学术论文网

  • 当前位置:主页 > 教育教学论文 > 物理论文 > 正文>2020年十大人工智能技术突破

    2020年十大人工智能技术突破

    发布日期:2021-02-05 17:40 物理论文

    随着不断的投入,AI技术得到了不断的突破和发展。2020年,虽然很多AI企业专注于AI应用,但AI的发展和突破并没有放松。

    情况正是如此。2020年,AI相关技术将再次全面发展,逐步从“智能”走向“智能”。

    2020年初,谷歌和Facebook分别提出了SimCLR和MoCo两种算法,可以学习无标签数据上的图像数据表示。两种算法背后的框架是比较学习,比较学习的核心训练信号是图片的可区分性。

    据报道,模型需要区分两个输入是来自同一张图片的不同视角,还是来自两张完全不同的图片。这个任务不需要人为标注,所以我们可以使用大量未标注的数据进行训练。

    虽然Google和FaceBook对很多训练细节的处理方式不同,但都表明无监督学习模型可以接近甚至达到有监督模型的效果。

    2020年5月,OpenAI发布了全球最大的预训练语言模型GPT-3。

    已知GPT-3有1750亿个参数,训练使用的数据达到45TB,训练费用超过1200万美元。

    对于所有任务,GPT-3不需要任何梯度更新或微调,只需要与模型文本交互来指定任务,并显示一些演示来完成任务。

    然而,GPT-3在许多自然语言处理数据集上具有优异的性能,包括翻译、问答、文本填空任务,以及一些需要立即推理或领域适应的任务,并且在许多实际任务中已经大大接近人类水平。

    2020年5月,美国贝勒医学院的研究人员利用动态颅内电刺激的新技术,构建了一种植入微电极阵列的视觉假体,在人类初级视皮层绘制出W、S、Z等字母的形状,成功地使盲人能够“看见”这些字母。

    结合马斯克创办的脑机接口公司Neuralink发布的高带宽、全植入式脑机接口系统,下一代视觉假体可能会准确刺激大脑初级视皮层的每一个神经元,帮助盲人“看到”更复杂的信息,实现清晰看清世界的梦想。

    2020年10月,清华大学的张、宋森等首次提出了“类脑计算完备性”的概念,以及软硬件解耦的类脑计算系统的层次结构。通过理论论证和原型实验,证明了该类系统的硬件完备性和编译可行性,拓展了类脑计算系统支持通用计算的应用范围。

    研究结果发表在2020年10月14日的《自然》(自然)杂志上。《自然》的每周评论声明“新的‘完整性’概念促进了类脑计算”,这是类脑系统中软件和硬件紧密耦合的“突破性方案”。

    2020年7月,康奈尔大学的Thorsten Joachims教授发表了公平公正的排名学习模型FairCo,一举获得SIGIR 2020年最佳论文奖。

    本研究分析了当前排名模型中常见的位置偏差、排名公平性和文章曝光的马太效应等问题,提出了一种基于反事实学习技术的公平约束相关性无偏估计方法,提高了排名绩效,得到了业界的广泛关注和好评。

    2019年,DeepMind开发了一个费米神经网络来逼近薛定谔方程,为量子化学深度学习的发展奠定了基础。

    费米网(FermiNet)是通过深度学习从第一性原理计算原子和分子能量的首次尝试,在精度和准确度上符合科研标准,是目前相关领域最精确的神经网络模型。

    2020年9月,德国柏林自由大学的几位科学家也提出了深度学习波函数拟合的新方法,可以获得电子薛定谔方程的近似精确解,相关研究发表在《自然化学》上。

    这种研究不仅展示了深度学习在解决特定科学问题中的应用,而且展示了深度学习在生物、化学、材料和医学领域的科学研究中广泛应用的巨大前景。

    2020年11月19日,国际超级计算大会SC20在美国亚特兰大召开。会上,致远学者的“深势能”团队和北京应用物理与计算数学研究所的王涵获得了国际高性能计算应用领域的最高奖“戈登贝尔奖”。

    据了解,“戈登贝尔奖”设立于1987年,由美国计算机协会(ACM)颁发,被称为“诺贝尔计算应用奖”。

    “深势能”团队研究的“分子动力学”,结合分子建模、机器学习和高性能计算方法,可以将第一性原理精密分子动力学模拟的规模扩大到1亿个原子,同时计算效率比人类以前的最佳水平提高了1000倍以上,大大提高了人类使用计算机模拟客观物理世界的能力。

    美国计算机协会评论说,基于深度学习的分子动力学模拟通过机器学习和大规模并行方法将精确的物理建模带入到更大规模的材料模拟中,有望在未来解决力学、化学、材料、生物甚至工程领域的实际问题(如高分子药物开发)中发挥更大的作用。

    2020年11月30日,谷歌子公司DeepMind在第14届国际蛋白质结构预测大赛(CASP)中获得一等奖,总中值92.4分。

    据报道,其精度与CryoEM、核磁共振或X射线结晶学分析的蛋白质三维结构相当,蛋白质结构预测任务在历史上首次基本接近实用水平。

    对此,《自然》杂志评论道,AlphaFold2算法解决了困扰生物界的“过去50年的大问题”。

    2020年12月,致远学者和北京大学杨团队提出并实现了一种基于相变存储器(PCM)电导随机性的神经网络高速训练系统,有效缓解了人工神经网络训练过程时间和能量消耗巨大、难以在芯片上实现的问题。

    该系统在误差直接反馈算法(DFA)的基础上进行改进,利用PCM电导的随机性自然生成传播误差的随机权重,有效降低了系统的硬件开销和训练过程中的时间和能量消耗。

    据报道,该系统在大规模卷积神经网络的训练过程中表现良好,为人工神经网络在终端平台上的应用和片上训练的实现提供了新的方向。

    麻省理工学院计算机科学与人工智能实验室(CSAIL)、维也纳理工学院和奥地利科技学院的团队只用19个类大脑神经元就实现了对自主车辆的控制,有效地取代了过去深度神经网络所需的数百万个神经元。

    此外,这种神经网络可以模拟学习,有可能扩展到仓库自动化机器人等应用场景。该研究结果已于2020年10月13日发表在《自然》杂志的《自然机器智能》子刊上。


    网友转发请注明出处转载请保留链接:2020年十大人工智能技术突破本文链接http://www.yule868.com/a/wulilunwen/27636.html,谢谢合作!868学术论文网


    上一篇:初中物理教学论文:高效课堂快乐学习   下一篇:才华横溢的少年曹颖元又一次搜索了25岁、3岁和5篇关于自然的论文


    论主学术论文网 学术论文网专业指导写论文的要点和技巧,指导如何写论文,本科毕业论文,写作大学毕业论文,专为工程类,医学类,教育类,经理类,管理类,会计类,艺术类等原创毕业论文如何写,值得信赖值得靠谱的毕业论文写作网站.
  • 文章总数
  • 3574726访问次数
  • 建站天数
  • XML地图 XML_1地图 备案蜀ICP备16030853号