在数字化建设不断推进的今天，随着技术的不断发展，从统计学、机器学习、深度学习，再到因果学习以及最新的热门大模型方向，九章云极 DataCanvas 始终紧贴最前沿的、最能助力企业和落地实践的方向，不断进行着面向决策和面向智能的探索。本文将分享大模型时代下的因果推断。
化学反应是药物设计和有机化学研究的基础。研究界越来越需要一种能够有效捕获化学反应基本规则的大规模深度学习框架。
AI社区大佬Sebastian总结了2023年全年AI行业的热点和问题，针对开源社区和AI研究的热点问题给出了自己读到的解读和发展建议，精彩内容千万不能错过。
今天，备受广大开发者欢迎的深度学习框架Keras，正式更新了3.0版本，实现了对PyTorch和JAX的支持，同时性能提升，还能轻松实现大规模分布式训练。
Transformer 架构可以说是近期深度学习领域许多成功案例背后的主力军。构建深度 Transformer 架构的一种简单方法是将多个相同的 Transformer 「块」（block）依次堆叠起来，但每个「块」都比较复杂，由许多不同的组件组成，需要以特定的排列组合才能实现良好的性能。
微软和Google在AI技术领域的竞争和王权更迭。微软宣布将OpenAI的最新技术集成到Bing搜索引擎和Edge浏览器中，以应对Google在搜索领域的垄断地位。同时，Google也推出类似ChatGPT的产品Bard，但发布会遭遇失误导致股价暴跌。文章还回顾了微软与Google在人工智能领域的历史角力，从微软错失深度学习机会到Google在深度学习领域的失误。
粤港澳大湾区数字经济研究院（IDEA）执行院长、AI金融与深度学习首席科学家郭健博士在论坛上，解析了以下一代AI技术驱动的量化投资新范式Quant4.0，提出了当下量化投资面临的技术问题，并通过对IDEA研究院在这一新型交叉领域研发的成果介绍，展望了行业发展的新机遇和新挑战。
在深度学习时代，尤其是随着大型语言模型（LLMs）的出现，大多数研究人员的注意力都集中在追求新的最先进（SOTA）结果上，使得模型规模和计算复杂性不断增加。
在ChatGPT火爆出圈后，越来越多的人对人工智能、深度学习、神经网络等名词更加好奇，身边的朋友最近也频繁的问我，AI究竟为什么如此强大？今天我就用大家都看得懂的小学数学知识，来带大家感受人工智能的魅力，带大家认识神经网络。
获取原版PDF，请添加官方微信 openai178 免费领取。2023年中国人工智能学会发布了《中国人工智能系列白皮书—深度学习》，白皮书包含了从人工智能历史到深度学习的技术解析，以及AI在各领域的落地应用。报告原文PDF多达461页，24万字。
