规则
为确保训练数据公开透明,英国政府将加快制定人工智能相关规则
据《金融时报》报道,近日,英国政府文化大臣露西・弗雷泽宣布将加快制定有关人工智能透明度的规则,以帮助保护内容创作者。她表示,这些规则的出台将意味着 AI 公司必须更加公开、透明地披露训练模型所用的数据情况,用户也可以自己选择哪些数据可被 AI 公司用来训练,作品被用于训练模型的创作者也将获得报酬。图源 Pexels不仅仅是英国,欧盟当前也正在根据其人工智能法案制定类似的规则。根据该法案,AI 开发者将需要提供一份足够详细的培训内容概要,并实施相关政策,以确保自身操作符合欧盟版权法的规定。作为回应的一部分,OpenA
如何把大量物理知识塞给AI?EIT和北大团队提出「规则重要性」概念
编辑 | ScienceAI深度学习模型因其能够从大量数据中学习潜在关系的能力而「彻底改变了科学研究领域」。然而,纯粹依赖数据驱动的模型逐渐暴露出其局限性,如过度依赖数据、泛化能力受限以及与物理现实的一致性问题。例如,美国OpenAI公司开发的文本到视频模型Sora因深刻理解事物在现实中的存在方式而受赞誉,被视为AI领域的飞跃。尽管能利用大量视觉数据生成逼真图像和视频,Sora却被认为未掌握物理定律,如重力和玻璃破碎等。面对这一问题,将人类知识融入深度学习模型是一个潜在的解决方案。将先验知识与数据一起使用,能够提升
生成模型揭示材料无序的秘密,改善功能材料设计
编辑 | 绿萝压电材料可以因机械变形产生电场,也可以因电场作用产生机械变形,这种固有的机-电耦合效应使得压电材料在工程中得到了广泛的应用。在材料科学领域,了解复杂材料中的不同结构紊乱是否具有有价值的功能,其中一个关键挑战是识别特定样品中的紊乱类型。新加坡国立大学的一个研究小组通过将压电材料畴界(domain boundary)中的各种结构紊乱压缩为一小组简单的多尺度概率规则来解决这一挑战。根据这些规则,他们创建了一个生成式机器学习模型,该模型的长度尺度跨越了三个数量级,从而可以研究超出实际测量限制的材料的统计特性。
模块化的机器学习系统就够了吗?Bengio师生告诉你答案
Bengio 等研究者刚「出炉」的预印本论文,探讨了机器学习系统的一个重要方向问题。
- 1