勘误 | 和 Nature 封面论文一作,聊了聊天机芯的科研故事

nature 计算机论文,10分钟读懂6篇Nature/Science系列文章 1. 布朗大学陈鸥Science:柔性多边形拼接规则制备单组分准晶纳米晶超晶格计算机模拟早已预测出单组分胶体基元能组装成准晶超晶格,但从实验上验证这一预测十分具有挑战性。布朗大学陈鸥等人发现,具有各向异性表面功能的去顶四面体量子点能自发形成十重准晶超晶格。作者通过透射电子显微学、电子断层成像技术实现了准晶超晶格的结构重构,包括纳米尺度的堆积、原子尺度的定向排列。独特的准晶有序性衍生出一种拼接概念,... 阅读详情

By 超神经

编者注:昨天的文章发布之后,和采访嘉宾进行了商议,文章中出现一些表达不够严谨,以及部分不准确的内容。通过和邓磊博士的交流,对文中的相关内容进行了修改。在此对邓磊博士表示歉意,并由衷感谢他的指正。


点击图片跳转至昨日文章

邓磊,清华首位类脑计算博士、美国加州大学圣芭芭拉分校博士后。8 月 1 日《 Nature 》杂志的封面上,展示了文章《面向人工通用智能的异构天机芯片架构》,他作为第一作者,负责了芯片的设计和算法细节。

640?wx_fmt=jpeg
该论文实现了中国在芯片及 AI 领域《自然》论文零的突破
左边为论文第一作者邓磊

上周四,由清华大学科协星火论坛联合清华大学类脑计算研究中心,以及 HyperAI超神经,举办了「从 AlphaGo 到类脑天机芯片,人工智能走向何处」的主题论坛。邓磊作为特邀嘉宾受邀出席,以圆桌论坛的形式分享了自己的一些观点。本文将跟随论坛上的问题,回顾他在 AI 和类脑计算领域的一些洞见。

学并探索着:类脑计算中心的第一个博士


提问:您是怎么进入到类脑计算这个研究方向的?这个学科具体涉及到哪些内容?

当年读类脑计算博士的时候,类脑计算还未普及,当时还搜索了一下,并没有查到太多有效信息,之后还特意询问了导师……
 
作为类脑计算研究中心的第一个博士,我见证了类脑中心从零开始走到现在。包括后来的开公司、做研究。2017 年之后,我毕业去了美国,之后转到偏计算机的方向。现在有 50% 是做理论, 50% 是做芯片。
 
我本科是做机械的,后来发现做机械没有太多天赋,就慢慢转到做仪器,后来还去做过机器人,研究过一些材料和微电,之后开始做 AI 的一些算法、理论,最后才到芯片,慢慢进入到类脑计算。一路上不断走不断学,大概是这样一个过程。

640?wx_fmt=jpeg
邓磊于 2017 年完成博士学位答辩
当时清华类脑计算研究中心全体合影

注:清华大学类脑计算研究中心,于 2014 年 9 月创立,涉及基础理论、类脑芯片、软件、系统和应用等多个层面。此中心由清华大学校内 7 家院系所联合而成,融合了脑科学、电子、微电子、计算机、自动化、材料以及精密仪器等学科。

类脑计算的研究涉及到了多学科交叉融合。源头肯定还是医学(脑科学),现在的人工智能最初脱胎于心理学和医学,它们为模型提供了一些依据。
 
接下来的就是机器学习,以后它们肯定还是会走到一起,但现在分开来讲,是因为机器学习有更多做产品的经验,通常是从应用的角度来进行思考。
 
此外还有计算机科学,现在有 GPU 解决不了的问题,所以阿里华为都开始做自己的专用芯片,对计算架构方向的学生,也可以考虑往这个方向发展。
 
再往下就是芯片等硬件,这涉及到微电子甚至材料,因为要提供一些新的器件,现在还是用的一些很基础存储单元,但未来肯定会有一些新的器件,比如说碳纳米管、石墨烯等材料能不能应用进来。
 
另外还有自动化方向,很多做机器学习的人,通常是计算机系和自动化系的,因为自动化是做控制做优化,这和机器学习有异曲同工的地方。在类脑计算中,这些学科很好的融合在了一起。

640?wx_fmt=jpeg
 作为清华类脑计算研究中心的第一位博士
博士在读期间,他发表了 9 篇学术论文,申请了 22 项专利

提问:当时是有什么样的驱动,或者说什么样的契机,最终选择了这个方向?
 
用一句话来说,这个方向最大的魅力在于它做不完。
 
我曾经想过一个哲学悖论,研究类脑计算跟人脑分不开,但用人脑来思考人脑,并不知道会达到什么程度,对它的研究也就永无止尽。
 
因为人类对自己的思考,是永远会存在的,总是会经历高潮,然后进入平淡期,突然又出现了突破,它永远不会停止。这个角度去看是很值得研究的。

提问:您目前所在的博士后阶段,研究上有哪些不同?
 
以前在清华做芯片,更多的是从实用的角度,想的是我能做一个设备,或者一个仪器出来。

但是去美国后,更多的是从学科的角度来考虑这个事情,就像计算专业的计算架构,就像 ACM 很多图灵奖,都是从来这方面来看待问题,虽然做同样的事情,思考的角度就不一样了。

如果从计算架构的角度来看,任何一个芯片无非就是计算单元、存储单元、通信就这三个方面,不管怎么做,都是这三个事情的范畴。

天机芯和类脑计算:自行车不是重点

提问:Nature 的这篇文章,是一个里程碑的事件。在过去的几十年中,您认为的里程碑事件有哪些?在类脑计算领域,又有哪些事件推动了行业的发展?
 
类脑计算这个领域相对复杂,我从人工智能的脉络来梳理,会更明显一些。
 
人工智能不是单一的学科,基本上可以分为四个方向。第一个是算法方面,第二个是数据,第三个是算力,最后是编程工具。里程碑的事件可以从这四个方向来看。
 
就算法来讲,当然是深度神经网络,这个是毋庸置疑的;从数据的角度来说,ImagNet 是一个里程碑,之前没有大数据的加持,深度神经网络几乎被埋没。
 
在算力的角度,GPU 是一个很伟大的诞生。编程的工具,像 Google 的 TensorFlow 之类普及的应用,是推动发展的一个重要因素。
 
这些事情促进了 AI 的前进,而且它们是一个迭代发展的过程,缺了一个都不会有今天的局面。但 AI 也有自己的局限性,比如 AlphaGo ,它只能进行单任务,除了下棋别的就做不好。这跟大脑是不一样的。
 
第二个就是可解释性,我们用深度神经网去进行拟合,包括用增加强化学习,但它们内部发生了什么事情,还是不清楚的,一些人正在试图将这个过程可视化或弄清楚它的原理。
 
第三个是鲁棒性, AI 不像人一样稳定。比如自动驾驶,现在的 AI 也只是被用于辅助驾驶,是因为它还不能保证绝对的安全。
 
因为这些缺点,必须要去关注脑科学的发展,引入更多的脑科学的机制。在我看来,最迫切的就是让智能更通用化。

640?wx_fmt=jpeg
邓磊在周四的星火论坛中发言

至于里程碑的事件,AlphaGo 算得上一个。因为它把 AI 抬到公众的视野中,让所有人去关注 AI,而且强化学习也是在之后才火起来的。
 
从芯片的角度来说,有侧重算法和受生物脑启发两类芯片,在这两类芯片的发展中,分别有两个里程碑。
 
第一类是机器学习方面,现在深度神经网络都是在 GPU 上计算,但 GPU 不是最高效的,有一批公司像寒武纪,在寻找替代 GPU 的方案,这是一个重要的事件。

另一类不局限于机器学习,是从大脑的角度找模型做专用的芯片,这方面 IBM 或者英特尔做的比较好。
 
天机芯片之所以很受关注,就在于将这两类各自的优势,集成到了一个架构上去。

提问:你们团队发布了天机芯在自行车上的测试,能具体介绍一下这方面吗?
 
在网上大家都被自行车所吸引,但我们团队都知道,自行车不是我们的重点,它只是一个 Demo 的平台,因为当时我们在想,要找一个好的平台去给大家展示。

640?wx_fmt=gif
 应用了天机芯的自行车
可以完美的自行运动,躲避障碍

自行车的演示中,有视觉、听觉还有运动控制,通过一个芯片去完成这些功能,是一个比较理想的平台。当时是从这个角度去考虑的,自行车控制并不是很难,我们只是想展示一种新的模式。

类脑计算的未来:打破冯诺依曼架构


提问:未来的人工智能或者类脑计算,和现有的冯诺依曼架构有什么联系?它们是否会朝着人脑的形态演变?
 
这是一个很重要的问题,现在的半导体行业,就有一个基本的趋势,包括 18 年的图灵奖,也是颁给了做计算架构研究的研究者。
 
试图让 GPU 提高性能,有两个方向,第一是把晶体管做小,就是物理微缩,遵循摩尔定律。但这两年大家意识到摩尔定律开始失效了,相关的发展越来越慢,总有一天会无法做小了。

640?wx_fmt=png
摩尔定律正在减缓

另一个方向就是做计算架构,设法通过设计框架,让计算单元、存储单元、通信,这个三部分都发挥很高的效率。
 
人脑就很神奇,通过学习的积累,每一代人知识都在增长,我们要去借鉴这种知识的演化。
 
上个世纪,通用处理器的发展基本上遵循摩尔定律,因为以前晶体管能越做越小,计算架构的发展被一定程度埋没。现在摩尔定律受阻以及 AI 这类需要追求高处理效率的应用,使得计算架构的研究又重新受到重视,未来十年也将是专用处理器的黄金时期。
 
对于类脑研究,大家问得最多的问题是,类脑计算能干什么?
 
这是一个很致命的问题,现在很多做人工智能或做脑科学的人,都不清楚其背后的机理是什么。就拿脑科学来说,有三个层次目前还比较脱节。
 
第一个是神经细胞究竟如何工作。这个问题,很多医学家或者生物学家,都还在进行艰难的探索研究。
 
第二个是神经细胞之间是怎么连接的,大脑里面有 10 的 11 次方量级的神经细胞,它们是如何联系起来的,也比较难理清楚,需要借助光学和物理学的力量。
 
最后,还要知道它们怎么学习的,这也是最难但最重要的一个问题。

每一个方面都有一个鸿沟,但困难不能成为放弃探索的理由。如果毫不作为,就一点机会都没有。在每个层面上做一些事情,最后总是会诞生一些新的东西,而后不断地进行迭代。

640?wx_fmt=jpeg
圆桌论坛现场,左二为邓磊博士

如果要等到脑科学搞清楚了再去进行,那就晚了,别人肯定就超前了。
 
比如做 CPU 这件事情,就不像大家想的那么简单,不是说中国人不聪明,发动机也是一样,原理大家都懂,但是要想做好却不容易,工程难度和技术积累非一日之功。
 
其中一个原因在于,许多东西都有很大的产业链,如果最开始没有去做,就失去了很多试错的机会。
 
这个领域不会实现快速的突破,只能去脚踏实地进行。至于以后,现在的人工智能、强人工智能,人工智能 2.0 和类脑计算,我觉得它们最后都会殊途同归,因为他们都源于大脑,只是导向不同而已。

提问:前段时间在 Nature 上还有另外一篇文章,研究人员画出了线虫全部神经元的完整图谱,以及全部神经元之间所有的 7000 个连接。

提问:这个工作和类脑研究有没有联系?能不能用现有技术,或者冯诺依曼的 CPU 去模拟线虫这个工作,另外接下来 3 到 5 年,我们可以期待什么样的事情发生?

640?wx_fmt=jpeg

科学家绘制的线虫脑部神经元链接

我看过那个线虫结构的研究,它对类脑研究有很大的影响。其实现在的 AI 模型,不管是类脑计算,还是人工智能,它的连接结构大多还是脱胎于现在的层级深度神经网络,实际上是十分粗浅的。

我们大脑不是一个简单的层状网络,大脑更像一个图。而且各个脑区之间的联系,是很复杂的。这个研究的意义,在于让我们思考是否能借鉴这种连接方式。

之前有一个观点,是说在神经网络的结构中,连接结构的作用实际上大于每一个连接的具体权值,也就是连接的意义是大于每一个参数的意义。

卷积神经网络为什么能够比以前的神经网络要厉害一些,就在于它的连接结构不同,所以它提取特征的能力就会强一些,这也说明连接结构会导致结果的变化。

能不能在传统的处理器上去做到这个成果,其实是有点困难的。冯诺依曼架构里面最典型的是,需要一个很明确的存储单元,一个很明确的计算单元。

640?wx_fmt=png

传统的冯诺依曼架构示意图

但我们大脑里面没有那么明确的界限,虽然我们有海马体专门负责长期记忆,但从神经元网络层面来讲你并不清楚大脑哪一团细胞一定就是存储,哪些只是计算。大脑更像是一个混沌的网络,计算和存储难以区分,所以从这个角度上来讲的话,很难用以前传统的那些芯片或者处理器的技术来做。

所以我们必须要开发一些新的非冯诺依曼的方法,用新的架构方式支持,去做类脑方式的研究。

比如 2018 的图灵奖,就宣告专用领域的芯片会越来越火。英伟达现在推广的,就是异构架构,在一个平台里面有各种各样的小的芯片 IP 核,可能这个就类似人的脑区一样。

所以,现在不再像从前用一个 CPU 解决所有的事情,也没有一个芯片能够高效解决所有的事情。未来会逐渐走向各种高效专用的发展技术,这是目前的一个趋势。

640?wx_fmt=jpeg
邓磊认为
未来类脑计算和 AI 研究最终会殊途同归

现在大家对脑科学或者类脑计算的理解,没有人工智能那么透彻,有一个很重要的原因,是投资者以及产业界,还没有过多的介入。
 
因此,不管是数据算力还是工具,都难以做起来。类脑计算就处于一个这样的初级阶段,相信以后当越来越多的大学和公司投入进来,就会明朗很多。

提问:类脑芯片的架构,和传统的冯诺依曼架构有哪些方面的不同?

将类脑芯片进行拆分,可以分为类脑和计算。在类脑的角度上,它不是仅有 AI 里面的深度神经网络,还结合了一些脑科学的计算。
 
从架构方面,冯诺依曼体系中有一个瓶颈,整个半导体行业的架构其实都在面临这个难题:存储的容量越来越大,它速度就越来越慢,
 
如果想扩大规模又想高速,就不可能实现。基本上做设计架构的人,多是在研究优化存储层级,怎么样让它变快。

天机和其他架构不一样,没有用到那些需要扩展的存储器。天机芯片更像一个大脑,相当于细胞连成了很多小回路,小回路又扩展成了很多网络,最后构成功能区和系统,它是一个容易扩展的结构,而不是像 GPU 那样。

640?wx_fmt=jpeg

天机芯片单片和 5×5 阵列扩展板


天机芯的众核去中心化架构决定了,它能比较容易地扩展成大的系统,没有存储墙的约束,实际上是存算融合的非冯诺依曼架构。这是在架构层面和现有处理器最大的一个区别,前面是模型层面的区别,基本上就这两大类的区别。

—— 完 ——

640?wx_fmt=jpeg

扫描二维码,加入讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」了解详情

更多精彩内容(点击图片阅读)
640?wx_fmt=gif
机器学习系列(8)_读《Nature》论文,看AlphaGo养成 博主是围棋小白,下棋规则都记不清楚,也没有设计过棋类AI程序。这篇文章主要是阅读《Nature》论文及关于AlphaGo的相关文章的学习心得。 本文的主要目的是增进分享,交流学习,方便初学者了解AlphaGo中的算法,以及一些机器学习中的常见思路。真正的工程实现过程远比本文介绍得复杂。 本文更多是启发式地进行阐述与分析,包括一些作者结合自己的理解进行的简化处理。 阅读详情

相关推荐

AI人工智能天机芯芯片

AI人工智能天机芯芯片 描述 2019年刊出的《自然》封面文章,展示了清华大学类脑计算研究中心团队研发的新型人工智能芯片“天机芯(Tianjic)”。这是世界首款异构融合类脑芯片,实现了中国在芯片和人工智能两大领域《自然》论文的零突破。 中国造的“天机芯”作为世界首款异构融合类脑芯片,究竟有何突破? 芯片是人工智能系统的“大脑”。现有人工智能技术(AI)存在两种主流“大脑”:一种是支持人工神经网络的深度学习加速器,基于研究“电脑”的计算机科学,让计算机运行机器学习算法;另一种是支持脉冲神经网络的神经形态芯片

吴建明wujianming_110117 1175

【翻译】天机芯Nature_Towards artificial general intelligence with hybrid Tianjic chip architecture

JingPei1,2,13,LeiDeng1,13,SenSong3,4,13Jing Pei^{1,2,13}, Lei Deng^{1,13}, Sen Song^{3,4,13}JingPei1,2,13,LeiDeng1,13,SenSong3,4,13, MingguoZhao5,13,YouhuiZhang6,13,ShuangWu1,2,13Mingguo Zhao^{5,13}, Youhui Zhang^{6,13}, Shuang Wu^{1,2,13}MingguoZhao5,13,Y

小刘鸭的私房菜 2234

nature science等期刊文章的免费下载方法

nature 等期刊文章免费下载的方法 简单实用

率清华团队研发“天机芯”登《Nature》封面,他说类脑计算是发展人工通用智能的基石...

整理 | AI科技大本营(ID:rgznai100)8 月,清华大学教授、类脑计算研究中心主任施路平率队研发的关于“天机芯”的论文登上《Nature》封面,这实现了中国在芯片和人工智能两大领域登上该杂志论文零的突破,引发国内外业界一片轰动。“天机芯”是一款新型人工智能芯片,采用28纳米工艺制成,整个芯片尺寸为3.8 X 3.8mm2,由156个计算单元(Fcore)组成,包含约40000个神经元...

AI科技大本营 2054

【塑料加工工程】气体辅助注塑成型工艺技术:厚壁件中空减重与缩痕控制的系统性解决方案

内容概要:本文系统阐述了气体辅助注塑成型(GAIM)在厚壁塑料制品中实现中空减重与缩痕控制的核心技术原理与工程应用方案。针对传统注塑中因保压压力衰减、浇口冻结导致的缩痕、缩孔、内应力、超重及高锁模力等耦合缺陷,GAIM通过“短射+注气”方式,在熔体芯部形成连续中空气道,利用高压氮气实现内部等压补缩,从根本上重构了压力传递路径。文章深入剖析了短射率、延迟时间、分段气压、氮气纯度等关键参数的作用机制,提出了涵盖模具设计(气针布局、气道拓扑、溢料井)、CAE仿真前置、质量评价体系(CT检测、壁厚均匀性、缩痕等级)及量产管控(SPC、缺陷诊断矩阵)的全流程解决方案。; 适合人群:从事注塑工艺开发、模具设计、高分子材料成型及相关制造领域的工程师与技术人员,尤其适用于具备一定注塑基础、致力于解决厚壁件成型难题的研发人员。; 使用场景及目标:①解决厚壁注塑件的缩痕、缩孔与残余应力问题;②实现产品轻量化设计并降低锁模力与生产周期;③指导GAIM工艺调试、模具开发与缺陷排查,提升量产稳定性与经济效益;④为新材料、新结构的工艺可行性评估提供理论依据。; 阅读建议:此资源强调理论与实践结合,建议读者在掌握聚合物流变学与传热学基础知识的前提下,结合实际案例对照参数窗口与缺陷诊断矩阵进行学习,并重视CAE仿真与首件CT检测在工艺开发中的前置作用,避免仅凭经验调机。

从单应矩阵到实际距离:Apriltag测距完整实现指南

本文提供了基于Apriltag实现高精度视觉测距与姿态估计的完整指南。详细阐述了从相机标定、单应矩阵分解到欧拉角与距离计算的完整流程,并深入探讨了四个解的歧义选择、工程实践中的滤波优化与多Tag融合等关键问题,旨在帮助开发者在机器人、AR等应用中实现稳定可靠的距离检测与姿态估计。

n7o8p的博客 560

《计算机体系结构与SoC设计》(一)

1. 天机芯片 "天机"芯片,全称为"天机芯"(Tianjic),是由清华大学施路平团队研发的一款类脑计算芯片。这款芯片在2019年登上了世界顶级学术杂志《自然》(Nature)的封面,引起了广泛关注。"天机芯"芯片是世界首款异构融合类脑芯片,它结合了类脑计算和基于计算机科学的人工智能,具有功能全面、灵活性和扩展性更好的特点。与IBM公司的TrueNorth芯片相比,"天机芯"在密度上提升了20...

weixin_41156187的博客 277

Unity动画状态机实战:Trigger和Bool参数到底怎么选?附5个常见场景解析

本文深入解析Unity动画状态机中Trigger和Bool参数的核心差异与应用场景。通过对比两者在描述瞬时事件与持续状态上的本质区别,并结合角色移动、攻击连招、跳跃落地、受击死亡及环境交互等5个实战场景,提供了清晰的选择逻辑与避坑指南,帮助开发者构建更健壮、易维护的动画逻辑。

weixin_29009501的博客 123

Nature论文也翻车?厦门大学林圣彩院士团队2篇Nature论文被质疑图片重复使用!

12月Pycreus lanceolatus在Pubpeer上指出:扩展数据图3和图7:存在重复的图像。根据我的理解,这些图像的图例显示它们应该展示不同的处理条件。我已在下方附上图示以说明我的意思。2024年12月,Pycreus lanceolatus在Pubpeer上发文质疑,该论文有1对图片重复使用。受到质疑,引发学术界的广泛关注。,以纠正该特定图像面板的放置错误。

zkyf2022的博客 765

Win11 C盘瘦身终极指南:哪些能删/能移/不能碰?附详细目录清单

本文提供了一份详细的Win11 C盘瘦身终极指南,清晰区分了可安全删除、适合迁移以及绝对不能触碰的系统目录。文章不仅列出了具体的文件夹清单与操作建议,还介绍了使用符号链接和Robocopy进行安全迁移的高阶方法,并附带了自动化脚本,帮助用户从根本上解决C盘空间不足的问题,同时确保系统稳定。

weixin_29246195的博客 1553

RM3100应用笔记驱动程序SPI接口

PNI磁传感器套件RM3100磁传感器套件由2个Sen-XY-f(pn13104)地磁传感器,1个Sen-Z-f(pn13101)地磁传感器和MagI2C(pn13156)控制芯片组成,能够实现三维空间的磁场大小测量。

AIoT技术栈的博客 4925

清华「天眸芯」登Nature封面:全球首款类脑互补视觉芯片

来源:机器之心编辑:泽南、小舟我国在类脑计算、类脑感知两个重要方向均已取得基础性突破。在开放世界中,智能系统不仅要处理庞大的数据量,还需要应对各种「长尾问题」,如自动驾驶中面临的突发危险、出入隧道的剧烈光线变化、夜间强闪光干扰等。在这类任务上,传统视觉感知芯片由于受到「功耗墙」和「带宽墙」的限制,往往面临失真、失效或高延迟的问题,严重影响系统的稳定性和安全性。为了克服这些挑战,清华大学精密仪器系类...

人工智能学家 374

【华为OD技术面试真题 - 技术面】- 测试面试题(1)

专栏:华为OD面试真题精选 目录: 2024华为OD面试手撕代码真题目录以及八股文真题目录黑盒测试:白盒测试:基本功能验证:边界条件测试:空白输入测试:特殊字符和格式测试:响应时间测试:压力测试:针对在不同系统和设备上测试聊天窗口功能,以及网络正常的前置条件,我们可以增加以下测试用例:系统和设备:PC端测试:移动端测试:功能验证:前置条件:网络性能影响测试:Postman:SoapUI:JMeter:Rest-Assured:Tricentis Tosca:ReadyAPI:CI/CD工具集成:测试管理工

算法大师! 3691

论文勘误 (Paper erratum)

occvis 论文中公式 1 应为 此外,Fig. 10 应为 2016 年 1 月,3 月,7 月和 3 月的图像。 Formula 1 in occvis paper should be In addition, Fig. 10 should be the images of January, March, July and March of 2016.

orangecsy的博客 2521

模型预测控制(MPC)解析(六):有约束的MPC简介

本文为阅读笔记,仅供学习交流使用!!! 先从一个例子开始,说明当原始设计的控制信号满足操作约束时,控制系统的性能会显著恶化。并且只要稍加修改,如果在控制器的实现中加入约束,则性能恶化的程度可以降低,从而产生约束控制的思想。 在学习有约束控制之前,先看一个控制系统在控制信号饱和和不饱和的情况下运行的例子。 例:无阻尼振荡器的数学模型如下: 采样周期为Δt=0.1\Delta{t}=0.1Δt=0.1,对应的离散时间状态空间模型为: 设计目标是:设计一个预测控制系统,使得系统输出跟踪单位阶跃响应越快越好。预

行者无疆的博客 6655

2026必学:LangChain+Playwright爬虫,赋能RAG智能问答系统

RAG(检索增强生成)智能问答系统的效果,80%取决于数据源的质量。2026年,LangChain与Playwright的组合成为企业级RAG数据采集的黄金搭档:LangChain提供标准化的RAG数据处理链路,Playwright解决动态网页渲染的核心痛点,两者结合能高效采集、结构化处理各类网页数据(动态渲染页、复杂交互页、反爬页),为RAG系统提供高质量语料。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 1706

nature,science上关于计算机视觉的一些原创文献(转自本人的科学网博客)

详细情况请登陆我的科学网博客:http://www.sciencenet.cn/blog/王中任.htm1、D. Marr; T. Poggio.Cooperative Computation of Stereo Disparity.Science, New Series, Vol. 194, No. 4262. (Oct. 15, 1976), pp. 283-287. 这一篇是marr计算

visionstory的专栏 1668

AI Agent驱动的多模态情感分析方法:从BERT到Vision Transformer的探索

情感分析(Sentiment Analysis)是自然语言处理(NLP)与计算机视觉(CV)中一项重要任务。传统的情感分析主要依赖于文本数据,但在现实应用中,情感往往通过 语言、语音、表情、姿态 等多模态信号共同传达。因此,结合 多模态深度学习 的 AI Agent 在情感理解中具有广阔的前景。

一键难忘的博客 740

和 Nature 封面论文一作,聊了聊天机芯的科研故事

By 超神经场景描述:10 月 17 日,由清华大学科协星火论坛联合清华大学类脑计算研究中心以及 HyperAI超神经,举办的「从 AlphaGo 到类脑天机芯片,人工智...

HyperAI超神经 1077

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

#今日论文推荐#Nature:类脑计算亟需宏大蓝图

#今日论文推荐#Nature:类脑计算亟需宏大蓝图 类脑计算(Brain-inspired Computing,或译作“脑启发计算”)向我们描绘了一幅美好的愿景:按照根本不同的方式以极高的能源利用效率处理信息,并且能够处理人类正在增速产生的越来越多的非结构化与噪声数据。要想实现这样的愿景,我们亟需一张宏图,在资金、研究重点等方面提供支持,将不同的研究团体协调地聚集在一起。昨天,我们在数字技术上如此走过;今天,在量子技术上一如既往;那么明天,在类脑计算上所做的是否也应如此? 背景 现代计算系统能耗过高,不

w1hsxn的博客 286

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

活动推荐 |《Nature》封面文章的一作,带你探索 AI 走向何处

By 超神经场景描述:10 月 17 日,由清华大学最具影响力的学生论坛组织之一星火论坛,联合类脑计算研究中心、HyperAI 超神经共同举办的「从 AlphaGo 到类...

HyperAI超神经 1006

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Nature:Deep Learning 深度学习综述

翻译:https://artificial-intelligence.net.cn/2019/06/05/1559711811/?from=singlemessage&isappinstalled=0 作者:Yann LeCun, Yoshua Bengio ,Geoffrey Hinton 发表及时间:Nature,2015 概念:深度学习允许由多个处理层的计算模型来学习具有多个...

因为懂得的博客 1万+

计算机领域的nature,Nature:什么是量子互联网?

一个物理学家团队预测,未来的“量子互联网”可能在技术成熟很久之前就会被使用。本文由机器之心经授权转载自量子客Qtumist,未经授权禁止二次转载。利用量子物理学的独特效应的这种网络将与我们今天使用的经典互联网有本质的不同。全世界的研究小组已经在其早期发展阶段开展了工作。 第一阶段确保在通信中几乎牢不可破的隐私和安全; 一个更成熟的网络可能包括一系列科学应用,而这些应用是传统系统无法实现的,包括可以...

weixin_35127842的博客 1222

《面向通用人工智能的混合天机芯片架构》论文简单小结

论文背景: 目前发展人工智能(AGI)通常由两种方法:神经科学导向和计算机科学导向。神经科学导向试图密切模拟大脑皮层,其常用的模型是脉冲神经网络(SNN)。计算机科学导向的方法主要涉及在计算机上执行显式算法,其常用的模型是非脉冲人工神经网络(ANN)。 为了进一步提高实现AGI的智能,一个趋势是将更多生物启发模型或算法纳入主流的人工神经网络中。 论文工作: 论文主要展示了一辆由新型...

Amigo_1997的博客 1216

海康威视机芯使用简介

海康威视机芯使用简介 因为项目需求去摸索了一下海康机芯,结合网上的一些资料,了解了海康机芯的使用方法,特地记录下其中的部分问题,避免采坑,不足之处,希望大家指正。 目录 海康威视机芯使用简介 目录 码流问题 密码问题 常用软件 参考资料 码流问题 现在常见的ip摄像机都是支持rtsp等媒体流的,海康自然也不例外,我所使用的机芯传输使用网口,所以非常方便,直接可...

Dbox_boom的博客 5406

硕士投稿ECCV2018 论文介绍-Response Map Quality-Aware 高效解决遮挡和目标变形的目标跟踪算法。

              “Response Map Quality-Aware Correlation Filter Tracking”(submitted to ECCV workshop 2018) 完成。论文基于 QMF 和 Log-polar 高效解决目标跟踪算法中的遮挡和尺度变化问题,详见其原始 论文:https://arxiv.org/abs/1807.04880。 该论文在 AA...

u011584612的博客 1490
上一篇: 机器翻译都 60 年了,谷歌为什么还译不对「卡顿」 (上)
下一篇: 机器翻译都 60 年了,谷歌为什么还译不对「卡顿」 (下)
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值