【视点】|AI普及给嵌入式设计人员带来新挑战
【视点】|AI普及给嵌入式设计人员带来新挑战从监控和访问控制到智能工厂和预测性维护，基于机器学习（ML）模型构建的人工智能（AI）在工业物联网边缘处理应用中已变得无处不在。
来自主题: AI技术研报
7690 点击 2024-08-27 14:35
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
从监控和访问控制到智能工厂和预测性维护，基于机器学习（ML）模型构建的人工智能（AI）在工业物联网边缘处理应用中已变得无处不在。
「相比于强化学习（RL），我确实更喜欢模型预测控制（MPC）。至少从 2016 年起，我就一直在强调这一点。强化学习在学习任何新任务时都需要进行极其大量的尝试。相比之下，模型预测控制是零样本的：如果你有一个良好的世界模型和一个良好的任务目标，模型预测控制就可以在不需要任何特定任务学习的情况下解决新任务。这就是规划的魔力。这并不意味着强化学习是无用的，但它的使用应该是最后的手段。」
哈佛大学的一项最新研究表明，大语言模型已经深入学生的日常生活。为何学生们对AI的兴趣如此浓厚，背后的原因恐怕是这所大学的教授们。
越来越多研究发现，后训练对模型性能同样重要。Allen AI的机器学习研究员Nathan Lambert最近发表了一篇技术博文，总结了科技巨头们所使用的模型后训练配方。
“长期以来，药物研发周期长、成本高、成功率低等问题困扰着整个行业。如今，通过数据、计算与机器学习技术的不断迭代，药物研发团队能够设计出选择性更高、活性更优的分子，从而减少筛选候选药物所需的时间和成本，并增加药物研发项目进入临床开发的成功率。这一突破性进展不仅为药物研发带来了全新的思路和方法，也为解决全球性的医药难题提供了坚实的支撑。
近年来，基于从头算参考计算的机器学习力场 (MLFF) 的开发取得了巨大进展。虽然实现了较低的测试误差，但由于担心在较长的模拟时间范围内会出现不稳定性，MLFF 在分子动力学 (MD) 模拟中的可靠性正面临越来越多的审查。
就在刚刚，CMU教授Zico Kolter正式宣布加入OpenAI董事会，并成为安全与安保委员会成员。OpenAI这是终于要在安全上下功夫了？
7月27日，与ICLR（国际学习表示会议）、NeurIPS（神经信息处理系统会议）并称三大机器学习顶级会议的ICML（国际机器学习大会），在奥地利维也纳会展中心落下帷幕。
人到中年，想半路出家转行成机器学习工程师，可行吗？最近，这位成功转行的国外小哥用一篇干货满满的硬核博客告诉我们：完全可以！
7月初，在约翰霍普金斯大学，资深科技记者、播客Pivot的联合主持人Kara Swisher与OpenAI CTO Mira Murati展开了一场火药味十足的对话，计算机科学家、斯坦福大学教授李飞飞也加入了提问阵营，他的另一个身份是Google云人工智能和机器学习首席科学家