Это краткое изложение наиболее важных опубликованных исследовательских работ, опубликованных новостей о технологиях и стартапах в экосистеме ИИ за последнюю неделю. Этот сборник является частью информационного бюллетеня TheSequence. Попробуйте, подписавшись ниже:
📝 От редакции: несоответствие между исследованиями и внедрением машинного обучения
Одна из вещей, которые мы пытаемся сделать с помощью информационного бюллетеня TheSequence, - сделать машинное обучение более доступным для разработчиков, специалистов по обработке данных, а также технологов. Отчасти для достижения этой цели необходимо различать достижения в исследованиях искусственного интеллекта и практические аспекты современных основных технологий. В текущем состоянии рынка исследования ИИ продвигаются намного быстрее, чем структуры и платформы, которые специалисты по данным используют для создания решений в реальном мире. В результате многие идеи, которые мы читаем в исследовательских работах, оказываются непрактичными для реализации с использованием современных технологических стеков.
Сложные модели - важный компонент решений машинного обучения, но отнюдь не ключ к успеху. На текущем раннем этапе платформ машинного обучения большая часть магии реальных решений зависит от таких аспектов инфраструктуры, как сжатие моделей, обслуживание, оптимизация обучения, мониторинг и многие другие. Невероятно часто можно найти модели машинного обучения, которые отлично работают в лабораторных условиях, но их просто невозможно ввести в действие. Надежная инфраструктура и процессы машинного обучения на сегодняшний день являются наиболее важным отличием успеха от неудач в реальных реализациях. Надеюсь, мы сможем помочь повысить осведомленность о фреймворках и передовых методах, которые помогут практикам машинного обучения преодолеть разрыв между исследованиями и внедрением. Дважды в неделю мы углубляемся в объяснение концепций, важных исследовательских работ и полезных фреймворков в TheSequence Edge.
🗓 На следующей неделе в TheSequence Edge:
Это календарь нашей новостной рассылки:
21 июля, Edge # 5: глубокое обучение мобильных устройств; MobileNets, одна из первых распространенных архитектур для мобильных приложений глубокого обучения; и PyTorch Mobile, одна из самых крутых платформ глубокого обучения для мобильных устройств на рынке.
23 июля, Edge # 6: федеративное обучение; Оригинальный документ для федеративного обучения; и TensorFlow Federated, который позволяет реализовать модели федеративного обучения поверх TensorFlow.
Y Вы можете подписаться по ссылке ниже:
🔎 Исследования машинного обучения
Перенести показатель обучения
Amazon Science опубликовала документ, в котором предлагается метрика для измерения переносимости моделей -› прочтите подробнее в этом сообщении блога от Amazon Science
Вычислительные пределы глубокого обучения
Исследователи Массачусетского технологического института опубликовали документ с количественной оценкой потребности в более эффективных методах глубокого обучения -› подробнее см. В исходной исследовательской статье
Сопоставление инструкций на естественном языке с действиями в мобильных телефонах
Открытие новых функций и действий в мобильных приложениях - это трудоемкий процесс. Исследователи из Google опубликовали документ, в котором предлагается метод, который последовательно сопоставляет языковые инструкции с исполняемыми действиями в мобильных приложениях -› читайте подробнее в блоге Google AI
🤖 Крутые релизы AI Tech:
Интеграция Captum и Fiddler
Facebook сделал свою модель интерпретируемости PyTorch Captum совместимой с платформой объяснимости AI Fiddler -› подробнее в этом сообщении блога от команды PyTorch
Microsoft выпускает своего чат-бота Xiaoice
Пять лет - это достаточно, чтобы разлучиться с матерью. По крайней мере, из материнской компании, решила Microsoft. Корпорация установила своего чат-бота Xiaoice (который многие китайцы называют своей виртуальной девушкой) в качестве независимой организации, чтобы ускорить внедрение локализованных инноваций Xiaoice в Китае, Японии и Индонезии, а также для борьбы с ускорением китайской цензуры -› читать подробнее в статье TechCrunch
Fabricius от Google
Google создал Fabricius, инструмент, который использует возможности ИИ для декодирования древних языков. Вы можете узнать о египетском языке жестов, отправить закодированные сообщения иероглифами или помочь исследователям с переводом -› подробнее в Google Arts & Culture
💬 Полезный твит:
💸 Деньги в AI:
- Стартап ML Abacus.AI (ранее известный как RealityEngines.AI) собрал 13 миллионов долларов в раунде серии A. Стартап берет на себя тяжелую работу по обучению моделей и помогает компаниям легко внедрять современные системы глубокого обучения в свои бизнес-процессы.
- Роботизация процессов может показаться очень утомительной. Но это огромный бизнес. UiPath, стартап, который автоматизирует монотонную, повторяющуюся работу, традиционно выполняемую людьми, только что закрыл раунд финансирования в размере 225 миллионов долларов, в результате чего его общая сумма составила более 1,2 миллиарда долларов.
- Paige, медицинский стартап, который помогает диагностировать рак с помощью компьютерного зрения, обученного на данных клинической визуализации, только что собрал дополнительно 20 миллионов долларов. Они активно нанимают в США и за рубежом.
- Что-нибудь сладкое в конце. Стартап по производству роботизированных ульев Beewise собрал 10 миллионов долларов, чтобы предоставить пчеловодам решение для управления, объединяющее компьютерное зрение, роботизированное оружие, датчики и программное обеспечение, которое заботится о пчелах в режиме реального времени, собирая данные для дальнейшего анализа.
