人工智能 - 人工智能机器人技术网

一种自动确定计算机游戏状态中可能动作的方法

由于手动彻底测试视频游戏软件非常困难，因此需要拥有能够自动探索不同游戏功能的人工智能代理。此类代理的关键要求是玩家动作的模型，代理可以使用该模型来确定不同游戏状态下的可能动作集，以及对代理策略选择的游戏执行选定的动作。目前使用的典型游戏引擎不提供这样的动作模型，导致现有的工作要么需要人工手动定义动作模型，要么不精确地猜测可能的动作。在我们的工作中，我们通过为游戏中存在的用户输入处理逻辑开发最先进的分析方法来演示程序分析如何有效解决该问题，该分析可以使用离散动作空间自动建模游戏...
作者：ROBOT@qwh 日期：2023.12.07 分类：人工智能 22
拆解 OpenAI 的新董事会

在人工智能和技术领域掀起波澜的惊人事件中，人工智能领域的领先实体 OpenAI 最近的领导地位发生了重大转变。以萨姆·奥尔特曼 (Sam Altman) 戏剧性地重返首席执行官职位以及随之而来的董事会改组为标志，这些变化代表了该组织的关键时刻。OpenAI 以其在人工智能研究和开发方面的开创性工作而闻名，包括广泛认可的 ChatGPT 和 DALL-E 模型，站在人工智能进步的最前沿。因此，董事会的重组不仅仅是人员的变动，还标志着人工智能领域最具影响力的组织之一的方向、优先事...
作者：airobotnews 日期：2023.11.23 分类：人工智能 63
使用语言让机器人更好地掌握开放世界

想象一下，您正在国外拜访一位朋友，您查看了他们的冰箱，看看有什么可以做一顿丰盛的早餐。许多物品一开始对您来说都是陌生的，每一件物品都装在不熟悉的包装和容器中。尽管存在这些视觉上的区别，您还是开始了解每一种的用途，并根据需要选择它们。受人类处理不熟悉物体的能力的启发，麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的一个团队设计了机器人操纵特征场 (F3RM)，这是一个将 2D 图像与基础模型特征混合到 3D 场景中的系统，以帮助机器人识别并抓住附近的物品。F3RM可以...
作者：airobotnews 日期：2023.11.16 分类：人工智能 64
CIFAR-10--人工智能数据集

由 Krizhevsky 等人提出。从微小图像中学习多层特征CIFAR -10数据集（加拿大高级研究所，10 个类别）是 Tiny Images 数据集的子集，由 60000 张 32x32 彩色图像组成。这些图像标有 10 个相互排斥的类别之一：飞机、汽车（但不是卡车或皮卡车）、鸟、猫、鹿、狗、青蛙、马、船和卡车（但不是皮卡车）。每类有 6000 张图像，每类有 5000 张训练图像和 1000 张测试图像。判断图像是否属于某个类的标准如下：类名应该位于“这张图片...
作者：ROBOT@qwh 日期：2023.11.13 分类：人工智能 62
什么是小样本学习？

小样本学习是指使用极少量的训练数据来开发人工智能模型的各种算法和技术。少样本学习致力于让人工智能模型在接触相对较少的训练实例后识别和分类新数据。少样本训练与训练机器学习模型的传统方法形成鲜明对比，传统方法通常使用大量训练数据。小样本学习主要用于计算机视觉。为了对小样本学习有更好的直觉，让我们更详细地研究这个概念。我们将研究少样本学习背后的动机和概念，探索一些不同类型的少样本学习，并涵盖高层少样本学习中使用的一些模型。最后，我们将研究一些小样本学习的应用程序。什么是小样本学习？...
作者：ROBOT@qwh 日期：2023.11.07 分类：人工智能 81
DevOps 中的 AI：简化软件部署和运营

就像一台运转良好的机器一样，您的组织正处于重大软件部署的边缘。您已经在尖端人工智能解决方案上投入了大量资金，您的数字化转型战略已经制定，并且您的目光坚定地瞄准了未来。然而，问题迫在眉睫——您能否真正利用人工智能的力量来简化软件部署和运营？到 2027 年，全球数字化转型市场规模将达到惊人的15,489 亿美元，复合年增长率为 21.1%，您不能只是原地踏步。随着新兴的DevOps 趋势重新定义软件开发，公司利用先进的功能来加速人工智能的采用。这就是为什么，您需要拥...
作者：ROBOT@qwh 日期：2023.11.01 分类：人工智能 87
Zero123++：从单张图像推理出多个视图模型

Zero123++，这是一种图像条件扩散模型，用于从单个输入视图生成 3D 一致的多视图图像。为了充分利用预训练的 2D 生成先验，我们开发了各种条件和训练方案，以最大限度地减少现成图像扩散模型（例如稳定扩散）的微调工作。Zero123++ 擅长从单个图像生成高质量、一致的多视图图像，克服纹理退化和几何错位等常见问题。此外，我们展示了在 Zero123++ 上训练 ControlNet 以增强对生成过程的控制的可行性。 ...
作者：ROBOT@qwh 日期：2023.10.25 分类：人工智能 136
OpenAI考虑加入AI芯片制造联盟

OpenAI是著名的ChatGPT背后的强大力量，可能很快就会深入研究人工智能芯片制造的动态世界。根据路透社的一份新报道，该公司正在积极考虑创建其独特的AI芯片，甚至正在考虑收购该领域的潜在目标。全球对AI芯片的需求正在飙升，尤其是在OpenAI的ChatGPT去年冲击市场之后。这种被称为AI加速器的专用芯片在培训和实施尖端的生成AI技术方面发挥着关键作用。目前，市场认为英伟达处于顶峰，在大多数AI芯片生产中占据主导地位。OpenAI对这些昂贵的芯片的依赖也是有限的，这使该公...
作者：ROBOT@qwh 日期：2023.10.12 分类：人工智能 97
与大型语言模型和机器人相关的资源、文章和观点列表

我们收集了一些与大型语言模型（LLM）相关的文章，观点，视频和资源。其中一些链接还涵盖了其他生成模型。我们将定期更新此列表，以添加任何其他感兴趣的资源。本文是该系列的第三篇。（以前的版本在这里：v1 |v2.）什么是法学硕士以及它们是如何工作的什么是生成AI模型？，Kate Soule，来自IBM Technology的视频。大型语言模型简介，John Ewald，来自Google Cloud Tech的视频。什么是 GPT-4，它与 ChatGPT 有何不同？，A...
作者：ROBOT@qwh 日期：2023.10.10 分类：人工智能 166
什么是集成学习？

集成集成学习是使用多个机器学习模型来提高预测的可靠性和准确性。然而，使用多个机器学习模型如何实现更准确的预测呢？使用什么技术来创建集成学习模型？我们将探讨这些问题的答案，了解使用集成模型背后的基本原理以及创建集成模型的主要方法。什么是集成学习？简而言之，集成学习是训练多个机器学习模型并将其输出组合在一起的过程。不同的模型被用作创建一个最佳预测模型的基础。组合不同的单独机器学习模型可以提高整体模型的稳定性，从而实现更准确的预测。集成学习模型通常比单个模型更可靠，因此，它们通常在...
作者：ROBOT@qwh 日期：2023.10.07 分类：人工智能 81