宝马上线娱乐1211con

通知公告
您当前所在的位置: 宝马上线娱乐1211con -> 通知公告 -> 正文

宝马上线娱乐1211con:图书服务系列信息

来源:宝马上线娱乐1211con 发布日期:2020-07-08  来源:图书馆   点击量:

《Nature》带您探究人工智能世界——图书馆前沿文献专题推荐服务(1)

发布时间: 2020-03-03

人工智能正在使我们的生活发生着天翻地覆的变化,由此也引出更多、更广泛技术领域的探讨和研究。为了更好地助力我校在此领域的科学研究,我们从以Nature、Science等为代表的国际前沿学术期刊上收集相关文献,以系列报道的方式进行推送,以期能够引起您的学术共鸣。

本期我们为您推送5个Nature封面故事,带您探究人工智能世界!

封面故事 2019年10月30日刊
多主体增强学习算法塑造的《星际争霸II》宗师
Grandmaster level in StarCraft II using multi-agent reinforcement learning

《星际争霸II》是一款科幻主题的策略游戏,也是一项全球性的电子竞技。游戏中,玩家需要控制三个不同种族中的其中一种,同时必须根据对手的动作做出战略决策。这款游戏一直是人工智能的一个主要挑战,因为其复杂性和多玩家挑战映射了潜在的现实应用。但即便在简化版的游戏中,人工智能程序也难以与人类玩家抗衡。在本期《自然》中,DeepMind的Oriol Vinyals和同事报道了一个名为“AlphaStar”的人工智能程序,该程序在完整版的《星际争霸II》中,在三个种族中都达到了宗师级水平。如今,AlphaStar位列该游戏前0.2%的玩家之列。它的成功源于其采用的多主体增强学习算法,该算法让多个深度学习网络主体相互竞争,从而生成大量的持续适应性策略和对策。

网址访问:https://webvpn.bupt.edu.cn/https...z

二维码阅读

Naturevolume575, pages350–354(2019)

封面故事 2019年8月1日刊
混合式“天机芯”架构帮助向人工通用智能迈近
Towards artificial general intelligence with hybrid Tianjic chip architecture

发展人工通用智能的方法主要有两种:一种基于神经科学,试图构建类似大脑的电路;另一种以计算机科学为基。眉扑慊诵谢餮八惴。在本期《自然》中,施路平和他的同事介绍了“天机芯”(Tianjic),一款将前述两种方法集成到同一个混合平台的电子芯片。“天机芯”具有多个可轻松重构的功能核,能同时支持机器学习算法和类脑电路。为了展示这种方法的潜力,研究人员将芯片集成到一辆无人智能自行车中,该自行车可以实现自平衡、语音控制、探测和避障,所有这些功能都源于“天机芯”能够同时处理多种算法和模型。

网址访问:https://webvpn.bupt.edu.cn/https...1424-8

二维码阅读

Naturevolume572,pages106–111(2019)

封面故事 2017年5月18日刊 
 人工智能助人自助
Locally noisy autonomous agents improve global human coordination in network experiments

即使每个人的利益都是一致的,一个群体的集体行动也面临着“协调”问题:个体试图达成对他或她本人最优的解决方案,但这样的方案对全体来说或许不是最优的。在本期杂志中,Nicholas Christakis 和白土宽和(Hirokazu Shirado)利用自主软件(即人工智能)代理或“机器人”展示了这一问题的一个潜在解决方案。他们将简单的机器人引入了一个由人类组成的小型网络中,从而创建了一个由人类和机器人组成的“异构系统”。

他们试图解决的是一个标准的颜色协调博弈:其集体目标是让每个节点的颜色与所有相邻节点不同。作者发现,利用机器人在决策过程中引入噪音可以提高群体的整体表现。“噪音”机器人在处于网络中心、并表现出中等(10%)的随机性时表现最好。在这样的条件下,机器人不仅改善了人机交互,而且还改善了远距离节点间人与人的互动,从而帮助了人们自我帮助。

网址访问:https://webvpn.bupt.edu.cn/https...22332
二维码阅读:
Naturevolume545, pages370–374(2017)

封面故事 2016年10月28日刊 
 绘制大脑皮层的语义图
Natural speech reveals the semantic maps that tile human cerebral corte 

人们认为,单词和语言的意思表达在一个语义系统中,该系统则分布在整个大脑皮层的大部分地方。然而,我们对这一网络的详细功能组织和解剖组织却知之甚少。UC Berkeley的Alex Huth、Jack Gallant及同事利用对在实验对象听自然语言叙述时获得的功能性MRI (fMRI)记录所做的基于voxel的模拟来获取人脑中语义的功能表达图。

他们发现,每个语义概念被表达在多个语义区域,而每个语义区域则代表多个语义概念。然而,所获取的语义图在不同实验对象之间基本上是一致的,从而为获得可被用于关于语言处理方式的未来研究工作的一个语义图集(semantic atlas)提供了基础。读者可在 http://gallantlab.org/huth2016 这个网址体验该图集的一个互动版。

本期封面所示为一个实验对象的皮层表面,上面覆盖有被预测会在相应皮层位置引起特别强的反应的单词。单词颜色表示语义类别:例如,绿色单词大多是视觉和触觉概念,而红色单词大多是社会概念。白色线条描绘出了人们以前就知道的兴趣区域。

网址访问:https://webvpn.bupt.edu.cn/https...17637

Naturevolume532, pages453–458(2016)

封面故事 2016年1月28日刊
电脑程序首次战胜职业围棋手
Mastering the game of Go with deep neural networks and tree search

本期封面所示为作为一个电脑芯片嵌入在一块集成电路板上的一张围棋盘。该围棋盘的布局来自2015年10月5日在FanHui (黑子)与AlphaGo (白子)之间所进行的一场历史性围棋比赛的最终棋局。这场比赛是在没有让子或让先的游戏中、在19 × 19的标准大小棋盘上一个电脑程序历史上第一次战胜了一位职业棋手。下棋电脑 “深蓝”1997年在一场六局比赛中对战当时的国际象棋世界冠军加里?卡斯帕罗夫的胜利被看成是人工智能发展中的一个重要里程碑。但这之后仍有一个甚至更大的挑战需要应对——古老的围棋运动。尽管经过了几十年的优化,但直到不久前最强的电脑下围棋的水平也仍然只相当于人类业余棋手。AlphaGo上阵了。由GoogleDeepMind开发的这个程序利用深度神经网络来模仿专业棋手,并通过从和自己对阵的棋局中学习来进一步提高其性能。AlphaGo 对阵其他最强围棋程序的胜率达到了99%,并在一场巡回赛中以5-0战胜了卫冕欧洲冠军Fan Hui。

网址访问:https://webvpn.bupt.edu.cn/https...16961

上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] 下一页

热点新闻

电子信箱:news@bupt.edu.cn   新闻热线:010-62282031      通讯地址:北京市海淀区西土城路10号    邮编:100876

Copyright ? 2018  All Rights Reserved  宝马上线娱乐1211con 版权所有

京ICP备 05064445号    京公网安备110402430070

宝马上线娱乐1211con-宝马娱乐官网手机版