VR 普及化曙光!AI 把 2D 畫面變 3D 全景,DeepMind 再登《科學》期刊

繼 DeepStack 之後,Google 旗下 DeepMind 又再度登上《科學》期刊,這次的論文是用 GQN (Generative Query Network) 神經網路,把 2D 畫面重建成 3D 場景,而且可以利用「想像力」從各個視角呈現該場景。更進一步來說,若將這項技術成功普及並應用於 VR 內容製作,可望一舉解決 VR 360 度環境大量建模所耗費的成本。

為何人類能接收比 AI 更少的訊息就學會工作?DeepMind 發表人類的元學習理論

人工智慧需要數千小時的遊戲時間才能達到並超越人類玩家的水平,我們則可以在幾分鐘內掌握以前從未玩過的遊戲的基礎操作。 DeepMind 對這個問題進行了研究,並撰寫了一篇網誌介紹了論文的主要內容。

連 Google DeepMind 都學會了走迷宮,路癡們怎麼辦?

Google 旗下的人工智慧團隊 DeepMind 發布論文宣布了一項突破性的進展:他們所研發的一個人工智慧程式,擁有跟哺乳動物大腦中網格細胞工作原理類似的能力,能夠做到認路走捷徑。這項研究成果不僅展現了人工智慧目前在空間和方位認知上的水平,還為神經科學提供了新的研究思路,讓人們可以更好地理解人類大腦的工作原理。

DeepMind 爆發性突破!讓 AI 擁有大腦中定位機制自動選擇捷徑路線

DeepMind 近日登上《自然》上的論文,最新研發出的 AI 具有類動物行為的尋路能力,類似大腦中網格細胞的運作!

AlphaGo 使用的強化學習是人工智慧新星?讓專家告訴你為什麼這不是通用解方

深度強化學習可以說是人工智慧領域現在最熱門的方向,它之所以聲名大振,與 DeepMind 團隊用它在 AlphaGo 和 AlphaZero 上大獲成功脫不了關係。但本文作者 Alex Irpan 想要告訴大家,深度強化學習是個大坑,別著急入坑!它的成功案例其實不算很多,但每個都太有名了,導致不了解的人對它產生了很大的錯覺,高估能力而低估了難度。

不用標記就可辨識圖像! DeepMind 最新研究用強化對抗學習合成繪圖程式

它們是自己學會做這件事,而不是靠人工標記的數據集。