本报告分为以下4个部分:1. 什么是机器阅读理解?2. 阅读理解技术的进步。3. 阅读理解的更多挑战。4. 百度阅读理解技术的研究工作
AI 新闻
谷歌更强NLP模型XLNet开源:20项任务全面碾压BERT!
CMU 与谷歌大脑提出的全新XLNet 在 20 个任务上超过了 BERT 的表现,并在 18 个任务上取得了当前最佳效果!而更令人激动的是,目前 XLNet 已经开放了训练代码和大型预训练模型。
全新数据增强方法,是计算速度提高1000倍
PBA 的输出结果足以与之前 CIFAR 和 SVHN 数据集上的最佳成绩匹敌,但前者的 计算量只有千分之一,从而使研究者和从业者使用单颗工作站 GPU 就能有效地学习新的增强策略。
谷歌发布颠覆性研究:不训练不调参,AI自动构建超强网络
谷歌大脑团队发布了一项新研究:只靠神经网络架构搜索出的网络,不训练,不调参,就能直接执行任务。这样的网络叫做WANN,权重不可知神经网络。
对话赫拉利与李飞飞:人工智能影响人类的四大问题
两大人工智能专家尤瓦尔·赫拉利和李飞飞展开了一场时长90分钟的对话,对话的目的是讨论人工智能对人类未来的影响。
如何入门AI产品经理?
不少同学也开始考虑转型AI产品经理,需要具备什么能力才能成功转型呢?希望同学通过这篇文章对AI有全局的了解。
AI产品经理知识体系
两年人工智能行业在国内外得到了爆发试的增长,各大巨头纷纷布局成立了自己的人工智能实验室和研究院,但是我们不得不承认,目前人工智能的重视方向主要集中在技术型人才方面,在人工智能产品方面的人才还没有得到进一步的重视。
1000倍提速!伯克利提出新的数据增强策略训练方法,更好更快扩充数据
来自伯克利的研究人员们提出了PBA(Population Based Augmentation)的方法来获取更为有效的数据增强策略,并在实现同样效果下实现了1000x的加速。
陆奇清华演讲:AI 的本质及发展方向
2019年4月18日,陆奇博士在清华的非公开演讲视频《AI的本质与创业创新》独家上线知乎,这也是陆奇首次在中国系统化地输出自己对AI产业的洞察和实战经验。陆奇在讲座中带领创业者站在历史的高度重新认识AI,并给出AI时代个人发展的方向性建议。
深度学习,怎么知道你的训练数据真的够了?
在这篇文章中,我们将从回归分析开始到深度学习等领域,快速而广泛地回顾目前关于训练数据多少的经验和相关的研究结果。