某中心与UCLA宣布2023年度科学中心奖项
“人类与人工智能科学中心”已公布了三项由赠款资助的奖项和一个赞助项目，旨在表彰研究人工智能社会影响力的研究人员。
该中心于2021年10月启动，支持探索人工智能如何帮助解决人类最紧迫挑战的项目，同时解决偏见、公平性、问责制和负责任的人工智能等关键问题。该中心致力于促进其科学家与包括计算机科学、电气和计算机工程、机械和航空航天工程在内的跨学科学术研究人员之间的合作。
由某中心资助并设在加州大学洛杉矶分校萨缪利工程学院的该科学中心，支持一系列研究项目和博士奖学金。2022年5月，该机构与加州大学洛杉矶分校宣布了该中心首批奖项的获得者，研究主题涵盖了计算神经科学、儿童自动语音识别、人机协作以及保护隐私的机器学习等领域。
获得支持的项目负责人及其各自的研究项目如下：
Kai-Wei Chang，副教授兼机构学者，以及Nanyun (Violet) Peng，助理教授，计算机科学系，机构访问学者：
“情境化文档理解：通过相关信息学习理解文档”
“收据、税单和简历等文档对于企业与个人之间的沟通至关重要，”Chang和Peng写道。“然而，对于办事员来说，处理这些文档既繁琐、耗时又容易出错。因此，使用人工智能系统自动从扫描文档中提取信息是一个有价值的解决方案。然而，文档版面的多变性给人工智能理解文档带来了挑战。
“在本项目中，我们探索利用上下文信息来提高人工智能处理、解释和从文档中提取信息的能力，”他们继续写道。“我们提出了一种基于去噪序列到序列预训练的新型多模态基础模型，并研究如何利用文档类型、用途和填写说明等上下文信息来理解文档。”
Cho-Jui Hsieh，副教授，计算机科学系：
“使大语言模型变得小巧高效”
“大语言模型在一系列多样化任务中展示了卓越的能力。然而，这些模型带来了高昂的计算和内存成本，”Hsieh写道。“开源的T5模型包含7.7亿个参数，而像GPT和PALM这样的最先进模型通常有数千亿个参数。巨大的模型规模也导致推理过程中相当大的计算开销，这使得在实时应用中部署语言模型具有挑战性，更不用说在容量有限的边缘设备上了。本提案旨在开发一系列压缩算法，使大语言模型变得小巧高效。
“我们将引入一系列新的数据感知压缩算法，这些算法同时考虑到语言的结构和语义，”他继续写道。“例如，文本中单词的重要性差异很大，这为过滤掉模型中不重要的标记提供了机会。此外，文本通常具有很强的低秩或聚类结构，这为增强现有压缩方法提供了机会。基于这一新颖概念，我们将通过利用语言结构来改进现有的压缩方法，并开发一种加速推理的新方案。”
Chenfanfu Jiang，副教授，数学系：
“用于真实到仿真及可制造的3D服装重建的可微分物理增强神经辐射场”
“核心挑战是以数字方式重建服装，不仅要准确建模其3D形状，还要预测其运动方式以及如何制造，”Jiang写道。“传统方法捕捉形状，但忽略了织物的材料特性和缝纫图案，而这些对于真实的模拟和生产至关重要。解决这一空白具有广泛的意义——从时尚行业中更快、减少浪费的设计流程，到增强元宇宙等虚拟世界的真实感。
“我们正在将物理感知的机器学习模型与现有的3D几何技术相结合，”他继续写道。“目标是从服装的图像或视频中同时恢复2D缝纫图案和材料参数。这使得准确的虚拟模拟和现实世界的制造都成为可能。”
Jens Palsberg，教授，计算机科学系：
“学习从静态程序分析中修剪误报”
“静态程序分析可以检测安全漏洞并支持程序验证，”Palsberg写道。“如果我们能修剪这些工具有时产生的误报，它们将对开发人员更加有用。
“我们的社会比以往任何时候都生产更多用于更多任务的代码，但这些代码质量参差不齐。幸运的是，我们拥有能够发现许多问题的工具，如果我们能让这些工具更有用，我们将走上修复更多问题的道路，”他继续写道。“我们的想法是使用机器学习来修剪误报。我们的目标是将误报率降至不高于15-20%。”
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）
公众号二维码
公众号二维码
