| Nvidia | AI | 生成對抗網路 | GauGAN2 | 文字轉圖像

Nvidia展示最新AI藝術生成對抗網路GauGAN2,可從文字生成精確風景圖

生成對抗網路GauGAN2現在能夠結合文字和草圖輸入,根據用戶的要求快速生成高品質的風景圖

2021-11-24

| Databricks | 資料 | AI | 機器學習

Databricks推出Partner Connect供平臺用戶連接第三方資料和工具

Partner Connect讓Databricks湖邊小屋用戶,可以方便使用第三方資料和人工智慧工具,目前已支援Fivetran、微軟Power BI和Tableau等服務

2021-11-23

| Everyday Robot | Alphabet | 機器人 | AI | 機器學習 | 強化學習 | 協同學習

Alphabet的Everyday Robot開始在自家辦公室執行打掃任務

透過強化學習、協同學習的機器學習演算法,Alphabet X實驗室強調其通用型學習機器人Everyday Robot執行特定任務能力更成熟,能拿抹布擦桌子、開門、將椅子歸位

2021-11-22

| 封面故事 | 機器學習 | AI | 日本Yahoo | Line | AI生產力 | MLOps | Lupus

【Line AI生產力關鍵2:ML品質監控自動化】自建MLOps監控平臺,上百項ML產品模型漂移能即時調校

Line高度仰賴AI,光是內部就有100多個ML模型上線,橫跨20多個單位。為快速統一掌握模型動態,Line自建一套MLOps監測工具Lupus,來收集模型指標、偵測異常

2021-11-22

| 封面故事 | 機器學習 | AI | 日本Yahoo | Line | AI生產力 | 使用者特徵自動預測 | 使用者人格預測 | User Persona | Naver | K8s | ML

【Line AI生產力關鍵3:新一代使用者特徵自動預測系統】導入GPU和K8s叢集,靠ML大規模自動預測使用者特徵資料

未來光是日本用戶規模將達到3億人,如何讓使用者人格系統的屬性預測能力更強,Line去年夏天導入了GPU和K8s叢集,重新改造了這套系統

2021-11-22

| NLP | 生態圈 | HyperCLOVA | 朴懿彬 | 機器學習 | AI | MLOps | 使用者特徵自動預測 | 使用者人格預測 | User Persona | Naver | 日本Yahoo | 整併 | 封面故事 | Lupus | AI生產力

因應整併後3億日本用戶規模新考驗,Line從3大技術關鍵來強化AI生產力

今年3月,日本Line和日本Yahoo整併後,光是日本用戶規模就達到3億人,作為未來主要用戶服務核心的Line,如何因應用戶數暴增挑戰,繼續邁向AI公司轉型之路?關鍵是這3件事

2021-11-22

| 封面故事 | 機器學習 | AI | 日本Yahoo | Line | AI生產力 | HyperCLOVA | 語言模型 | 語料庫

【Line AI生產力關鍵1:通用NLP模型】以HyperCLOVA發展企業NLP服務,下一步搶攻通用AI

Line揭露一款820億個參數的大型語言模型HyperCLOVA,並以此為核心引擎發展一系列企業AI工具,接下來還要結合電腦視覺,打造更通用的AI產品

2021-11-22

| google | 深度學習 | 降水預測 | 神經網路模型 | MetNet-2 | AI | 天氣預測

Google最新的深度神經網路MetNet-2已能預測未來12小時降水

研究人員發現MetNet-2自己從訓練資料學會了大氣物理準地轉理論(Quasi-Geostrophic Theory),其預測效能勝過以物理模型為基礎,同時也是當前最先進的組合模型HREF

2021-11-19

| 微軟 | 分散式機器學習 | SynapseML | 函式庫 | AI

微軟開源多語言分散式機器學習函式庫SynapseML

SynapseML整合不同機器學習框架,提供單一可擴展且多語言適用的API,進而簡化分散式機器學習開發工作

2021-11-19

| Digital Future Initiative | 澳洲 | google | AI | 雲端

Google承諾5年內將在澳洲投資10億美元

Google除了要強化在澳洲提供的雲端服務設施,也將在當地設立AI研究中心

2021-11-16

| Meta | AI | 語言審查 | 多模態

Meta整合平臺言論審查模型,以降低運算資源消耗和維護複雜度

Meta藉由整合多個語言審查模型,共享跨系統的訊號,使得人工智慧能夠更好地辨識有害內容,同時還能降低維護模型的複雜度

2021-11-16

| Nvidia | AI | 物理模擬 | 機器學習

Nvidia推出AI物理模擬框架Modulus

Modulus能夠被用於需要高精準度的物理模擬,包括氣象科學或是蛋白質工程,結合人工智慧系統和物理定律來進行建模

2021-11-16