0
| 本文作者： 我在思考中 | 2022-07-04 15:16 |
最新 MLPerf 基準(zhǔn)表明：AI 的訓(xùn)練速度比去年提升了幾乎兩倍
6月29日，開放工程聯(lián)盟 MLCommons 發(fā)布了 MLPerf 基準(zhǔn)的最新訓(xùn)練結(jié)果，發(fā)現(xiàn)今年機(jī)器學(xué)習(xí)系統(tǒng)的訓(xùn)練速度幾乎是去年的兩倍，超越了摩爾定律（每18-24個月翻一倍）。
MLPerf 由八個基準(zhǔn)測試組成：圖像識別、醫(yī)學(xué)影像分割、兩個版本的對象檢測、語音識別、自然語言處理、推薦和強化學(xué)習(xí)。在這八個基準(zhǔn)測試中，英偉達(dá)的加速器都拔得頭籌，表現(xiàn)優(yōu)異。
MLPerf Training v2.0 結(jié)果包括來自 21 個不同提交者的 250 多個性能結(jié)果，包括 Azure、百度、戴爾、富士通、技嘉、谷歌、Graphcore、HPE、浪潮、英特爾-HabanaLabs、聯(lián)想、Nettrix、NVIDIA、三星和 Supermicro等等。（IEEE Spectrum）
宋舒然獲得機(jī)器人頂會 RSS 2022 公布最佳論文獎
機(jī)器人頂會 RSS（Robotics: Science and Systems） 于 6 月 27 日至 7 月 1 日在紐約召開，并公布了最佳論文、最佳系統(tǒng)論文、最佳學(xué)生論文等全部獎項。
其中，目前任職于哥倫比亞大學(xué)的中國學(xué)者宋舒然與團(tuán)隊獲得 RSS 2022 最佳論文獎，獲獎工作是“Iterative Residual Policy for Goal-Conditioned Manipulation of Deformable Objects”。宋舒然是機(jī)器人研究領(lǐng)域的知名青年學(xué)者，曾獲得多項會議最佳論文獎，并獲得2022年素有“諾貝爾風(fēng)向標(biāo)”之稱的斯隆研究獎。
此前，AI科技評論曾對宋舒然博士進(jìn)行專訪，鏈接如下：
谷歌提出新的語言模型 Mineva 來解決定量推理問題
最近，谷歌研究院提出了一個能夠用逐步推理來解決數(shù)學(xué)和科學(xué)問題的語言模型——Mineva。
據(jù)團(tuán)隊介紹，目前語言模型在定量推理問題（即結(jié)合數(shù)學(xué)和信息來解決現(xiàn)實世界問題）中的性能仍遠(yuǎn)遠(yuǎn)低于人類，而他們通過收集與定量推理問題相關(guān)的訓(xùn)練數(shù)據(jù)、大規(guī)模訓(xùn)練模型和采用先進(jìn)的推理技術(shù)，實現(xiàn)了 AI 模型在定量推理任務(wù)上的顯著進(jìn)步。
在技術(shù)架構(gòu)上，Mineva基于谷歌在幾個月前提出的 PaLM 架構(gòu)。訓(xùn)練中，對 arXiv 上 118G 的科學(xué)論文數(shù)據(jù)集和包含 LaTex 數(shù)學(xué)表達(dá)的網(wǎng)頁進(jìn)行了訓(xùn)練。研究表明，Mineva在高中數(shù)學(xué)競賽水平題庫 MATH、大學(xué)水平的 STEM 任務(wù)上都取得了不錯的表現(xiàn)。
英國學(xué)者聯(lián)合發(fā)布因果機(jī)器學(xué)習(xí)百頁調(diào)查報告
最近，英國牛津大學(xué)與倫敦大學(xué)學(xué)院（UCL）的學(xué)者聯(lián)合發(fā)布了一份因果機(jī)器學(xué)習(xí)方向的調(diào)查綜述，長達(dá)165頁。因果機(jī)器學(xué)習(xí)主要研究如何將數(shù)據(jù)生成過程轉(zhuǎn)換為結(jié)構(gòu)因果模型（SCM），可以讓人們推斷這一過程的變化（即干預(yù)）的影響，以及事后會發(fā)生的事情（即反事實）。
這篇綜述討論了因果機(jī)器學(xué)習(xí)的五大方向：因果監(jiān)督學(xué)習(xí)、因果生成建模、因果解釋、因果公平與因果強化學(xué)習(xí)。
消息鏈接：
https://spectrum.ieee.org/mlperf-rankings-2022
https://ai.googleblog.com/2022/06/minerva-solving-quantitative-reasoning.html
更多內(nèi)容，點擊下方關(guān)注：
雷峰網(wǎng)(公眾號：雷峰網(wǎng))
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
