至顶网软件频道消息:Facebook用于每天处理约60亿次语言翻译的新版机器学习技术很快将更广泛地提供给人们使用。
Facebook推出了PyTorch 1.0,这是Facebook开源人工智能软件框架的最新版本。在加利福尼亚州圣何塞举行的F8开发者大会上,Facebook公布了这一软件,以及在人工智能方面取得的一系列进展。
PyTorch于一年多之前发布,主要由Facebook的人工智能研究小组创建,作为编程语言Python的机器学习函数库。它在深度学习领域倍受欢迎,深度学习是机器学习的一个分支,试图模仿大脑的某些功能。近年来,深度学习领域在照片匹配、语言翻译和语音识别方面取得了一些重大突破。
不仅Facebook采用了PyTorch,Twitter、Salesforce.com、卡耐基梅隆大学也都使用PyTorch,帮助人员加快诸如自然语言和图像处理等任务的开发。除了Facebook上每天大约60亿次的翻译任务之外,PyTorch还为Facebook Oculus虚拟现实设备提供了更多的虚拟形象,使其更加逼真。另一个例子是,美国加利福尼亚大学伯克利分校的计算机科学家使用PyTorch来完成图像到图像的转换工作。
Facebook将PyTorch 1.0定位为向前迈出的重要一步,尽管在推出数月之后PyTorch仍处于测试阶段。新版本的目标是加快从研发到生产的转移,而通常是需要多个步骤和工具来创建人工智能应用、测试并投入生产。
为了加快这一进程,PyTorch 1.0结合了相关框架Caffe2的“模块化、以生产为导向的功能”,与微软和亚马逊共同开发的深度学习模型标准Open Neural Network Exchange(ONNX)。PyTorch“灵活的、以研究为导向的设计”为实际生产应用铺平了道路,让开发人员能够更快地进行实验,并让应用在生产规模中更快速地运行。
与谷歌开发的开源TensorFlow框架针锋相对的,是由AWS开发的MXNet,以及由微软研究院开发的CNTK框架等。但每种方法都有其优点,因此开发人员通常会根据实际情况使用多个应用,所以这不完全是一种所谓的零和博弈。Facebook曾表示,微软和亚马逊已经承诺支持PyTorch。
但是PyTorch已经广泛普及,Facebook称PyTorch已经有超过110万次的下载,并且在上个月被列为科学论文库中第二大被频繁提及的深度学习框架。“我们已经看到PyTorch的大规模运用,”Facebook首席技术官Mike Schroepfer在F8大会主题演讲中这样表示。
Facebook表示正在通过提供PyTorch 1.0加快机器学习和人工智能领域的创新。然而,与谷歌TensorFlow一样,这其中多少也是有私心的:使用PyTorch的程序员(特别是在大学和职业生涯早期)越多,这些人才加入Facebook工作的可能性就越大——而人工智能和机器学习人才供应目前非常短缺。
好文章,需要你的鼓励
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。
苹果即将发布Apple TV 4K和HomePod mini 2两款产品更新。更值得期待的是三款全新产品:配备7英寸方形显示屏的HomePod Touch将搭载全新homeOS系统,支持Safari、音乐等应用及小组件功能,预计售价350美元;此外还有智能安全摄像头和视频门铃两款配件。这标志着苹果从依赖第三方HomeKit配件转向自主研发智能家居产品的重要战略转变。
UCL研究团队通过分析16万场AI对战数据发现,传统认为"平局代表AI实力相当"的观念完全错误。研究表明平局主要反映问题难度和客观性,而非AI能力对比。当忽略平局进行评分时,四种主流评分系统的预测准确率均提升1-3%。这项发现颠覆了现有AI评估理论,建议未来评分系统应考虑问题特征而非简单的平局语义。