吳恩達發布Nova Ng,迄今為止「最複雜的神經網絡」

2021-02-13 品玩

吳恩達開始了訓練天然神經網絡的新項目。

轉載聲明:本文轉載自「量子位」,搜索「QbitAI」即可關注。作者:郭一璞

近日,吳恩達發布了Nova Ng,迄今為止最複雜的神經網絡,她重達6斤,誕生於本月7號(大年初三),作者是吳恩達和妻子Carol E. Reiley。

相信你已經猜出來了,Nova Ng就是吳恩達前不久預告過的將在2月出生的寶寶,全名是Nova Athena Ng,諾娃·雅典娜·吳

對,Nova是個女名,是拉丁語中「新」的意思,《星際2》裡有一位人族的女性角色就叫Nova。

而且,這也是一個在美國10後女孩中突然火起來的新潮名字。

不過也有人猜測,Nova這個名字可能跟AI相關:

Nova Ng=NN=Neural Networks,一個很有趣的想法。

吳恩達發布了女兒出生的消息後,引來了「萬國來賀」,收穫了中文英文西班牙文葡萄牙文的祝福,吳老師畢竟桃李滿天下。

恭喜的同時,還有一些來搞笑的盆友:

恭喜,以及為你的睡眠哀悼。

看來這位老哥頗有育兒經驗啊。

還有一些煉(育)丹(兒)愛好者:

恭喜!調參愉快

恭喜你們有一個真的神經網絡可以訓練了!沒有比這更有意義的事了。

也有關心模型現在的成績的:

恭喜Andrew,她現在會寫代碼了嗎?

量子位覺得還不用太著急,有其父必有其女,寫代碼什麼的,小Nova應該不用發愁。

還有一些勤奮的AI從業者:

恭喜你倆!這個神經網絡的研究題目太好了,我迫不及待想去讀論文。

恭喜Andrew,AI能幫忙養娃麼?

也有人給出了AI養娃的研究方向:

雖然AI不能餵奶、換尿布、給寶寶洗澡,不過可以讓AI來預測寶寶什麼時候需要這些。

甚至還有催二胎黨:

嗯…她還想要個妹妹…繼續生不要停……

天哪,剛過完年從親戚的催婚催生中逃出來,這位朋友你是魔鬼麼?

吳恩達:為我們下一代生活的世界而奮鬥

另外,吳恩達還撰文表達了作為人父對AI與世界的一些希冀,下面是量子位翻譯的原文:

親愛的朋友們,

Carol和我很高興地宣布我們的女兒Nova Ng出生了。

Nova Athena Ng,出生於2019年2月7日早上7:11,6磅10盎司

我們十分享受和第一個孩子一起度過的時光。說這些可能每位父母都懂,我們一直在思考Nova會在怎樣的一個世界裡成長。具體來說,就是AI的長期影響,以及我們在AI界的工作重點應該放在哪裡。

為AI原住民而努力

Nova是第一代AI原住民。在她和同齡人的成長過程中,將會對語音控制設備、家庭作業自動打分、個性化的新聞推送、人臉識別和前所未有的AI們習以為常。

她長大成人的世界,是由我們做出的選擇而塑造的。

我們AI界擁有強大的力量和責任,能讓世界變得更好,比我們現在的更好,並且加速這一過程。

處理大問題

AI不是包治百病的神藥,不能解決所有的問題。就像之前的每一次科技突破(蒸汽機、內燃機、電力)一樣,AI帶來的巨變,可能是好的,也可能是壞的。

但我們生活在一個激動人心的年代。相比以往,更多的學生正在大學和網上學習人工智慧,更多的研究得到資助,更多的專利正在取得,更多有價值的公司正在依靠AI建立。

AI商業化是目前的大趨勢,但我希望這種大趨勢也能帶動AI界——工程師、研究員、政府官員、企業家和各領域專家——去創造性地思考如何用AI來解決我們最緊迫的問題,比如:

氣候變化

上學難的問題

收入差距

多樣性和包容性

用技術增強人們之間的聯繫,而不是讓人和人變得陌生

看病難的問題

以人為本的政治治理

僅靠技術無法解決這些問題。但我要對AI界的每個人說:每當你看到一個能幫助解決這些全球性問題的機會時,請把它做下去。

我們正在開展一些自己的項目,但也很想聽聽你們的想法。請隨時發布這些想法,或者在推特上艾特@AndrewYNg和@robot_MD。

一想到Nova將來可能會生活在22世紀,我們就對人類更加樂觀,但也比以往任何時候都更堅定地想和所有人一起建立我們想要的那個世界。

Andrew和Carol

相關焦點

  • 吳恩達旗下公司發布AI社交距離監控工具
    近日,吳恩達創立的AI公司Landing AI發布了一款社交距離檢測工具,幫助疫情期間不得不工作的人,確保他們在工作場所的社交距離,該工具可以通過分析攝像頭拍攝的實時視頻流來檢測人們是否保持安全距離。
  • 吳恩達被diss了
    他們最近發布了全球最大的醫學影像數據集MURA,還用這個數據集訓練了一個169層的深度卷積神經網絡模型。發布數據集的同時,順帶也披露出這個AI模型識別肌肉骨骼病變的能力,比放射科醫師還是……差了那麼一點點。
  • 吳恩達:史上最通俗易懂的人工智慧概念解釋
    編者按:本文來自微信公眾號"筆記俠「(ID:Notesman),作者:吳恩達,責編:戈多內容來源:2017年9月11日,斯坦福,吳恩達為GASA大學作主題為「探索人工智慧」的分享。筆記俠作為獨家課程筆記合作夥伴,經主辦方審閱授權發布。筆記君邀您,先思考:1. 為什麼AI會突然在這幾年進步這麼快?2.
  • 吳恩達悄然發布 AI 維基,另外他的技術崗已經招滿了-虎嗅網
    虎嗅註:似乎從百度離職之後,吳恩達回歸教育事業老本行,施展更加自如了。本文轉載自量子位,作者問耕。吳恩達又有新動作。wiki首先來說第一個。這個長假期間,吳恩達團隊在deeplearning.ai上悄然發布了一個新項目:AI維基百科。這個維基百科還向學習者們發出號召:一起來貢獻內容。目前這個維基有12個頁面,分別對應:歡迎、概述(神經網絡)、數學(導數、向量)、平臺和工具(Python、深度學習框架)、分類器、激活函數、超參數調整、代價函數等。
  • 華為nova8系列年底發布 nova8 SE、nova8 和 nova8 Pro
    華為 nova8 系列將在年底發布,包括 nova8 SE、nova8 和 nova8 Pro 三款手機。華為nova8 SE電池為3800mAh,配合66W快充勢必會以更快速度充滿。華為nova8 SE將採用6.53英寸FHD+ OLED屏幕,刷新率為60Hz;核心配置上,標準版搭載的是天璣720處理器,而高配版則是搭載天璣800U移動平臺,內置3800mAh電池,最關鍵的是,支持Mate40系列同款66W閃充!預計將會搭載EMUI 11新系統。
  • 吳恩達 NIPS 2016:利用深度學習開發人工智慧應用的基本要點(含...
    今日,在第 30 屆神經信息處理系統大會(NIPS 2016)中,百度首席科學家吳恩達教授發表演講:《利用深度學習開發人工智慧應用的基本要點(Nuts and Bolts of Building Applications using Deep Learning)》。
  • 吳恩達NIPS2016:利用深度學習開發人工智慧應用的基本要點含唯一的...
    今日,在第 30 屆神經信息處理系統大會(NIPS 2016)中,百度首席科學家吳恩達教授發表演講:《利用深度學習開發人工智慧應用的基本要點(Nuts and Bolts of Building Applications using Deep Learning)》。
  • 吳恩達授課,斯坦福CS230深度學習課程資源開放
    課程簡介:深度學習是 AI 領域中最受歡迎的技能之一。這門課程將幫助你學好深度學習。你將學到深度學習的基礎,理解如何構建神經網絡,並學習如何帶領成功的機器學習項目。你將學到卷積神經網絡(CNN)、循環神經網絡(RNN)、長短期記憶網絡(LSTM)、Adam 優化器、Dropout 方法、BatchNorm 方法、Xavier/He 初始化方法等。
  • 吳恩達團隊發布最新醫學影像成果,用 CNN 算法識別肺炎
    雷鋒網了解到,此前,吳恩達團隊研發出一種深度學習算法,可以診斷14種類型的心律失常。近日,該團隊又出新成果,他們提出了一種名為 CheXNet 的新技術。研究人員表示:新技術已經在識別胸透照片中肺炎等疾病上的準確率上超越人類專業醫師。研究人員稱,開發的這種算法從胸透照片裡檢測肺炎,且水平超越專業放射科醫生。算法被稱為 CheXNet,它是一個 121 層的卷積神經網絡。
  • 吳恩達deeplearning.ai五項課程完整筆記了解一下?
    自吳恩達發布 deeplearning.ai 課程以來,很多學習者陸續完成了所有專項課程並精心製作了課程筆記,在此過程中機器之心也一直在為讀者推薦優質的筆記。上個月,deep learning.ai 第五課發布,該系列課程最終結課。Mahmoud Badry 在 GitHub 上開源了五項課程的完整筆記,介紹了包括序列模型在內的詳細知識點。
  • GoogLeNet神經網絡的複雜交叉路口識別方法
    由圖9可知GoogLeNet神經網絡模型對於複雜交叉路口樣本測試集的最終分類loss值為0.0756,accuracy值為0.9652,同時可以看出該神經網絡模型在訓練過程中基本上得到了很好的收斂。GoogLeNet網絡模型對路網中複雜交叉路口的識別準確值accuracy為0.9652,所以說明GoogLeNet網絡模型對複雜交叉路口的深層次模糊特徵能夠進行有效的學習。
  • 吳恩達演講直指AI落地三大挑戰,並提出解決方案
    近日,機器學習大牛吳恩達在史丹福大學 HAI 研討會上分享了一些有趣的觀點,即「如何彌補 AI 的概念驗證與生產之間的差距」。HAI 定期舉辦研討會,此前吳恩達參加研討會並做了演講。AI 部署所面臨的挑戰在這次研討會上,吳恩達分享了人工智慧面臨的挑戰之一,即 AI 概念驗證與產品落地之間的差距。吳恩達從三個方面介紹了 AI 部署所面臨的挑戰:小數據、算法的魯棒性和泛化能力,以及變更管理。
  • 人工神經網絡或升級 因為人類發現神經元更複雜
    人工神經網絡是人們模仿神經元設計出來的,其模仿單個神經元,將這些神經元串起來,從而可以處理較為複雜的數據。人工神經網絡如此設計,其實是將單個神經元視為一個簡單的開關,僅支持「是」與「否」的判斷。但研究發現,神經元要更加複雜。
  • 百度大腦這樣思考:模仿人類大腦神經網絡
    原標題:百度大腦這樣思考:模仿人類大腦神經網絡   巴西世界盃足球賽激戰正酣,有爆冷出局的,也有意外晉級的。本屆比賽雖然沒有了「預言帝」章魚保羅,但是預測比賽結果已經有了新工具——能夠分析數據、學習思考的人工智慧。
  • 高效「煉丹」必備技能:一文實現深度學習數學原理入門,還有吳恩達...
    但是,如果只做代碼「搬運工」,不了解神經網絡背後的數學原理,很難對項目有深刻全面的理解,debug反而會更難、耗時更長。就以深度學習中常用的神經網絡來說,典型模型包括多層感知機(DLP)、卷積神經網絡(CNN)、循環神經網絡(RNN)等等,不同的項目,對神經網絡的調參需求也不相同。
  • 最強大腦皮層神經網絡重建 揭哺乳動物最大神經線路圖
    最新Science雜誌封面,發布了知名的德國馬克斯·普朗克腦研究所的最新腦科學成果:他們七年磨一劍,重建了非常複雜的大腦皮層神經網絡,揭示了迄今為止最大哺乳動物神經線路圖。此前,人類只知大腦神經元的「樣子」,現在,哺乳動物神經元如何連接——首次得到揭秘,並實現了更大量級的大腦皮層神經網絡的重建。並且AI的方法在其中發揮重要作用,研究者還說,這種突破還可能進一步為AI發展提供指導:「揭開生物神經網絡連接秘密,或許可以進一步探明大腦高效計算原理。
  • 神經網絡和深度學習簡史(全)
    Minsky的書最著名的觀點有幾個:(1)我們需要用MLPs[多層感知機,多層神經網絡的另一種說法)來代表簡單的非線性函數,比如XOR 映射;而且(2)世界上沒人發現可以將MLPs訓練得夠好,以至於可以學會這麼簡單的函數的方法。Minsky的書讓世上絕大多數人相信,神經網絡是最糟糕的異端,死路一條。
  • 吳恩達創業關你什麼事?
    百度前首席科學家吳恩達幾小時前剛剛在推特上宣布了他的下一個企業Deeplearning.ai,只有一個標誌,一個域名,還有一行「 2017 年8 月」的字樣,預示了發布日期。有趣的是,Deeplearning.ai 的域名似乎已註冊到百度位於矽谷森尼韋爾的研發機構——也就是吳恩達此前工作過的同一個辦公室。
  • 神經網絡算法原理_神經網絡算法的應用_神經網絡算法實例說明
    神經網絡是一種模擬人腦結構的算法模型。其原理就在於將信息分布式存儲和並行協同處理。雖然每個單元的功能非常簡單,但大量單元構成的網絡系統就能實現非常複雜的數據計算,並且還是一個高度複雜的非線性動力學習系統。   神經網絡的結構更接近於人腦,具有大規模並行、分布式存儲和處理、自組織、自適應和自學能力。
  • 吳恩達團隊最新醫學影像成果:肺炎診斷準確率創新高
    在這個例子中,CheXnet 準確地探測到了肺炎,同時定位了圖片中最有可能患病的位置。CheXNet 可以輸出肺炎存在可能性的熱區圖。研究人員在最近發布的 ChestX-ray14 數據集(Wang et al, 2017)上訓練了 CheXNet。該數據集包含 112,120 張各自標註最多有 14 種不同胸部疾病(包括肺炎)的正面胸透圖像。