标签：深度学习

人工智能的指数式发展与最新突破 近年来，人工智能（AI）的发展速度呈现出指数级增长，其变化之快令人难以想象。本文将盘点最近一个月内AI领域的重大进展，探讨这些变化对未来的影响。过去的一个月不仅改变了人工智能的现状，而且在最近一周内，这种变化的速度更是显著加快。 强大的AI模型无处不在 去年年底，唯一公开可用的GPT-4/Gen2级别模型是GPT-4。然而，如今这类模型的数量已经增加到六到十个，部分模型甚至开放了权重，任何人都可以免费使用或修改。美国的主要参与者包括OpenAI的GPT-4o、Anthropic的Claude Sonne...

2024年人工智能发展与科学家贡献 2024年，人工智能（AI）的发展势头迅猛，GPT-4o、Sora、DeepSeek V3等重大突破相继发布，引发了广泛的讨论和关注。与此同时，Sam Altman、黄仁勋、马斯克等业界领袖也频频登上媒体热搜榜。然而，在科研领域，还有一群鲜为人知的科学家默默耕耘，为AI的进步做出了巨大贡献。 这些科学家并非全部来自AI领域，而是分布在不同学科的前沿，通过AI推动其他基础学科的突破，或利用其他学科的理论研究来促进AI的发展。每年，科学界都会发布各类榜单和奖项，表彰那些为科技进步做出卓越贡献的科学家...

广告推荐系统的优化与挑战 广告推荐系统的表现直接影响用户体验和商业收益。如何在海量数据中精准捕捉用户需求并提供个性化推荐，成为广告推荐场景面临的重要挑战。为了解决该场景中的数据稀疏、冷启动等问题，腾讯机器学习平台部对 AutoML 相关技术进行了深入研究，并发表了一系列具有创新性的学术论文。 AutoML 技术背景及其重要性 AutoML（自动化机器学习）旨在简化和自动化机器学习模型的开发过程。它通过提供工具和技术，如特征评估、自动化结构搜索等，使得非专业人士也能有效地使用机器学习，降低能力门槛；同时通...

深入解析蛋白质-配体相互作用：SurfDock的创新突破 准确预测蛋白质-配体相互作用对于理解细胞过程至关重要，但这一领域仍面临许多挑战。近期，中国科学院和浙江大学的研究团队提出了一种名为SurfDock的深度学习方法，旨在克服这些挑战。SurfDock通过整合蛋白质序列、三维结构图和表面级特征到等变架构中，显著提升了预测的准确性和可靠性。 SurfDock的技术优势 SurfDock采用生成扩散模型，在非欧几里德流形上优化分子的平移、旋转和扭转，从而生成可靠的结合姿势。该方法在多种基准测试中表现出色，不仅对接成功率高，还...

Ilya Sutskever 在 NeurIPS 2024 的最新演讲 继李飞飞、Bengio 和何恺明之后，Ilya Sutskever 在 NeurIPS 2024 大会上发表了最新的演讲。尽管演讲时长仅约 15 分钟，但丰富且引人深思。Ilya 在演讲中提出了一些重要的观点，例如：“我们所熟知的预训练即将终结。”对于未来，Ilya 预测：“接下来将是超级智能：代理、推理、理解和自我意识。” 回顾十年技术发展 Ilya 以一张十年前的 PPT 截图开始了他的演讲，那时深度学习还处于探索阶段。2014 年在蒙特利尔，他和他的团队（包括 Oriol Vinyals 和 Quoc Le）首次提出了深度...

在最近举行的全球顶级会议NeurIPS 2024上，著名学者Ilya发表了一次震撼全场的演讲，宣布预训练时代即将结束。他认为，随着互联网上的可用数据逐渐枯竭，未来的AI发展方向将是具备自我意识的超级智能。 Ilya指出，我们只有一个互联网，而训练模型所需的大量数据即将耗尽。因此，未来的突破将集中在智能体、合成数据和推理计算上。Ilya预测，未来的AI将具备更强的智能体特性，能够进行推理和理解，并最终实现自我意识。 此次NeurIPS 2024的时间检验奖公布，Ilya和GAN之父共同获奖。Ilya回顾了十年前在2014年蒙特利尔NeurIPS...

Ilya宣判：预训练即将终结！NeurIPS现场沸腾 超级智能是未来 金磊 发自 凹非寺 量子位 | 公众号 QbitAI 在NeurIPS 2024会议上，Ilya Sutskever发表了最新演讲，虽然演讲时间只有15分钟，但极其丰富。Ilya在演讲中提出了一个重要观点：“我们所熟知的预训练即将终结。”同时，他对未来做出了大胆预测：“接下来将是超级智能：代理、推理、理解和自我意识。” 回顾十年技术发展 Ilya以一张十年前的PPT截图开启了演讲，回顾了深度学习从探索阶段到成为AI领域基石的历程。2014年，他在蒙特利尔与团队首次提出了深度学习的核...

RNA 3D 结构预测的新突破 RNA 分子在分子生物学的中心法则中扮演着至关重要的角色，其结构如何影响基因调控和功能一直是科研人员关注的焦点。然而，准确预测 RNA 的三维（3D）结构一直是一项艰巨的任务。RNA 的结构灵活性导致实验数据稀缺，从而增加了计算预测的难度。近日，香港中文大学、复旦大学、哈佛大学及智峪生科（Zelixir）等多家机构联合开发了一种基于 RNA 语言模型的深度学习方法——RhoFold+，用于高效、准确地从头预测 RNA 3D 结构。 RhoFold+ 利用了在约 2370 万个 RNA 序列上预训练的 RNA 语言模型，解决了数...

蛋白质构象变化的深度学习新策略 蛋白质构象变化是计算生物学和人工智能领域的重要挑战之一。尽管主流算法如 AlphaFold 能够高效预测蛋白质的静态结构，但在预测构象变化方面仍存在局限。为了突破这一瓶颈，中国科学技术大学和上海科技大学的研究团队提出了一种创新的深度学习方法，通过高通量生物物理采样来克服蛋白质构象变化数据稀缺的问题。 大规模数据库的构建 研究人员将分子动力学模拟与增强采样技术相结合，创建了一个包含 2635 种已知两种稳定状态的蛋白质构象变化的大规模数据库。每个转变途径的结构信息都被...

告别与感谢：Francois Chollet 离开 Google 近日，Google for Developers 网站上发布了一封公开信，宣布 Keras 创始人、人工智能领域的杰出人物 Francois Chollet 即将离开 Google，开启职业生涯的新篇章。尽管这一消息令人感到遗憾，但 Google 对他的巨大贡献表示无比自豪，并期待他在未来的成就。 Keras：人工智能开发的基石 Keras 拥有超过 200 万用户，已成为人工智能开发的重要工具。它简化了复杂的工作流程，使顶尖技术的获取更加民主化。从 Waymo 的自动驾驶汽车到日常的 YouTube、Netflix 和 Spotify 推荐，Keras...