AI应用资讯

这篇文章由MIT电子工程及计算机科学系助理教授韩松撰写，他曾是斯坦福大学电子工程系的博士，并师从NVIDIA首席科学家Bill Dally教授。文章讨论了如何提高深度学习效率的问题，主要涉及三种方法：利用深度压缩实现更小的模型大小，利用DSD正则化实现更高的预测准确度，以及利用EIE加速实现快速、能耗低的推断。韩松提出了“深度压缩”算法，包括剪枝、量化训练和可变长度编码等步骤，能在不损失预测准确度的前提下将模型大小减小18-49倍。他还提出了dense-sparse-dense训练技术，可以提高多种深度学习模型的预测准确度。此外，韩松还研究了一种名为EIE的高效推断机，能在压缩后的模型上直接执行推断，提高速度的同时降低能耗。

这篇文章主要探讨了深度学习和医学图像理解的交叉领域，特别是在医学图像识别方面的发展和挑战。作者提出了三个关键方向：专家级医学图像理解算法的开发，高质量数据集的设计和管理，以及医学图像算法的真实世界评估。同时，文章也展望了人工智能在医学领域的广泛应用，如早期疾病检测、预后改善和个性化治疗等。作者认为，当前深度学习算法的开发主要集中在解决需要大量干净数据的任务，而面对医学中常见的噪声或有限标签数据的任务，仍需更深入的研究。

这篇文章介绍了一种基于人工智能的技术，能通过分析 faces 图像来预测人类的性取向，准确率高达 90%。该技术的出现引发了关于隐私和可靠性问题的讨论。

文章总结了2020年人工智能和数据科学领域的突出成果,包括YOLOv4目标检测算法的最优速度和精度,DeepFace drawing基于草图生成高质量人脸图像的技术,PULSE算法通过生成模型的潜空间探索进行自我监督照片上采样,Unsupervised translation of programming languages模型将代码从一种编程语言转换为另一种编程语言,以及PIFuHD等技术在高分辨率的3D人体重建方面的应用。这些成果将在未来几年人工智能的发展中发挥重要作用。