基础最重要的地位。 万物相连技术链 传感器、大数据、机器学习、人工智能和机器人是怎样拧在一起了呢？在人工智能时代硬件和软件是共生演化的，彼此影响的呢？ “物联网”、“大数据”和“机器人”等,其实这些趋势是相互联系在一起的，拧成一个大趋势， 在这个链条里
作者 | 丁效 整理 | 维克多 在过去十年的人工智能浪潮中，以深度学习为代表的人工智能技术已基本实现了视觉、听觉等感知智能，但依然无法很好地做到思考、推理等认知智能。 4月9日，哈尔滨工业大学计算学部副研究员丁效，在AI TIME青年科学家——AI 2000学者专场论坛上，做了《基于神经符号的认知推理方法》的报告，分享了神经网络方法执行符号推理任务的最新进展，同时也给出了将符号知识注入神经网络的思路以及如何将神经网络与符号系统相融合。 以下是演讲原文，AI科技评论做了不改变原意的整理。 今天和大家分享神
7月24日消息，据悉，理想汽车自动驾驶负责人郎咸朋在其个人朋友圈发文，截至2023年7月20日，理想NOA里程已经突破2亿公里。郎咸朋表示，从2021年12月到2023年3月，理想NOA实现0-1亿公里的目标历时15个月，他还预测，截至今年年底，NOA里程数有望达到5亿公里。
机器人和自动化越来越多地用于制造、农业、建筑、能源、政府和其他行业，但许多公司一直在努力将人工智能和深度学习的优势融入到最苛刻的应用中。 借助新的 NVIDIA Jetson AGX Xavier 工业模块，NVIDIA 使在安全性和可靠性至关重要的恶劣环境中的边缘部署 AI 成为可能。这种新型工业模块扩展了 Jetson AGX Xavier 系统级模块的功能，使开发人员能够构建先进的、支持 AI 的加固系统。Jetson AGX Xavier Industrial 专为最恶劣环境中的智能视频分析、光学检
以AI知名的科技公司科大讯飞，2022全球1024开发者节上官宣最新技术成果和进展。
从工厂和农场到炼油厂和建筑工地，这些炎热、肮脏、嘈杂、潜在危险的地方却是保持工业繁荣至关重要的地方。而这些地方在日常运营的同时都需要检查和维护，但是，考虑到安全问题和工作条件，派人进驻并不总是最好的。
【新智元导读】蚂蚁金服副总裁、首席科学家漆远博士在新智元2017开源·生态AI技术峰会上阐释了 AI 技术在金融场景中的应用和巨大价值。漆远特别强调了场景化对于 AI 技术的意义，并以智能客服、个性化产品和资讯推荐及保险等具体场景为例加以说明。特别地，漆远指出了当前 AI 技术应用中存在的一些挑战，富有借鉴意义。 “蚂蚁金服是一家技术驱动的公司，我们做的事情，是使 AI 技术成为普惠金融的支点。”蚂蚁金服副总裁、首席科学家漆远博士，在有中国“ AI 春节”之称的新智元2017开源·生态AI技术峰会上表示。
随着工业革命的不断推进，人工智能等新技术新理念在各行业兴起。同时，各行业也逐步向数字化、智能化、自动化转型，进入现代化工业新阶段。 工业质检是整个制造中一个非常重要的环节，但工业AI质检的有效落地是我们面临的一个巨大挑战。 本期直播将为大家深入浅出讲解工业AI质检如何落地，全面助力实体经济转型。 直播将于本周一、三、五晚19:00-20:00开播 欢迎预约观看！ 扫码入群参与直播互动，有精美礼品！ 更可获取最新腾讯云AI产品与解决方案手册 在线答疑工业AI相关产品咨询 腾讯云工业AI用户交流群
近4个月前，商汤赶在2021年的尾巴12月30日完成上市敲钟，成为目前AI领域全球最大IPO。
因果关系对于人类感知和理解世界，采取行动以及理解自己起着核心作用。大约二十年前，计算机科学家 Judea Pearl 通过发现和系统地研究「因果阶梯」（Ladder of Causation），在理解因果关系方面取得了突破，该框架着重说明了观察、做事和想象的独特作用。为了纪念这一具有里程碑意义的发现，人们将其命名为「Pearl 因果层次结构」（Pearl Causal Hierarchy，PCH）。
从研究结果上来看，大语言模型（LLM）在轻度和重度抑郁症治疗方面，已经达到了公认的治疗标准。
编辑部 ChatGPT 发自 凹非寺 量子位 | 公众号 QbitAI 什么是“MEET2023智能未来大会”？ 大会上来了哪些重磅嘉宾？ 他们在大会上探讨了什么主题？ 没错！ChatGPT也参与了今年的大会，作为AI代表与人类嘉宾们一起回顾这一年来人工智能的发展，展望智能科技的未来。 下面还是老样子，一文看尽。 不同的是，这次的内容由ChatGPT协助编辑部共同整理。整场大会主要分成三个维度： 新技术新模型变革下，对计算、算力提出的新标准、新要求、新机遇； 时代级机遇求解征途中，诞生了哪些新场景、
飞机盘旋在匹兹堡上空，蜿蜒的森林山路中一座工业城市的轮廓赫然显现。匹兹堡被称作"钢铁城"，从 1970 年代开始，滞缓的经济导致大量蓝领失业，这里和底特律、克利夫兰等东部城市被统称为"锈带"（Rust Belt Cities），面临着转型或破产的困境。 然而与其它"锈带"城市有所不同，匹兹堡有宾夕法尼亚州最大的医院——匹兹堡大学医疗中心，以及全球排名第六的计算机系大学——卡内基梅隆大学。这座城市正在利用这些资源重新包装、营销自己。通过机场安检口滚动的宣传片大力推送"创客"、"科技"、"革新"可以窥见一斑。
机器之心（海外）原创 作者：李九喻 飞机盘旋在匹兹堡上空，蜿蜒的森林山路中一座工业城市的轮廓赫然显现。匹兹堡被称作「钢铁城」，从 1970 年代开始，滞缓的经济导致大量蓝领失业，这里和底特律、克利夫兰等东部城市被统称为「锈带」（Rust Belt Cities），面临着转型或破产的困境。 然而与其它「锈带」城市有所不同，匹兹堡有宾夕法尼亚州最大的医院——匹兹堡大学医疗中心，以及全球排名第六的计算机系大学——卡内基梅隆大学。这座城市正在利用这些资源重新包装、营销自己。通过机场安检口滚动的宣传片大力推送「创客」
---- 将 ScienceAI 设为星标 第一时间掌握 新鲜的 AI for Science 资讯 ---- 编辑 | 萝卜皮 科学家们的目标是发现能够准确描述实验数据的有意义的公式。自然现象的数学模型可以根据领域知识手动创建，或者也可以使用机器学习算法从大型数据集自动创建。学界已经研究了表示相关先验知识与相关函数模型合并的问题，认为寻找与一般逻辑公理先验知识一致的模型，是一个悬而未决的问题。 IBM 研究团队以及三星 AI 团队的研究人员开发了一种方法「AI-Descartes」，通过将逻辑推理与符
本期将为大家介绍香港中文大学计算机科学与工程系 James Cheng 老师招收工程师和实习生相关信息。 Husky Data Lab 是由香港中文大学计算机科学与工程系 Prof. James Cheng 领导下的大数据实验室，专注于高性能数据分析系统和数据库的开发，研究成果已被应用于工业界多个大规模 / 高性能系统。 个人主页：https://www.cse.cuhk.edu.hk/~jcheng/ 目前，James Cheng 教授团队在开发 Ofnil 和 Graxy 两个平台： Ofnil gr
人工智能发展至今,已经由最初的专注推理转为数据驱动的统计学习与深度学习,并取得了巨大的进步,未来发展潜力巨大。
大数据文摘作品 编译：VVN、蒋宝尚、龙牧雪、魏子敏 【人工智能】正在让这个时代激动不已，但也正引发不少担忧。被誉为机器学习之父的美国三院院士、伯克利教授Michael I.Jordan昨天在美国知名科技媒体Medium上，难得的发布了他的第一篇文章。一反以往的技术干货输出，这篇文章的主题是对当前AI研究中的问题进行冷静反思。 这篇名为《人工智能：革命远未到来》的长文阅读时间在20分钟左右，从14年前Jordan教授自己的一个关乎生死抉择的故事说起，回顾了AI发展的过往，更重要的是，提
前言：我们正处在认知智能的起步的阶段，还有很多未知的因素，也不知道未来往哪走，但是有一条，无非是要么从知识，要么图谱、要么融合，但是可用肯定前景是无限的。这里有很多的机会，把我们的认知智能，搜索、问答问题、推理这些东西用在工业互联网的很多场景里面，认知智能技术，搜索、回答问题、推理的这些数据用在工业借的很多场景里，认知智能技术蕴藏着巨大的前景。
来源：arXiv 作者：闻菲，刘小芹 【新智元导读】南京大学周志华教授等人在最新的一篇论文中提出了“溯因学习”（abductive learning）的概念，将神经网络的感知能力和符号AI的推理能力结合在一起，能够同时处理亚符号数据（如原始像素）和符号知识。实验中，基于溯因学习框架的神经逻辑机NLM，在没有图像标签的情况下，学会了分类模型，能力远超当前最先进的神经网络模型。作者表示，就他们所知，溯因学习是首个专门为了同时进行推理和感知而设计的框架，为探索接近人类水平学习能力的AI打开了新的方向。假设你在踢足
Databricks CEO Ali Ghodsi 曾表达过这样的观点：Databricks 的目标是实现数据普惠和 AI 普惠，数据普惠使得数据能够触达企业内的每一名员工，而 AI 普惠则将人工智能引入每一个产品中。他强调“每个组织都应该从 AI 革命中获益，并更好地掌控数据的使用方式。”在过去，Databricks 在 AI 领域积累了大量经验，如今在大模型的潮流下，他们不仅推出了自家的开源大模型 Dolly 2.0，还以 13 亿美元的价格收购了生成式 AI 公司 MosaicML，迅速强化了大模型方面的实力。最近，Databricks 发布了一系列创新产品，例如 Lakehouse IQ、AI Gateway, Unity Catalog 等。作为大数据领域的领军企业，我们相信 Databricks 正在塑造着未来。在 QCon 北京到来之际，我们采访了 Databricks Engineering Lead 李潇，以深入了解他们在数据领域的创新思想。
如果问计算机擅长什么，在所有的答案里，数学必须榜上有名。在经历了漫长的研究之后，顶尖学者们在研究计算机关于数学计算方面的发展，取得了令人惊讶的成绩。
沃夫冈 · 瓦尔斯特尔 德国人工智能研究中心首席执行官，诺贝尔奖评审委员会成员 新智元 AI 技术峰会 演讲：沃夫冈 · 瓦尔斯特尔 【新智元导读】德国是公认的工业强国。在新智元 AI 技术峰会上，德国人工智能研究中心首席执行官，诺贝尔奖评审委员会成员沃夫冈 · 瓦尔斯特尔进行题为“德国 AI 研究的大趋势: 团队型机器人、长期自控和大规模多模态”的主题演讲，分享了德国的“工业4.0”经验，机器人工业应用和人机协作等前沿研究问题。 沃夫冈·瓦尔斯特：大家好！欢迎大家来到这次非常重要的会议，今
2023 年已经过半，可以说是属于生成式 AI 大模型的一年。自 ChatGPT 推出以来，这股新的 AI 技术浪潮迅速席卷了国内外。尤其是国内，科技大厂、初创公司和科研机构陆续推出了近百个通用或特定领域专属大模型及应用产品。
⽣命系统⾯临着环境的复杂性和⾃由能源的有限获取。在这些条件下⽣存 需要⼀个控制系统,该系统可以以特定于上下⽂的⽅式激活或部署可⽤的感知和⾏动资源。在第⼀部分中,我们介绍⾃由能原理（FEP）和⻉叶斯预测误差最⼩化主动推理的思想，并展⽰主动推理系统中控制问题是如何出现的。然后我们回顾 FEP的经典公式和量⼦公式,前者是后者的经典极限。在随附的第⼆部分中，我们表明,当系统被描述为执⾏由FEP驱动的主动推理时，它们的控制流系统始终可以表⽰为张量⽹络 (TN).我们展⽰了如何在量⼦拓扑神经⽹络的总体框架内实现TN作为控制系统,并讨论这些结果对多尺度⽣物系统建模的影响。
机器之心专栏 作者：字节跳动AI Lab、UT Austin、新加坡科技设计大学StatNLP组 目前强大的语言模型普遍在很多下游 NLP 任务中能轻易地达到比较好的结果，但在推理效果上没有达到我们的预期 [1]。字节跳动人工智能实验室与新加坡科技与设计大学提出一个基于演绎推理的方法，希望实现类似 System 2 的推理能力 [2]. 论文链接：https://arxiv.org/abs/2203.10316 研究动机 作为一类需要解题的推理过程，在数学解题任务中比较适合应用演绎推理模型。我们尝试在此任
始于无线电，跃于物联网，立足 AIoT，跑进 6G 时代……这不仅是杨旸的个人经历，也是一代通信科学家的缩影。 作者｜黄楠 编辑｜陈彩娴 《圣经·旧约·创世纪》里记载，有河从伊甸流出，滋润那园子，从那里分为四道。 第一道河名叫比逊，环绕着由金子的哈腓拉全地；第二道河名为基训；第三道河名叫希底结，有供给棕榈之意；第四道河是伯拉河，寓意生长。这四道河有山和高地环绕成谷，向东流出，滋养着沿岸万物灵长。 当时间迈进智能物联网（AIoT）技术赋能的、各行各业数字化转型并高速发展的今天，人们在探索 AIoT 技术和应用
采写：鸽子 7 月22 - 23 日，由中国人工智能学会、阿里巴巴集团& 蚂蚁金服主办，CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会（CCAI 2017）将在杭州国际会议中心盛大开幕。 大会开幕前，CSDN独家采访到本届大会程序委员会主席、蚂蚁金服副总裁兼首席数据科学家漆远博士。 本次采访中，漆远博士首次对外批露了日前刚刚完成的一项重大创新——把深度学习和图模型结合起来，在知识图谱上做相关推理的能力，这在行业应用上绝对是第一次。 此外，漆远博士还谈到了蚂蚁金服目前正紧缺的图像人才，以及蚂
AI 科技评论按，3 月 30 日，AITech(2018 国际智能科技峰会) 于深圳隆重召开。本次峰会由深圳市人民政府指导，深圳市龙岗区人民政府、中关村视听产业技术创新联盟、新一代人工智能产业技术创新战略联盟主办，深圳龙岗智能视听研究院承办，雷锋网作为独家战略合作媒体带来现场报导。
随着人工智能技术的飞速发展，AI已经在各行各业发挥着越来越重要的作用。最近，Stable Diffusion文本生成图片模型作为一种备受瞩目的AI技术，引发了广泛关注。这种模型能够根据用户提供的文本描述，生成与之相对应的高质量图片，为人们带来了前所未有的视觉体验。但是，搭建Stable Diffusion模型，并不是简单的事情，需要足够的计算资源，包括GPU、CPU、内存，以及大量数据集等。
全球首个完全自主的 AI 软件工程师上线，它是来自 Cognition 这家初创公司的产品——Devin， 这个名字也随即引爆了科技圈。话说 Devin 有多能干？它能实现端到端的完整项目开发。
最近爆火的AI初创公司Groq，推出了比目前常见GPU推理系统快4倍，成本低70%的大模型推理解决方案。
在农业场景，主要包括有作物管理、害虫和杂草处理、疾病管理、土壤管理、产量预测和管理等。作物管理，主要提供作物选择，施肥建议，使得作物免受恶劣天气影响等；害虫和杂草处理，即识别害虫和杂草，提供处理害虫和杂草的相关建议，推测害虫行进路线和繁殖规模和速度，推测杂草的生长状态和发展等；疾病管理，即预测、识别分类作物病害；土壤和作物管理，包括评估作物表面土壤湿度，预测天气，结合天气预测结果进行灌溉等；产量预测和管理，根据气候，季节等因素提供最佳播种时间建议，并预测最佳收成时间和最终产量等。其主要运用的AI技术最开始是基于规则的专家系统，发展到后来的模糊推理系统和人工神经网络的结合。主要涉及模式识别，图像识别等。
互联网时代，人类在与自然和社会的交互中生产了异常庞大的数据，这些数据中包含了大量描述自然界和人类社会客观规律有用信息。如何将这些信息有效组织起来，进行结构化的存储，就是知识图谱的内容。
在人工智能（AI）的快速发展背景下，大语言模型（LLMs）凭借其在语言相关任务上的杰出表现，已成为 AI 领域的重要推动力。然而，随着这些模型在各种应用中的普及，它们的复杂性和规模也为其部署和服务带来了前所未有的挑战。LLM 部署和服务面临着密集的计算强度和巨大的内存消耗，特别是在要求低延迟和高吞吐量的场景中，如何提高 LLM 服务效率，降低其部署成本，已经成为了当前 AI 和系统领域亟需解决的问题。
因为算力支撑着元宇宙虚拟内容的创作与体验，更加真实的建模与交互需要更强的算力作为前提。
机器之心报道 编辑：张倩 这次的 Wave Summit，我们聊聊大模型，但重点不是参数。 在过去的几年，深度学习领域掀起了一场轰轰烈烈的「练大模型」运动，千亿、万亿参数模型层出不穷。但与之形成反差的是，这些大模型的落地过程却非常缓慢。前段时间从谷歌离职创业的两位 Transformer 作者也感叹，虽然他们训练的模型越来越大，但这些模型却很难用来做实际的事情。 这个问题在国内同样引发了关注。在前段时间的百度认知 AI 创意赛决赛期间，百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜就提到，参数
大洋彼岸特斯拉，马斯克今年重要的成就就是自研AI超算DOJO，为其自动驾驶破局开路。
今年上半年，AI大模型频频出圈，人工智能仿佛在一夜之间激活了各行业的“任督二脉”，每一次迭代，每一位“新贵”的出现，都聚集了无数闪光灯，一波接着一波地输送热度。
总有人在后台问我，如今 TensorFlow 和 PyTorch 两个深度学习框架，哪个更流行？ 就这么说吧，今年面试的实习生，问到常用的深度学习框架时，他们清一色的选择了「PyTorch」。 这并不难理解，这两年，PyTorch 框架凭借着对初学者的友好性、灵活性，发展迅猛，几乎占据了深度学习领域的半壁江山。比起 TF 的框架环境配置不兼容，和 Keras 由于高度封装造成的不灵活，PyTorch 无论是在学术圈还是工业界，都相当占优势。不夸张地说，掌握了 PyTorch ，就相当于走上了深度学习、机器学
来源：机器之心 本文为约5102字，建议阅读10分钟本文介绍了清华大学惠妍讲席教授、IEEE/CAAI Fellow、衔远科技创始人周伯文发表主题演讲《多模态人工智能进展与可信赖 AI：从原则到实践》。 以人为中心的 AI 才是真正有活力的 AI。 在 WAIC 2022 AI 开发者论坛上，清华大学惠妍讲席教授、IEEE/CAAI Fellow、衔远科技创始人周伯文发表主题演讲《多模态人工智能进展与可信赖 AI：从原则到实践》。 在演讲中，他主要介绍了多模态 AI 近期的突破以及可信 AI 的挑战。目
---- 新智元报道 编辑：编辑部 【新智元导读】商汤在《营造法式》中，发现了贯通古今的构造密码——标准化、模块化，而这，也正是AI如何落地的秘诀。 在2022世界人工智能大会上，商汤的展品让在场的人们感到深深的震撼。 在上海世博中心银厅外，由中央美术学院副院长、实验艺术学院院长邱志杰教授创作，结合商汤AI+AR技术赋能的7.5mx3.7m的「智会世图」巨作呈现了上海人工智能五周年的成果。 还有在现场当起了迎宾员的AI数字人「小糖」。她的神态和动作已经达到了栩栩如生的拟人效果。 在商汤的徐汇西
此前，高通宣布设立总金额高达1亿美元的骁龙元宇宙基金，用于投资打造XR技术体验和相关AI技术的开发者和企业。 作者 | 来自镁客星球的小波点 本周硬科技领域投融资事件一共60起，人工智能领域发生28起融资事件，占比47%；半导体领域发生14起融资事件，占比23%；生物医药领域发生12起融资事件，占比202%；3R（VR/AR/MR）域发生3起融资事件，占比5%；物联网领域发生2起融资事件，占比3%；区块链领域发生1起融资事件，占比2%。 近日，专注于为3D、虚拟现实和增强现实内容开发云储存和流式传输的Ech
近日，CMU Catalyst 团队推出了一篇关于高效 LLM 推理的综述，覆盖了 300 余篇相关论文，从 MLSys 的研究视角介绍了算法创新和系统优化两个方面的相关进展。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议
