谷歌神经

编译 | 陈彩娴近日，DeepMind 与 Google Research 团队共同发布了一项工作，用神经网络与机器学习方法来解决混合整数规划（MIP）问题！论文地址：https://arxiv.org/pdf/2012.13349.pdf在解决现实中遇到的大规模混合整数规划（Mixed Integer Program

公众号/机器之心选自 KDnuggets作者：Jesus Rodriguez机器之心编译参与：李诗萌、路 最近，谷歌大脑团队发表了一篇论文，文中提出了一种叫做概念激活向量（Concept Activation vectors，CAV）的新方法，这种方法为 深度学习 模型的可解释性提供了一个全新的

尽管近年来利用 Transformer 模型进行神经机器翻译（NMT）取得了巨大成功，但是 NMT 模型对输入的微小干扰仍然很敏感，从而导致各种不同的错误。谷歌研究院的一篇 ACL 2019 论文提出了一种方法，使用生成的对抗性样本来提高机器翻译模型的鲁棒性，防止输入中存在的细小扰动度对其造成影响。结果表明，该方法提高

（原标题：AI助力考古：MIT联手谷歌，利用神经网络破译失传古文字）澎湃新闻见习记者 张唯人工智能技术正在被用来破译失传已久的古文字。近日，麻省理工学院和谷歌人工智能实验室的研究人员提出了一种自动破译失传文字的神经网络算法。这一算法首次实现了古希腊迈锡尼文明时期“线形文字B”的自动翻译，准确地把67.3% 的线形文字B

钛媒体注：本文来自于微信公众号量子位（ID：QbitAI），作者为乾明、郭一璞，钛媒体经授权发布。“2030年之前，你需要给谷歌交专利费，才能构建简单的神经网络。”这不是一句调侃，而是在慢慢成为现实。前不久，Dropout专利生效引发了一波震动。然而深挖之后，我们发现，谷歌这几年偷偷申请的专利，

雷锋网 AI 科技评论按： 现代神经网络经常被吐槽为「黑盒子」。尽管它们在各类问题上都取得了成功，但我们仍无法直观地理解它们是如何在内部做出决策的。随着人工智能系统被应用到更多重要的场景中，更好地了解其内部决策过程将有助于研究者能够及时发现其中的缺陷和错误。对此，谷歌 AI 研究院与 OpenAI 一起合作提出

雷锋网 AI 科技评论按，深度神经网络（DNN）在解决图像分类、文本识别和语音转换等实际难题方面具有显著的效果。然而，为一个给定的问题设计一个合适的 DNN 体系结构仍然是一个具有挑战性的任务。考虑到架构可能需要巨大的搜索空间，从头开始为特定的应用程序设计一个网络在计算资源和时间方面花销可能非常大。神经网络架构搜索和

雷锋网 AI 科技评论按：在近二十年来，尤其是引入深度学习以后，语音识别取得了一系列重大突破，并一步步走向市场并搭载到消费级产品中。然而在用户体验上，「迟钝」可以算得上这些产品最大的槽点之一，这也意味着语音识别的延迟问题已经成为了该领域研究亟待解决的难点。日前，谷歌推出了基于循环神经网络变换器（RNN-T）的全神经元设

图片来源@视觉中国钛媒体注：本文来自微信公众号大数据文摘 （ID:BigDataDigest），编译：张秋玥、周家乐、陆震，钛媒体经授权发布。神经网络到底是如何运作的？虽然机器视觉系统在越来越多的领域得到应用，从医疗保健到自动驾驶汽车，但是要真的理解机器的眼睛到底是如何“看到”事物，为什么它将甲

雷锋网 AI 科技评论按：谷歌昨日在博客中宣布开源大规模神经网络模型高效训练库 GPipe，这是一款分布式机器学习库，可以让研究员在不调整超参数的情况下，部署更多的加速器以对大规模模型进行训练，有效扩展了模型性能。雷锋网 (公众号：雷锋网) AI 科技评论对此进行编译如下。 深度神经网络（DNNs