深度
工信部：将推出 AI 换脸诈骗风险提醒功能，仅在手机端本地运行
据央视网报道，AI 换脸诈骗检测与预警技术正在测试中。工业和信息化部反诈工作专班专家李坤表示：“我们正在会同行业内的手机终端企业，将推出 AI 换脸诈骗风险提醒功能，这项功能仅在手机端来本地运行，能够有效保护用户数据不泄露。经过用户授权后，可为用户提供 AI 换脸诈骗风险预警提醒。”当用 AI 换了脸的技术人员与记者发起视频通话时，测试手机终端提示“对方疑似假冒身份”。点击检测按钮，经过图像扫描，系统提示“AI 换脸合成概率 93%”。AI在线了解到，AI 换脸主要是使用深度合成技术。《互联网信息服务深度合成管理规
国家网信办发布第五批深度合成服务算法备案信息，理想汽车 MindGPT 等 394 个算法在列
感谢国家网信办今日发布公告，根据《互联网信息服务深度合成管理规定》，现公开发布第五批境内深度合成服务算法备案信息。《互联网信息服务深度合成管理规定》第十九条明确规定，具有舆论属性或者社会动员能力的深度合成服务提供者，应当按照《互联网信息服务算法推荐管理规定》履行备案和变更、注销备案手续。深度合成服务技术支持者应当参照履行备案和变更、注销备案手续。请尚未履行备案手续的深度合成服务提供者和技术支持者尽快申请备案。IT之家从《境内深度合成服务算法备案清单（2024 年 4 月）》文件获悉，本次共有 394 个算法通过备案
MIT 开发深度化学模型的神经尺度策略，发现「神经尺度」定律
编辑 | 绿萝在数据可用性和计算方面，大规模使得自然语言处理和计算机视觉等深度学习关键应用领域取得了重要突破。越来越多的证据表明，规模可能是科学深度学习的关键因素，但物理先验在科学领域的重要性使得规模化的策略和收益变得不确定。近日，来自 MIT 的研究团队通过将模型和数据集大小改变多个数量级来研究大型化学模型中的神经尺度（neural-scaling）行为，研究具有超过 10 亿个参数的模型，并在多达 1000 万个数据点的数据集上进行预训练。研究考虑用于生成化学的大型语言模型和用于机器学习原子间势的图神经网络。研
从零开始学好深度学习，短视频免费课程上线
PyTorch Lightning 背后的初创公司推出了一套熟练掌握 PyTorch 的免费系列课程。
飞桨超越TensorFlow，中国开源框架市场格局迎来变化
百度稳居中国深度学习平台市场综合份额第一。
谷歌大脑深度学习调参（炼丹）指南出炉，Hinton点赞，一天收获1500星
「大量的实践经验已被提炼成这份强大的深度学习模型调参指南。」——Geoffrey Hinton。
技术、生态和产业齐头并进，AI发展进入「深度学习+」阶段
自人类进入工业社会以来，每次工业革命的背后都离不开核心技术的驱动，正如机械技术、电气技术和信息技术之于前三次工业革命。如今在第四次工业革命进程中，AI 正成为核心驱动力，而深度学习是关键核心技术。
《几何深度学习》作者授课，2022年GDL100课程上线
今年的 GDL100 包含常规课程、辅导课和专题研讨课，深入讲解了几何深度学习的基本概念和重要问题。
370多页免费书籍，三位学者带你专攻深度学习中的数学知识
期待即将到来的章节。
可对药物分子进行表征的几何深度学习
编辑 | 萝卜皮几何深度学习（GDL）基于包含和处理对称信息的神经网络架构。GDL 为依赖于具有不同对称性和抽象级别的分子表示的分子建模应用程序带来了希望。苏黎世联邦理工学院的研究人员对分子 GDL 进行了结构化和统一概述，重点介绍了其在药物发现、化学合成预测和量子化学中的应用。它包含对 GDL 原理的介绍，以及相关的分子表示，例如分子图、网格、曲面和字符串，以及它们各自的属性。讨论了分子科学中 GDL 当前面临的挑战，并尝试预测未来的机会。该综述以「Geometric deep learning on molec
Yann LeCun主讲，纽约大学《深度学习》2021春季课程放出，免费可看
Yann LeCun 主讲的《深度学习》课程现已全部在线可看！
Jupyter笔记本实现，慕尼黑工大220页免费书籍介绍基于物理的深度学习
物理知识和深度学习已经成为了解决现实问题的绝佳组合，但如何更有效地将物理模型引入深度学习领域缺少一个全面的综述。慕尼黑工业大学计算机科学副教授 Nils Thuerey 团队编写的这本书籍对基于物理的深度学习展开了详尽的介绍。书籍地址：：：，《基于物理的深度学习》（Physics-based Deep Learning）介绍了物理建模、数值模拟与基于人工神经网络方法的结合。基于物理的深度学习代表了一个非常活跃、快速发展和令人兴奋的研究领域。就内容而言，本书对物理模拟背景下与深度学习相关的所有内容展开了非常全面的介绍
UC伯克利教授Pieter Abbeel开课了：六节课入门「深度强化学习」，讲义免费下载
课程视频时间有点长，但希望你能享受学习的快乐。将传统强化学习与深度神经网络结合的深度强化学习，一直以来被视为更接近人类思维方式的人工智能方法。深度学习具备强感知能力但缺乏一定的决策能力，强化学习具备决策能力但对感知问题束手无策，因此将两者结合起来可以达到优势互补的效果，为复杂系统的感知决策问题提供了解决思路。想要入门深度强化学习的同学们，请高度注意，一份优秀、细致、全面的新教材出现了。今天，UC 伯克利教授 Pieter Abbeel 上传了自己的新课程《深度强化学习基础》的最后一节视频，并在推特上安利了一下。这份
《Pattern Recognition Letters》特刊通知
主题：深度学习模型安全简介：深度学习已广泛应用于自然语言处理、计算机视觉、数据安全等诸多领域。为学习到有效的深度模型，需花费大量时间和精力来收集数据与分配计算资源。这些模型可能会被非法使用，从而牺牲模型所有者的权益。另一方面，深度学习模型也容易受到对抗样本或毒化数据的攻击。这严重降低了深度学习技术的准确性和可靠性。为此需进行深度学习模型安全研究，保障模型的真实性和可靠性，以抵御各种攻击。该研究还处于起步阶段，虽然已取得了一定进展，但要为基于深度学习的应用开发稳健可靠的模型还远远不够。本期特刊旨在推动深度学习模型的攻
150页在线书「几何深度学习」上线：利用对称性和不变性解决机器学习问题
CNN、GNN、LSTM、Transformer 等深度学习模型之间的共通之处是什么？在这本书里问题得到了解答。
李沐「动手学深度学习」第二部分CNN本周开课，也邀你挑战他10行代码的竞赛成绩
本周六，课程将进入第二部分：卷积神经网络，欢迎对这部分有疑问的同学上车学习。
- 1