OpenAI成立新公司前YC总裁担纲CEO马斯克退出

钛媒体3月12日动静,非营利性组织OpenAI今日颁布发表严重重组:OpenAI Nonprofit日常工作没有变化,通过开辟新的 AI 手艺,由原YC总裁Sam Altman带领,实行“100倍利润封顶”。
关于100倍的“无限盈利”,OpenAI在博客中注释其是“营利性和非营利性的夹杂体”,这意味着它将限制返还给投资者和雇员的资金数额,并将发生的大部门资金用于赞助继续具有的非营利实体OpenAI Nonprofit。
OpenAI LP 目前具有约 100 名员工,次要分为三个范畴:能力(摸索AI系统能够做什么),平安(确保这些AI系统合适人类的价值观)和政策(对此类系统进行恰当的办理)。
值得留意的是,Open LP的成员中没有马斯克的名字。OpenAI最后由埃隆·马斯克(Elon Musk)和Y Combinator董事长Sam Altman于2015年12月倡议,其时获得了10亿美元的捐赠。(来历:新智元)
经检测,你是“钛媒体”和“贸易价值”的注册用户。此刻,我们对两个产物因进行整合,需要您选择一个账号用来登录。无论您选择哪个账号,两个账号的原有消息都汇合并在一路。对于给您形成的未便,
更多精彩报道,尽在https://www.mavrixtech.com

Continue reading

谷歌联合OpenAI发布“神经元显微镜”可视化神经网络运行机制

谷歌与OpenAI发布新研究,但愿通过绘制这些系统用于理解世界的视觉数据,进一步打开人工智能视觉范畴的黑匣子。
钛媒体注:本文来自微信公家号大数据文摘(ID:BigDataDigest),编译:张秋玥、周家乐、陆震,钛媒体经授权发布。
虽然机械视觉系统在越来越多的范畴获得使用,从医疗保健到主动驾驶汽车,可是要真的理解机械的眼睛到底是若何“看到”事物,为什么它将甲归类为行人,但将乙归类为路标,仍然是一个迷。
今日,谷歌与OpenAI发布新研究,但愿通过绘制这些系统用于理解世界的视觉数据,来进一步打开人工智能视觉范畴的黑匣子。
此项研究被称为“激活地图集”(Activation Atlases),是一种神经元交互体例的最新可视化手艺。
该研究一经发布,就在全网激发热议。它可以或许像“显微镜”一样,协助研究人员阐发各类算法的工作道理。
不只可以或许揭示它们识此外笼统外形、颜色与图案,还可以或许揭示它们若何将这些元素连系起来以识别特定的物体、动物与场景。
若是将之前的研究比作在算法的视觉字母表中显示单个字母,那么激活地图集则供给了整个字典,它可以或许显示字母是若何组合在一路制造现实词汇的。
视觉分类收集的激活图集,揭示了很多完全被识别出的特征,如电子设备、建筑、食物、动物耳朵、动物和水样布景等等
激活地图集成立在特征可视化的根本上,是一种研究神经收集躲藏层事实能够暗示什么的手艺。特征可视化的晚期工作次要集中在单个神经元上。通过收集数以万计的神经元彼此感化和可视化的样例,激活地图集将关心点从单个神经元转移到可视化这些神经元所配合代表的空间。
OpenAI的博客引见称:激活地图集比预期的结果更好,似乎无力地表白神经收集的激活层对人类而言是成心义的。这能让我们愈加乐观地认为,视觉模子能取得很是好的可注释性。
从分歧的锻炼样例中收集一百万个激活向量,将它们放置在二维空间中,使类似的激活向量慎密地连系在一路。然后,在每个单位的平均值上施加一个网格并利用特征可视化。
谷歌的Shan Carter是这项工作的首席研究员。Carter说:“拿鲨鱼这一图像类别为例,此中会有良多激活要素,好比牙齿和水。
由于凡是环境下,若是要摆设一个环节的软件,法式员能够通过查抄代码的所有施行路径,以至进行形式化验证来确保平安。可是目前而言若是用到了神经收集,我们进行这种查抄的能力将会遭到很大的限制。
有了激活地图集,人类就能够发觉那些具有于神经收集中而不曾被意料到的问题。例如,神经收集可能会依赖虚假相关性对图像进行分类,或者由于反复操纵了分歧类别间共有的某个特征而导致奇异的错误。人类以至能够操纵这种理解来“攻击”模子,点窜图像来棍骗它。
在将来,如许的研究将有良多用处,好比协助我们成立更高效和先辈的算法,还可以或许通过让研究人员进入模子的内部来提高其平安性并消弭偏误。“因为神经收集固有的复杂性,它们缺乏可注释性,”Selvaraju在采访中说。可是在将来,当这种收集经常被用于驾驶汽车以及指导机械人时,可注释性将很是主要。
OpenAI的Chris Olah也参与了这个项目,他说,“感受有点像缔造一个显微镜。至多,这就是我们所追求的方针。“
要领会激活地图集和其他功能可视化东西的工作道理,起首需要领会一下AI系统若何识别对象。
实现这一方针的根基方式是利用神经收集:一种与人类大脑大致类似的计较布局(虽然它在复杂性方面掉队了无数倍)。在每个神经收集内部有像网状物一样毗连的人造神经元层。像大脑中的细胞一样,这些细胞会响应刺激这一过程被称为激活。主要的是,它们不只仅可以或许被开启或封闭;它们有必然的取值范畴,可以或许为每次激活付与特定值或“权重”。
要将一个神经收集变为真正有用的工具,你必需供给大量的锻炼数据。在视觉算法的环境下,这将意味着数十万以至数百万被标识表记标帜为特定类此外图像。在谷歌和OpenAI的研究人员为这项工作测试的神经收集的环境下,这些类别很是普遍:从羊毛到温莎领带,从平安带到加热器。
神经收集利用互相毗连的人工神经元层来处置数据。分歧的神经元反映图像的分歧部门。
当我们利用这些数据锻炼收集时,神经收集中的分歧神经元会响应对应的图像。此纪律会毗连到图像的标签,这种联系答应收集“进修”事物的样子。一旦颠末锻炼,你就能够向收集显示它以前从未见过的图片。神经元将会被新图片激活,将该图片与特定类别相婚配。恭喜!您方才锻炼了机械进修视觉算法。
若是这些注释听起来都简单到令人不安,那是由于,从良多方面而言,它就是这么简单。像很多机械进修法式一样,视觉算法素质上只是模式婚配。这赐与了它们必然的劣势(例如,只需你具有需要的数据和计较能力,就能够间接进行锻炼算法)。但这也给了它们某些弱点,好比说它们很容易被之前从未见过的图像输入弄糊涂这一现实。
自研究人员在2010岁首年月发觉了神经收集在视觉使命方面潜力以来,他们不断在研究机制,试图弄清晰这些算法到底是若何完成使命的。
有一项名为DeepDream的晚期尝试,这是2015年发布的计较机视觉打算,企图将任何图片变成了本身的幻觉版本。DeepDream的视觉结果必定是风趣的(在某些方面,它们定义了所谓人工智能美学),但该法式也是一个像算法一样的晚期测验考试。Olah说:“在某些方面,这一切都始于DeepDream。”
DeepDream也即将图像调整为尽可能风趣的算法。看起来它似乎是在图像中发觉“躲藏”的图案,但它更像是有人在着色书中涂鸦:用眼睛、茎杆、螺纹和鼻子填充每一寸空白尽可能地激发算法。
后来的研究采用了统一根基方式并对其进行了微调:起首看是什么激发了收集中的单个神经元、神经元群以及收集中分歧层的神经元组合。若是说晚期的尝试就像Isaac Newton用钝针扎本人的眼睛来理解视觉一样太专注,其成果很偶尔,那么比来的研究工作就像Newton用棱镜分化光线一样更有目标性。通过频频绘制神经收集每个部门被激活的视觉元素,最终获得神经收集焦点的视觉索引图集。
激活地图集现实上向我们展现了关于算法的内部运作的什么内容呢?我们能够先看看谷歌和OpenAI的例子,这是为了领会名为GoogLeNet或InceptionV1的出名神经收集的内部布局是若何建立的。

你能够看到收集的分歧部门怎样对分歧的概念做出反映,以及这些概念被如何地堆积在一路(例如,狗和鸟被完全分隔)。你还能够看到收集的分歧层若何代表分歧类型的消息。较低层更为笼统,响应根基的几何外形,而较高层将这些解析为可识此外概念。你会发觉这才是相当风趣的处所。谷歌和OpenAI给出的一个例子是通气管和戴水肺的潜水员这两类之间的区别。
鄙人图中,你能够看到神经收集用于识别标签的各类激活。右边是与通气管高度相关的激活,左边是与戴水肺的潜水员亲近相关的激活。两头是两类共享的激活,而边缘部门的激活则差别愈加较着。
你一眼就能看出一些较着的颜色和图案。顶部看起来像颜色鲜艳的鱼身上的黑点和条纹,底部则像面具。左边凸起显示的是一个奇异的识别,很像火车头。当研究人员发觉这一点时,他们很迷惑。是不是关于火车头的视觉消息对戴水肺潜水员的识别很主要?
Carter说:所以我们测试了下,我们想若是我们插手一张蒸汽火车的车头的图片,它会有助于识别吗?意想不到的是,它真的有用。”
三张图片展现了若何再分类统一张图片。右边被识别为通气管;两头插手火车头之后识别为潜水员;当火车头的照片足够大时被识别为火车头。
该团队最终找到了缘由:这是因为火车头的滑腻金属曲线在视觉上接近于潜水员的空气罐。所以对于神经收集来说,这是潜水员和通气管之间的一个较着区别。为了节流区分这两类的时间,它就从其他处所借用了所需的视觉识别数据。
这个例子奇异地揭示了神经收集的工作体例。对于思疑论者而言,它展现了神经收集的局限性。他们会说,视觉算法可能是无效的,但他们学到的消息现实上和人类理解世界的体例天差地别。这会让他们思疑一些做法。例如,你只是在图片中居心插手几个像素,神经收集就可能认不出这张图片。
但对于Carter和Olah这类人来说,激活地图集和雷同的东西所揭示的消息展现了这些算法所达到的惊人的深度和矫捷性。例如,Carter指出,算法为了区分潜水员和通气管,它还将分歧类型的动物与这两类做阐发。
“深水中的动物,好比海龟,会被识别为水肺,水面上的,好比鸟,会被识别为通气管,”他说。他指出,这是从未让系统进修的消息,但它本人进修了这些。 “这有点接近对世界更深条理的理解。这让我很兴奋。“
Olah同意,“我发此刻高分辩率下看这些图集令人震动,我看到了这些收集的庞大潜力。”
他们二人但愿通过开辟如许的东西,能有助于鞭策人工智能整个范畴的成长。通过领会机械视觉系统若何旁观这个世界,理论上我们能够愈加无效地建立它们并更详尽地查抄它们的精确性。
目前东西无限,Olah说我们能够给系统抛出测试数据来试着棍骗他们,但这种方式老是遭到已知错误的限制。 他说:“但若是我们想投入精神的话,这给了我们一个揭露未知问题的新东西,这感受就像每一代东西都能让我们愈加理解这些收集的内部焦点。”
更多出色内容,关心钛媒体微信号(ID:taimeiti),或者下载钛媒体App
第一时间获取TMT行业新颖资讯和深度贸易阐发,请在微信公家账号中搜刮「钛媒体」或者「taimeiti」,或用手机扫描左方二维码,即可获得钛媒体每日精髓内容推送和最优搜刮体验,并参与编纂勾当。
经检测,你是“钛媒体”和“贸易价值”的注册用户。此刻,我们对两个产物因进行整合,需要您选择一个账号用来登录。无论您选择哪个账号,两个账号的原有消息都汇合并在一路。对于给您形成的未便,我们深感歉意。
更多精彩报道,尽在https://www.mavrixtech.com

Continue reading

餐馆预订网站Opentable:在鸡肋中敛财

从营业的角度来说,Opentable与国内的饭统网、订餐小秘书类似,他们都试图借助互联网这一东西改变人们的订餐习惯,分歧的处所在于饭统网和订餐小秘书也接管大量德律风订单。
Opentable不单供给收集预订办事,也帮餐厅搭建IT系统。这与国内的易淘食和哗啦啦点菜网比力相像。
餐饮行业是一个庞大的市场,但也是一个高度碎片化的市场,整合供应链上游的难度很是高。
与酒店、机票范畴的预订不太一样的是:人们的出行总要规划,所以机票和酒店预订是刚需。因而,互联网这一东西确实给该行业带来了极大的便利,于是这行业敏捷被互联网化。餐饮的打算性本身不如机票、酒店,并且保守的德律风订餐或者现场列队曾经被固化成了根深蒂固的习惯,大部门消费者赖于改变。Opentable不断将“习惯”列为公司营业最大的仇敌。
Opentable的营收次要来自三部门:消费者的订餐佣金、餐厅办理软件的月租费、预装和其他收入。
Opentable向餐厅供给电子订餐系统ERB。ERB除了根基预订系统以外,还集成餐厅现场办理、CRM、营销推广等功能。ERB处理方案还包罗触屏终端等硬件设备。采办Opentable ERB系统的餐厅需要向Opentable领取必然的初装费用,以及每个月249美元的月租费(北美市场)。
当然,餐厅也能够选择不安装ERB系统,而是操纵Opentable供给的Connect系统间接从网站或者APP端获得订单。
订餐佣金按照渠道和客户的分歧而有较大的差别。消费者若是从餐厅本人的网站进入,操纵Opentable的系统订餐的话,每笔订单餐厅需要向Opentable领取0.25美元的佣金。若是消费者通过Opentable的网站或者APP下单,ERB客户每单只需领取1美元佣金,而Connect客户则需领取2.5美元佣金。别的,Opentable还供给“1000积分”的针对会员的促销勾当。客户需要为响应的订单领取每笔7.5美元的佣金。
在用户端,Opentable并没有投入太多的营销费用,更多是靠口碑传布驱动。我们前面也有提到,就餐的规划性不强,同时,虽然互联网订餐可以或许给消费者带来很大的便当,那么,Opentable通过什么体例指导消费者在线订餐呢?
Opentable的杀手锏是积分打算。消费者每通过Opentable预订一次,即可获得100点积分,价值1美元。积分达到2000点当前,消费者就能够在任何Opentable的合作商家处作现金抵用。但若是消费者持续12个月未下单,其账户上的所有积分将清零。
Opentable向ERB商户收取的订单佣金也刚好是1美元,刚好冲减Opentable向用户的返利。Opentable把佣金以积分的形式全额返还给消费者,也是在竭尽全力的培育用户的消费习惯。这也是一种变相的营销成本。
不外好在消费者的积分兑换比例并不是太高。2013年,Opentable确认了2000万美元的积分消费,公司资产欠债表上对应消费积分的或有欠债为3700万美元。Opentable估计,若是用户积分兑换比率提高10%,公司收入将削减约680万美元。
除了用户消费习惯的迟缓成熟以外,挪动订餐市场的启动也是鞭策Opentable预订营业高速增加的一大动力。
ERB客户每个月需要向Opentable领取高达249美元的月租费,还要为每个订单领取额外的佣金。2013年,Opentable北美地域的客户平均总收入为6400美元,这是一笔不菲的费用。通俗的餐厅能支持么?
起首,Opentable本身也不是面向所有的餐厅。Opentable将餐厅金字塔由上往下划分为预订优先、散客优先、只欢迎散客(不接管预订)三类。Opentable的ERB系统对准预订优先的餐厅,Opentable向散客优先但仍接管预订的餐厅保举Connect系统。
Opentable的方针客户是中高端的餐厅,这些客户的成本承受能力更强。而另一方面,餐厅在Opentable上的投资报答率不断在改善。
Opentable估计,整个北美地域,这两类餐厅别离只要3.5万家和2万家。而Opentable在这两个市场的渗入率别离为54%和13%,Opentable初步完成了方针市场的笼盖。
按照Opentable供给的材料,Opentable办事的餐厅的人均消费为42.5美元。而餐厅办事这些消费者的可变成本只要35%。也就是说Opentable的每个订单将为餐厅添加28美元的毛利润。与1美元摆布的订单成本比拟,Opentable渠道的投资报答率很是高。
为什么亚马逊在中国干不外“神通”的淘宝网 【编者按】12月2日,贝佐斯在接管采访过程中认可本人已筹算退休,并在心中定好了接棒人选,外界猜测最有可能的人选…
腾讯科技 孙涵 11月25日报道 岁尾历来都是商品促销的旺季,刚过完中国双十一,转眼就迎来北美的黑色礼拜五。 “黑色礼拜五”是西方感恩节后的第一天(本年为11月…
【亿邦动力网讯】11月20日动静,双11刚走,双12就要来了。阿里巴巴方面发布了本年双12的具体弄法。此次1212全能盛典,淘宝添加了会场数量的设置,并从外部、内部和无线三个…
【亿邦动力网讯】10月8日动静,亿邦动力网获悉,日本最大的电商公司Rakuten乐天为了奉行本人的O2O打算,起头答应本人的会员在实体店利用会员卡积分。这个打算叫做Rakuten的…
【编者按】阿里巴巴曾经于9月19日晚正式在纽交所上市,作为中国最大规模的一次赴美IPO,阿里这艘贸易航母也将反面挑战美国市场。 不晓得美国人对阿里巴巴到底领会几多,但…
更多精彩报道,尽在https://www.mavrixtech.com

Continue reading

苹果加入OpenJDK与Oracle合作Mac将继续支持Java

此前传言苹果将逐渐打消 Mac OS X 系统对 Java 的支撑。并会供给 Mac OS X 系统上摆设 Java SE 7 所需的大大都环节东西和手艺,包罗 32 位和 64 位基于 HotSpot 的 Java 虚拟机,类库,收集仓库,图形客户端根本等。
1、OpenJDK 是一个次要努力于 Java 言语研究的开源项目,官方引见。一个月前 IBM 也插手了此项目。
MQBlue评论了iOS六年开辟经验被练习生替代,所谓的“经验”一文…
更多精彩报道,尽在https://www.mavrixtech.com

Continue reading

“维基解密”前雇员创立新型解密网站“OpenLeaks”

据美国有线日报道,由于不附和“维基解密”创始人阿桑奇的运营理念,该网站的前雇员,德国人丹尼尔•多姆沙伊特•伯格当天创立了一个雷同于“维基解密”的网站“OpenLeaks”,从而激发了外界的强烈关心。
丹尼尔•多姆沙伊特•伯格引见说,“OpenLeaks”的员工此前都曾在“维基解密”工作,但他们都对阿桑奇运营“维基解密”的体例感应不满,所以现在一路创立了“Openleaks”。
“现实上,阿桑奇减弱了‘维基解密’的实力,这个网站的运转过度地依托他小我的力量了,” 伯格12日在接管瑞典电视台的采访时说。

伯格强调,他的网站的运营理念和“维基解密”完全分歧。“‘OpenLeaks’将不会间接发布消息,而是先取得消息再交由他人发布。”
他说,阿桑奇的“维基解密”网站就做两件工作:一是先从匿名泄密者那里获得奥秘消息,然后就是将消息发布在一个未经审查的网站上。由于不满网站的运作体例和阿桑奇的刚愎自用,伯格在本年9月分开了“维基解密”。在目睹了“维基解密”由于泄露而在全球惹起庞大争议后,
“‘OpenLeaks’答应泄密者指定任何一家媒体或非当局组织,然后再由指定媒体或组织对所提交消息进行审查、编纂和颁发。丹尼尔认为这种做法能够使‘OpenLeaks’做到和‘维基解密’一样通明,但又不会招致政治风暴和法令压力,”伯格说。
有媒体称“OpenLeaks”是“维基解密”网站的“合作敌手”,伯格感觉那曲直解。“‘OpenLeaks’与‘维基解密’从底子上就分歧,没有合作关系。”
阿桑奇上个月在接管采访时也暗示,两个网站之间不具有合作。这类网站的呈现现实上是在庇护‘维基解密’。”
更多精彩报道,尽在https://www.mavrixtech.com

Continue reading

学界 OpenAI MiniWoB环境介绍:与网站交互的强化学习代理基准

原标题:学界 OpenAI MiniWoB环境介绍:与网站交互的强化学习代理基准
Mini World of Bits,简称 MiniWoB,是一个用于与网站交互的强化学习代理的基准。其代理可以感知小网页(210×160 像素)的原始像素和产生键盘和鼠标动作。
该环境用 HTML/Java/CSS 写成,设计的目的是为了测试代理与常见网页浏览器元素的交互能力,这些元素包括按钮、文本框、滑块、日期选择器等等。这个基准的环境可以通过 OpenAI Universe 获取。
其中的每一个环境都是一个 210 像素高、160 像素宽的 HTML 网页(即与 ATARI ALE 模拟器的尺寸相同)。其最顶上的 50 个像素(黄色背景)包含了任务查询——一个关于代理应该在坏境所做的事情的描述。该环境的逻辑是用 Java 编写的,其会监控事件并分配奖励(reward)。我们认为 MiniWoB 就类似于是视觉识别领域的 MNIST 数据集,其中的这些环境很小、是自包含的(self-contained)、并且含有许多代理在浏览互联网时需要克服的挑战。
该基准中的任务包含许多常见的 UI 元素,范围涵盖从简单(比如点击取消按钮)到复杂(比如,搜索从 SFO 到 LAX 的 2016 年 12 月 5 日的航班并预定最便宜的机票)等各种难度。

MiniWoB 基准包含了一系列训练/测试分开的环境。其终极目标是在无需太多交互步骤的情况下在测试环境上良好地执行任务。被测试的模型可以在训练环境中进行不限次数的预训练。我们也计划发布训练环境的演示,因为许多模型如果仅靠强化学习,可能难以取得良好的效果。
贡献环境。因为该环境目前还非常小,而且也很容易通过 Java/HTML/CSS 书写,所以我们也鼓励社区为未来该基准的发行版提供贡献。
MiniWoB…

Continue reading

Kallyope完成2100万美元B轮融资

Kallyope成立于2015年1月,是一个专注于生物技术企业医疗保健公司。
疯狂爆雷之夜!20亿成起步价 亏损王预亏逾73亿 各种奇葩计提刷新三观
商誉引发A股加速爆雷!4天至少260公司预亏超2800亿 超10亿巨雷达87家(名单)
疯狂爆雷之夜!20亿成起步价 亏损王预亏逾73亿 各种奇葩计提刷新三观
商誉引发A股加速爆雷!4天至少260公司预亏超2800亿 超10亿巨雷达87家(名单)
银保监会支持险资加大股权投资力度 简化股权投资计划和保险私募基金注册程序
疯狂爆雷之夜!20亿成起步价 亏损王预亏逾73亿 各种奇葩计提刷新三观
隔夜外盘:鲍威尔称加息理由有所减弱 道指大涨逾400点收复25000点关口
东方财富网发布此信息目的在于传播更多信息,与本网站立场无关。东方财富网不保证该信息(包括但不限于文字、数据及图表)全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关信息并未经过本网站证实,不对您构成任何投资建议,据此操作,风险自担。
更多精彩报道,尽在https://www.mavrixtech.com

Continue reading