至顶网软件频道消息:计算机协会(简称ACM)被很多人称为“计算机界诺贝尔奖”的图灵大奖,本届将授予Yoshua Bengio、Geoffrey Hinton以及Yann LeCun三位大师,以鼓励他们在AI领域做出的创新贡献。
奖项中的100万美元奖金由谷歌公司提供。也许有些朋友还不了解,这一大奖以英国数学家阿兰·图灵命名,以纪念他在奠定计算机科学基础理论方面的巨大成就。
此次三位得奖者的功绩,在于利用神经网络进行计算,从而为深度学习技术建立起概念与工程技术基础。Benjio目前担任蒙特利尔大学教授,同时亦是Mila(位于魁北克的AI研究所)与数据实验研究所科学主任。Hinton目前担任谷歌公司副总裁兼工程研究员,Vector研究院首席科学顾问以及多伦多大学教授。LeCun则身为Facebook公司副总裁兼首席AI科学家,同时亦在纽约大学担任教授职务。此外,Bengio与LeCun还是CIFAR机器与脑力学习项目的联席主管。
ACM主席Cherri M. Pancake在一份声明中表示,“人工智能已经成为当前各个科学领域当中发展速度最快的学科之一,亦在社会上受到人们的广泛关注。AI的快速增长与关注度提升,在很大程度上要归功于Bengio、Hinton以及LeCun在深度学习基础理论奠定方面带来的最新进展。目前,有数十亿人在使用这些技术,任何拥有智能手机的人们都可以随时体验到自然语言处理与计算机视觉所带来的科技进步——而这一切在十年之前是根本无法想象的。除了我们日常使用的产品之外,深度学习技术的最新进展还为科学家们带来了强大的新工具,从而支撑起从医学、到天文学、再到材料科学的多学科协同创新能力。”
在过去几年当中,三位图灵奖得主一直努力利用算法从语言、环境以及其它对象当中提取数据模式,并推动面向数字化图像与视频的语音识别、机器人以及机器学习技术取得突破性进展。如今,这些深层神经网络已经在图像识别方面拥有令人满意的表现。
根据麻省理工学院的定义,神经网络代表一种机器学习实现方法,其中计算机通过分析训练样本以学习执行某项任务。一般而言,这些示例样本需要预先进行手动标记。例如,我们需要向物体识别系统馈送大量包含汽车、房屋以及咖啡杯等对象的标记图像,并由其在图像当中找到与特定标签相关联的视觉图形。
他们还尝试利用大型数据集训练图形处理能力,这类训练负载与并行计算模式拥有良好的匹配效果。相关成果当前已经给诸多行业带来颠覆,包括交通、医疗保健以及电子商务等等。事实上,他们的许多发现被实际应用于日常技术场景,例如智能手机上的人脸识别、无人驾驶汽车以及谷歌的预测性电子邮件文本等。
Pancake指出,“任何拥有智能手机的人们都可以随时体验到自然语言处理与计算机视觉所带来的科技进步——而这一切在十年之前是根本无法想象的。除了我们日常使用的产品之外,深度学习技术的最新进展还为科学家们带来了强大的新工具,从而支撑起从医学、到天文学、再到材料科学的多学科协同创新能力。”
ACM将在今年6月5日于旧金山召开的年度颁奖宴会上,正式颁发2018年图灵奖。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。