2019 年度最受欢迎的 AI 开发者故事都在这里！
2020-01-14 10:22
分享到微信
分享到微博
Top 10：深度学习帮助加州大学洛杉矶分校的科学家即时识别血液中的癌细胞
加州大学洛杉矶分校的研究人员刚刚开发出了一种基于 GPU 的深度学习设备，可以在几毫秒内检测出癌细胞，比以前的方法快了数百倍。
研究人员在《自然》杂志上新发表的一篇论文中指出：“计算效率的提高实现了低延迟推理，并实现通过深度学习进行细胞分类。” 研究小组解释说：“我们的神经网络只需不到几毫秒的时间就能对细胞进行分类，速度之快足以为细胞分选器提供实时分离单个靶细胞的决策。”
该分类模型使用了 cuDNN 加速的 TensorFlow 深度学习框架，基于 NVIDIA Tesla GPU 进行训练，并使用了靶细胞类型的数据集。
为了进行推理，该团队使用了 Google Cloud 上的NVIDIA P100 GPU，以及CUDA 10..0，cuDNN .7.4.1。
Top 9：这只基于 Jetson 打造的机器狗会一直听它的主人说话
这个机器人不仅看起来像狗，而且也会像狗一样学习！佛罗里达大西洋大学机器知觉和认知机器人实验室的研究人员刚刚开发出了机器狗 Astro。
“ Astro并不基于预编程代码运行。相反，Astro 正在使用深度神经网络（大脑的计算机模拟）的输入进行训练，以便它可以从经验中学习，以执行类似于人类的任务，或者类似于狗的任务，从而造福于人类”，研究人员在他们的项目页面中写道。
Astro 配备了传感器、雷达、摄像头、定向麦克风和一组 NVIDIA TX2 模块来处理感知输入。有了板载 GPU，Astro 每秒可以完成四万亿次计算。
Top 8：Allen AI 研究院宣布 BERT 突破：通过 12 年级科学考试
最近，Allen AI研究院 (Allen Institute for Artificial Intelligence) 宣布了一项基于 BERT 模型的突破，通过了 12 年级的科学测试。
被称为 Aristo 的 GPU 加速系统可以阅读、学习和做科学推理，在这种情况下，它可以模拟学生的决策。在这一里程碑式的事件中，Aristo 在 8 年级的科学考试中答对了 90% 以上的问题，在 12 年级的考试中答对了 83%。
为了训练模型，团队使用了 Beaker.org 研究平台以及AllenNLP 研究库（基于 PyTorch 的开源框架），以在多语言任务中开发最新的深度学习模型。训练过程在位于 Google Cloud 的 NVIDIA P100 GPU 中完成。
在一些需要更多内存的实验中，该团队使用了由 NVIDIA Quadro RTX 8000 GPU 驱动的内部服务器。
Top 7：AI 首次探测宇宙中的暗物质
宇宙中有多少暗物质？这个 AI 模型可能有答案。
苏黎世联邦理工学院的物理学家和计算机科学家团队开发了一种基于深度学习的模型来估计宇宙中暗物质的数量。研究人员表示，这是 AI 研究人员首次使用这种算法来分析暗物质。
第一步，研究小组在计算机生成的模拟宇宙的数据上训练了卷积神经网络(CNN)。该网络使用了16 个NVIDIA P100 GPU，在由 cuDNN 加速的 TensorFlow深度学习框架上完成。
Top 6：NVIDIA 大幅削减 BERT 训练和推理时间
2019 年，NVIDIA 宣布了在语言理解方面取得的突破，使开发人员有机会使用 BERT 和实时推理工具（例如 TensorRT)更自然、更迅速地开发人工智能会话应用程序。
来自 NVIDIA 的研究人员和开发人员在 BERT（最流行的 AI 语言模型之一）的训练和推理上均创下了记录。
Top 5：人工智能研究人员为将脑电波转换成语言铺平道路
哥伦比亚大学的研究人员使用深度学习来增强语音神经假体（speech neuroprosthesis）技术，从而可以从人类听觉皮层中获得准确而清晰的语音重建。
这项研究有可能帮助失去说话能力的人重获与亲人交流的机会。
使用基于 cuDNN 加速的 TensorFlow 深度学习框架的NVIDIA TITAN 和 NVIDIA Tesla GPU，研究人员能够开发深度学习模型，从而使计算机生成的语音可以准确朗读一系列数字，准确度达到 75％。
Top 4：用 AI 将绘画和照片转换成动画
华盛顿大学和 Facebook 的研究人员最近发表了一篇论文，展示了一种基于深度学习的系统，它可以将静态图像和绘画转化为动画。这种名为“照片唤醒”（Photo Wake-Up）的算法使用卷积神经网络，从一张静止图像中生成 3D 人物或角色的动画。
使用 NVIDIA TITAN GPU 和 cudNN 加速的 PyTorch 深度学习框架，研究人员将他们的软件建立在一个叫做 SMPL 的预训练模型的基础上，该模型由微软和德国 Max Planck 智能系统研究所的团队首创。
Top 3：AI 首次帮助重现隐藏的毕加索画作
为了帮助重现一幅毕加索遗失的画作，伦敦大学学院的研究人员运用深度学习重现了《老吉他手》的一部分，这是毕加索在蓝色时期最著名的画作之一。
这一时期可以追溯到 20 世纪初，毕加索在他的绘画中使用蓝色来表达他在那时所经历的痛苦和孤独。
为了让这幅遗失的画作“起死回生”，研究人员使用NVIDIA V100 GPU 和 cuDNN 加速的 TensorFlow 深度学习框架，对毕加索蓝色时期（包括 La Vie）的十几幅画作进行了深度神经网络训练。
Top 2：NVIDIA GauGAN 获得 2019 年《科技新时代》“最佳新品奖”
《科技新时代》杂志（Popular Science magazine）近日宣布，NVIDIA 风靡一时的实时 AI 艺术风潮 GauGan 刚刚获得工程类“最佳新品奖”。
在后端，GauGAN 基于生成式对抗网络，使用 NVIDIA DGX-1 系统和 cuDNN 加速的 PyTorch 深度学习框架，对 100 多万幅真实的景观图像进行训练。
Top 1：世界上首个 AI 创造的运动——Speedgate
如果你喜欢玩或看团队运动，你可能会发现这个人工智能的最新发明很吸引人。AKQA 是一家全球创新机构，以与各大品牌和公众人物合作而闻名。AKQA 的开发人员训练了一个循环神经网络和一个深度卷积生成对抗网络，基于 400 多项运动进行训练，目的是创造一项全新的原创运动。
使用 NVIDIA Tesla GPU 训练他们的神经网络和推理，该模型产生了超过 1000 个不同的运动概念输出、规则和游戏输出。除了生成新的运动，他们还训练神经网络识别 10400 个标志，以创造出他们的官方Speedgate 运动标志。
加州大学洛杉矶分校的研究人员刚刚开发出了一种基于 GPU 的深度学习设备，可以在几毫秒内检测出癌细胞，比以前的方法快了数百倍。
研究人员在《自然》杂志上新发表的一篇论文中指出：“计算效率的提高实现了低延迟推理，并实现通过深度学习进行细胞分类。” 研究小组解释说：“我们的神经网络只需不到几毫秒的时间就能对细胞进行分类，速度之快足以为细胞分选器提供实时分离单个靶细胞的决策。”
该分类模型使用了 cuDNN 加速的 TensorFlow 深度学习框架，基于 NVIDIA Tesla GPU 进行训练，并使用了靶细胞类型的数据集。
为了进行推理，该团队使用了 Google Cloud 上的NVIDIA P100 GPU，以及CUDA 10..0，cuDNN .7.4.1。
Top 9：这只基于 Jetson 打造的机器狗会一直听它的主人说话
这个机器人不仅看起来像狗，而且也会像狗一样学习！佛罗里达大西洋大学机器知觉和认知机器人实验室的研究人员刚刚开发出了机器狗 Astro。
“ Astro并不基于预编程代码运行。相反，Astro 正在使用深度神经网络（大脑的计算机模拟）的输入进行训练，以便它可以从经验中学习，以执行类似于人类的任务，或者类似于狗的任务，从而造福于人类”，研究人员在他们的项目页面中写道。
Astro 配备了传感器、雷达、摄像头、定向麦克风和一组 NVIDIA TX2 模块来处理感知输入。有了板载 GPU，Astro 每秒可以完成四万亿次计算。
Top 8：Allen AI 研究院宣布 BERT 突破：通过 12 年级科学考试
最近，Allen AI研究院 (Allen Institute for Artificial Intelligence) 宣布了一项基于 BERT 模型的突破，通过了 12 年级的科学测试。
被称为 Aristo 的 GPU 加速系统可以阅读、学习和做科学推理，在这种情况下，它可以模拟学生的决策。在这一里程碑式的事件中，Aristo 在 8 年级的科学考试中答对了 90% 以上的问题，在 12 年级的考试中答对了 83%。
为了训练模型，团队使用了 Beaker.org 研究平台以及AllenNLP 研究库（基于 PyTorch 的开源框架），以在多语言任务中开发最新的深度学习模型。训练过程在位于 Google Cloud 的 NVIDIA P100 GPU 中完成。
在一些需要更多内存的实验中，该团队使用了由 NVIDIA Quadro RTX 8000 GPU 驱动的内部服务器。
Top 7：AI 首次探测宇宙中的暗物质
宇宙中有多少暗物质？这个 AI 模型可能有答案。
苏黎世联邦理工学院的物理学家和计算机科学家团队开发了一种基于深度学习的模型来估计宇宙中暗物质的数量。研究人员表示，这是 AI 研究人员首次使用这种算法来分析暗物质。
第一步，研究小组在计算机生成的模拟宇宙的数据上训练了卷积神经网络(CNN)。该网络使用了16 个NVIDIA P100 GPU，在由 cuDNN 加速的 TensorFlow深度学习框架上完成。
Top 6：NVIDIA 大幅削减 BERT 训练和推理时间
2019 年，NVIDIA 宣布了在语言理解方面取得的突破，使开发人员有机会使用 BERT 和实时推理工具（例如 TensorRT)更自然、更迅速地开发人工智能会话应用程序。
来自 NVIDIA 的研究人员和开发人员在 BERT（最流行的 AI 语言模型之一）的训练和推理上均创下了记录。
Top 5：人工智能研究人员为将脑电波转换成语言铺平道路
哥伦比亚大学的研究人员使用深度学习来增强语音神经假体（speech neuroprosthesis）技术，从而可以从人类听觉皮层中获得准确而清晰的语音重建。
这项研究有可能帮助失去说话能力的人重获与亲人交流的机会。
使用基于 cuDNN 加速的 TensorFlow 深度学习框架的NVIDIA TITAN 和 NVIDIA Tesla GPU，研究人员能够开发深度学习模型，从而使计算机生成的语音可以准确朗读一系列数字，准确度达到 75％。
Top 4：用 AI 将绘画和照片转换成动画
华盛顿大学和 Facebook 的研究人员最近发表了一篇论文，展示了一种基于深度学习的系统，它可以将静态图像和绘画转化为动画。这种名为“照片唤醒”（Photo Wake-Up）的算法使用卷积神经网络，从一张静止图像中生成 3D 人物或角色的动画。
使用 NVIDIA TITAN GPU 和 cudNN 加速的 PyTorch 深度学习框架，研究人员将他们的软件建立在一个叫做 SMPL 的预训练模型的基础上，该模型由微软和德国 Max Planck 智能系统研究所的团队首创。
Top 3：AI 首次帮助重现隐藏的毕加索画作
为了帮助重现一幅毕加索遗失的画作，伦敦大学学院的研究人员运用深度学习重现了《老吉他手》的一部分，这是毕加索在蓝色时期最著名的画作之一。
这一时期可以追溯到 20 世纪初，毕加索在他的绘画中使用蓝色来表达他在那时所经历的痛苦和孤独。
为了让这幅遗失的画作“起死回生”，研究人员使用NVIDIA V100 GPU 和 cuDNN 加速的 TensorFlow 深度学习框架，对毕加索蓝色时期（包括 La Vie）的十几幅画作进行了深度神经网络训练。
Top 2：NVIDIA GauGAN 获得 2019 年《科技新时代》“最佳新品奖”
《科技新时代》杂志（Popular Science magazine）近日宣布，NVIDIA 风靡一时的实时 AI 艺术风潮 GauGan 刚刚获得工程类“最佳新品奖”。
在后端，GauGAN 基于生成式对抗网络，使用 NVIDIA DGX-1 系统和 cuDNN 加速的 PyTorch 深度学习框架，对 100 多万幅真实的景观图像进行训练。
Top 1：世界上首个 AI 创造的运动——Speedgate
如果你喜欢玩或看团队运动，你可能会发现这个人工智能的最新发明很吸引人。AKQA 是一家全球创新机构，以与各大品牌和公众人物合作而闻名。AKQA 的开发人员训练了一个循环神经网络和一个深度卷积生成对抗网络，基于 400 多项运动进行训练，目的是创造一项全新的原创运动。
使用 NVIDIA Tesla GPU 训练他们的神经网络和推理，该模型产生了超过 1000 个不同的运动概念输出、规则和游戏输出。除了生成新的运动，他们还训练神经网络识别 10400 个标志，以创造出他们的官方Speedgate 运动标志。
