不容错过！斯坦福《人工智能疾病诊断与信息推荐应用》开始了！Edward Chang副教授主讲
来源：专知本文为课程，建议阅读5分钟众多想学习人工智能前沿算法的同学，可不能错过！斯坦福大学EdwardChang副教授的CS372N课程《人工智能疾病诊断与信息推荐应用》课程开始了！众多想学习人工智能前沿算法的同学，可不能错过！
地址：
http://infolab.stanford.edu/~echang/cs372/cs372-syllabus.html
人工智能，特别是深度学习，是过去十年中最具变革性的技术之一。人工智能在一些计算机视觉和自然语言处理任务上已经超过了人类。然而，我们仍然面临一些限制和障碍，这些限制和障碍导致了50年前第一波人工智能热潮的终结。本课程将首先回顾和揭示一些广泛应用的人工智能算法的局限性(如对训练和测试数据的iid假设、大量的训练数据需求、缺乏可解释性)，包括卷积神经网络(convolutionalneuralnetworks,cnn)、transformer、reinforcementlearning、和生成对抗网络(GANs)。为了解决这些限制，我们将探讨包括迁移学习以弥补数据稀缺、知识引导的多模态学习以改善数据多样性、非分布泛化、子空间学习以实现可解释性、隐私保护数据管理等主题。(2022年版计划涵盖意识建模。)本课程将以讲座和专题课程相结合的方式讲授。关于特定AI应用(如癌症/抑郁症诊断和治疗)的讲座将邀请来自学术界和工业界的特邀演讲者。学生将被分配在一个与他们的研究领域(例如，CS，医学和数据科学)相关的学期项目上工作。项目可能包括进行文献调查，形成想法，并实施这些想法。欢迎学生制定一个项目，利用自己的研究生研究。
任课导师
导师由张智威教授主讲。课程内容
第一章内容
斯坦福大学教授一页纸定义AI核心概念
来源：机器之心
编辑：魔王、小舟
斯坦福教授ChristopherManning用一页纸的篇幅介绍AI领域的核心概念。
在「AI」随处可见的当下，你真的理解人工智能领域核心概念吗？
刚刚，斯坦福大学教授、人工智能实验室（SAIL）负责人、HAI副主任ChristopherManning用一页纸的篇幅定义了AI领域的核心术语。他表示希望这些定义能够帮助非专业人员理解AI。
在这一页纸中，Manning介绍了十多个术语的定义，包括「智能」、「人工智能」、「机器学习」、「深度学习」等。
链接：https://hai.stanford.edu/sites/default/files/2020-09/AI-Definitions-HAI.pdf
具体内容参见下文：
智能可以定义为学习和执行恰当的技术以解决问题、实现目标的能力，且这些能力能够适用于不确定、不断变化的外部环境。经过完全预编程的工业机器人具有灵活性、准确性和一致性，但并不智能。
人工智能（AI）由斯坦福大学名誉教授JohnMcCarthy在1955年提出，他将人工智能定义为「制造智能机器的科学与工程」。许多研究使人类编程的机器能够以聪明的方式执行任务，如下棋。但是如今，AI领域致力于实现至少可以像人类一样学习的机器。
自主系统能够独立地计划和确定操作步骤，以实现指定的目标，而无需进行微观管理。医院中的配送机器人必须在人来人往的走廊中自主导航才能成功完成任务。在人工智能领域中，「自主」并不意味着政治或生物学中常见的「自治」（self-governing）。
机器学习（ML）是人工智能的一部分，旨在研究计算机智能体如何根据经验或数据改善其感知、知识、思维或行动。为此，机器学习领域的知识涉及计算机科学、统计学、心理学、神经科学、经济学和控制论。
在监督学习中，计算机学习预测人类给定的标签，例如基于带标签的狗狗照片来学习狗的品种。而无监督学习不需要标签，有时需要自己做预测任务，例如尝试预测句子中每个后续单词。强化学习让智能体学习可优化其总体奖励的动作序列，例如在没有良好技术的明确示例下自主赢得游戏。
深度学习指使用大型多层神经网络计算连续（实数）表示，与人脑中按层级结构组织的神经元略有相似。目前，深度学习是最成功的机器学习方法，可用于所有类型的机器学习，并且可基于少量数据实现更好的泛化性能，能够更好地扩展至大规模数据和算力。
算法列出了待执行的精确步骤，就像人把步骤写进计算机程序一样。AI系统包含算法，但算法往往仅作为学习或奖励计算方法。它们的很多行为是从数据或经验中学得的，正如斯坦福毕业生AndrejKarpathy所提出的「软件2.0」带来的系统设计基础性改变一样。
狭义人工智能（NarrowAI）表示能够处理特定任务的智能系统，如语音识别或人脸识别。人类级AI（Human-levelAI）或通用人工智能（AGI）则致力于寻找智能处理大量任务且能够感知语境的机器，例如高效的社交聊天机器人或人机交互。
以人为中心的人工智能指寻求能够增强人类能力、满足人类社会需求且从人类身上得到启发的AI。它为人类研发高效的合作伙伴和工具，如机器人助手和老年陪护机器人。
随着生成式人工智能成为焦点，斯坦福大学人工智能入学人数猛增
0分享至小探本期为大家带来的内容主题是“随着生成式人工智能成为焦点，斯坦福大学人工智能入学人数猛增”欢迎大家关注小探，小探每天都会给您献上关于币圈的优质内容哦。斯坦福大学人工智能相关课程大幅增加，过去五年课程数量增加了一倍。像ChatGPT这样的生成式人工智能工具激发了来自不同学术背景的斯坦福大学学生的兴趣。斯坦福大学对人工智能的着迷超越了金钱利益，因为学生们正在探索人工智能重塑社会的潜力。斯坦福大学因与科技行业的密切联系而闻名，在席卷硅谷的生成式人工智能热潮的推动下，斯坦福大学正在经历重大变革。随着人们对生成式人工智能的兴趣超过了围绕加密货币的炒作，斯坦福大学现有人工智能课程的入学人数猛增。过去五年，该大学与人工智能相关的课程数量增加了一倍，反映了技术领域的快速增长。生成式人工智能工具的可及性进一步激发了来自不同学术背景的学生的好奇心，他们现在正在积极探索人工智能革命的政治、社会和哲学影响。人们对生成式人工智能的兴趣日益浓厚传统上，有关人工智能的讨论仅限于具有机器学习、编程或高等数学方面技术专长的个人。然而，最近人们对生成式人工智能的兴趣激增可以归因于ChatGPT等工具的可访问性，它使任何人都可以实验和思考围绕人工智能的更广泛问题。斯坦福大学的学生，无论其专业如何，现在都在参与有关GPT-4功能的讨论，并表达了对AI安全性的担忧。为了满足人们日益高涨的兴趣，该大学迅速做出了反应，在各个院系推出了许多与人工智能相关的课程。斯坦福大学的课程目录显示，过去五年来，人工智能相关课程显着增加。在2018-2019学年，有72门课程与人工智能有一定联系，其中只有5门专门针对生成式人工智能。然而，到2022-2023学年，人工智能相关课程的数量几乎翻了一番，达到140门，其中14门课程专门针对生成式人工智能。斯坦福大学以人工智能为重点的计算机科学课程的入学人数激增也补充了课程设置的增长。例如，自然语言处理热门课程CS224N的学生入学人数显着增加，使其成为最受欢迎的计算机科学课程，也是本季度入学人数第二多的课程。斯坦福大学教授的迅速回应斯坦福大学的教授们一直积极主动地满足日益增长的人工智能教育需求。认识到人工智能的教学不应局限于博士学位。在计算机科学课程方面，该大学已开始努力扩大人工智能教育的范围，将非技术学生纳入其中。例如，BryantLin教授在短短几个月内组织了一门名为“生成式人工智能与医学”的课程，引起了极大的兴趣，并有36名学生在候补名单中。人们对人工智能的兴趣日益浓厚，促使PeterNorvig等专家强调提供教育的重要性，使来自不同背景的个人能够了解人工智能的社会影响、利用可用工具并驾驭潜在风险和收益。ChatGPT等生成式人工智能工具的加速发展引发了人们对编码和基本学术技能的未来的疑问。然而，这些担忧尚未在斯坦福大学校园中引起重大关注。学生们承认，虽然生成式人工智能简化了现有代码的使用，但它也要求个人提高批判性思维技能。生成式人工智能并没有让学术技能变得过时，而是强调了更深入地了解人工智能及其影响的必要性。人工智能作为社会颠覆者斯坦福大学对人工智能的兴趣超出了学术领域。凭借与风险投资行业的深厚联系，该大学成为创业活动的温床。虽然一些学生将人工智能炒作周期与过去的加密热潮进行比较，但他们认识到，对生成式人工智能的迷恋源于其重塑社会的潜力，而不是纯粹的金钱利益。尤其是本科生，他们正在从事人工智能实验，开发各个领域的应用程序。然而，大多数学生仍处于探索的早期阶段，尚未放弃传统的职业道路来创办人工智能初创公司。随着生成式人工智能占据中心舞台，斯坦福大学对人工智能的兴趣激增。该大学的回应是扩大人工智能相关课程的设置并满足不断增长的需求。来自不同学术背景的学生积极讨论人工智能的影响，反映出生成式人工智能工具的可及性和影响力不断增强。随着斯坦福大学继续调整其教育计划以迎合更广泛的受众，重点仍然是为个人提供知识和技能，以驾驭不断发展的人工智能领域并利用其优势，同时注意潜在风险。各位对此有什么看法呢？欢迎在评论区留言哦！单人行不如多人行，欢迎加入我的大家庭，一起抱团取暖吧，等你的加入哦！好了本期就到这里了，大家点个赞点个关注支持一下小探呗，有什么问题评论区讨论或者私信小探哦，感谢大家的支持，我们下期见！特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端斯坦福大学《人工智能指数2023》收录我校人工智能学院研究成果
近日，斯坦福大学发布了《人工智能指数2022》（ArtificialIntelligenceIndexReport2022）报告，这是斯坦福大学第五次发布该类型的报告，该报告是全球最可信、最权威的AI数据和洞察来源之一。今年的报告分为五个章节，包括最新的研究进展、技术性能、AI伦理、投资与教育、AI政策。
《人工智能指数2022》的技术性能部分用整页篇幅重点介绍了我校人工智能学院邓伟洪教授课题组的一项研究成果。报告称，虽然目前的一些面部识别算法的成功率接近100%，但因为疫情的影响，戴口罩面部识别成为了AI技术新的挑战。2021年，北京邮电大学课题组发布了6000张蒙面人脸的人脸识别数据集，以应对大规模戴口罩带来的新识别挑战。研究人员在各种面部数据集上运行了一系列现有的最先进的识别算法，结果表明，与未蒙面相比，顶级方法在蒙面面孔上的表现要差5到16个百分点。
《人工智能指数2022》引用了课题组在极端场景人脸识别问题上提出的系列数据集和评测结果。课题组通过相似外貌、跨年龄、跨姿态、口罩遮挡、对抗攻击等无约束条件下的人脸图片组，构建了五个规模相同的数据集（SLLFW/CALFW/CPLFW/MLFW/TALFW），从五个维度综合评价人脸识别鲁棒性和安全性，已被帝国理工、腾讯、百度等发表的数百篇论文实验使用。报告引用的测试结果表明，课题组2021年发表在IEEETransactionsonImageProcessing上的SFace深度学习方法取得了最佳的综合性能。目前全球最受欢迎的计算机视觉开源软件OpenCV已经收录了SFace的轻量级版本，成为其默认的人脸识别算法模型。
报告下载地址：https://aiindex.stanford.edu/report/
人工智能学院
2022年3月21日