在深度学习的多个应用场景中，联合优化多个损失项是一个普遍的问题。典型的例子包括物理信息神经网络（Physics-Informed Neural Networks, PINNs）、多任务学习（Multi-Task Learning, MTL）和连续学习（Continual Learning, CL）。然而，不同损失项的梯度方向往往相互冲突，导致优化过程陷入局部最优甚至训练失败。
随着大模型时代的到来，搜推广模型是否具备新的进化空间？能否像深度学习时期那样迸发出旺盛的迭代生命力？带着这样的期待，阿里妈妈搜索广告在过去两年的持续探索中，逐步厘清了一些关键问题，成功落地了多个优化方向。
最近， Meta首席AI科学家杨立昆接受海外播客This Is IT 的专访，探讨了深度学习的发展历程、机器学习的三种范式、莫拉维克悖论与AI发展的限制、训练AI模型的资源、AI基础设施投资等话题。
哈尔滨工业大学团队提出HEROS-GAN技术，通过生成式深度学习将低成本加速度计信号转化为高精度信号，突破其精度与量程瓶颈。该技术利用最优传输监督和拉普拉斯能量调制，使0.5美元的传感器达到200美元高端设备的性能，为工业、医疗等领域应用带来变革。
利用闲置算力满足 AI 初创企业的需求。由于对运行 AI 模型的需求激增，对算力的需求也随之激增。世界各地的公司都在努力寻求运行更高级 AI 模型所需的 GPU。虽然 GPU 并非运行 AI 模型的唯一选择，但它们已成为首选的硬件，因为它们能够有效地同时处理多项操作，而这是开发深度学习模型时的一个关键特性。
脑机接口技术炙手可热，马斯克的Neuralink更是吸引了全球目光。然而其侵入式方案的风险不容忽视。Meta AI则另辟蹊径，近日推出了非侵入式的Brain2Qwerty深度学习模型，它能通过分析脑电图或脑磁图「读」出人们在键盘上输入的文字。
1月23日，在第55届世界经济论坛(冬季达沃斯)上,“深度学习”三巨头之一、图灵奖得主、Meta AI首席科学家杨立昆（Yann LeCun），如此对腾讯新闻《一线》透露Meta2025年在AI领域的投资规模。
Keras之父官宣创业了！全新成立的实验室Ndea，押注了一条通往AGI的新路线——深度学习+程序合成。值得一提的是，这条新路，曾是Keras之父在谷歌搞的业余项目。
随着AI时代的到来，算法、大模型、深度学习等技术飞速发展，使得人形机器人成为了面向未来的黄金赛道。
AI末日将近？ 深度学习三巨头之一、被称为AI教父的Hinton教授在最新演讲中指出，技术的发展速度远远超出了他的预期，如果再不加以监管人类将会在10年内灭绝
