“语言维基:人工智能技术研发公告”的版本间的差异
来自语言维基
第77行: | 第77行: | ||
|10/3/2021 | |10/3/2021 | ||
|基础研究不授权,应用可授权 | |基础研究不授权,应用可授权 | ||
+ | |- | ||
+ | |CuteNLU | ||
+ | | | ||
+ | |是 | ||
+ | |开发中 | ||
+ | |SOTA | ||
+ | |超越 SOTA | ||
+ | | | ||
+ | |可商业非商业授权 | ||
|- | |- | ||
|TrueSemantics | |TrueSemantics |
2021年11月11日 (四) 17:55的版本
本站研发团队在人工智能、深度学习、自然语言处理等领域,进行广泛的前沿创新研究。部分研究处于世界领先水平,您可以在此了解部分项目的研发进展。您也可以与我们联系,咨询部分技术详细资料、合作和授权。
- 语言处理方面的基础算法研发
- RNN和LSTM的升级和优化。我们掌握的深度学习模型与技术,优于现有biLSTM、注意力机制LSTM、Transformer等。语音识别、机器翻译应用潜能,优于百度、谷歌、讯飞的现有系统。
- 研发下一代可解释AI核心技术
- 世界首创顶尖语义学习算法研究
- 优于目前计算语言学领域的语法分析、语义嵌入(word embedding)、GPT-3等前沿方法。研发出下一代的语义学习算法,可以更高效、稳定的处理自然语言语义。可以赋能机器人对话、自动翻译、自动问题回答、商业咨询等领域。
- 包含丰富的模糊语义逻辑能力,可进行自然语言和世界知识级别的逻辑推理
- NLP技术开发和应用
- 小语种语音、文字识别。运用最前沿技术,填补小语种处理的空白。正在研发满文文字识别(OCR)、满语和维吾尔语机器翻译、语音合成与识别等。
- 汉字识别新算法
- 正在研发优于CNN的汉字识别算法,取代第一代深度学习技术。
技术估值
- 目前处于初创阶段。预期5年内估值目标价:1亿-100亿美金(对标百度、谷歌)。跨代技术可以取代现有语言处理类技术领航者,搜索引擎、对话系统等。
2021年语言维基人工智能/机器学习基础算法
技术项目 | 基础研究 | 应用研究 | 研究阶段 | 性能 | 性能预期 | 公布日期 | 对外授权 |
---|---|---|---|---|---|---|---|
TrueNorm | 是 | 概念验证通过 | 专家组通过 | 归一化(normalization)算法,取代并超越 LayerNorm 和 BatchNorm | 3/1/2021 | 基础研究不授权,应用可授权 | |
TrueNB | 是 | 概念验证通过 | 专家组通过 | 大幅提升各种计算机视觉、自然语言任务表现 | 5/1/2021 | 基础研究不授权,应用可授权 | |
TrueNTM | 是 | 概念验证通过 | 专家组通过 | 自研技术对标谷歌 Neural Turing Machine | 6/1/2021 | 基础研究不授权,应用可授权 | |
TrueRNN: G2P | 是 | 优化完成 | 高难度数据超过Transformer | 超越 SOTA, Transformer | 9/14/2021 | 基础研究不授权,应用可授权 | |
TrueRNN: OCR | 是 | 概念验证通过 | 基准数据表现优异 | 超越 SOTA | 9/25/2021 | 基础研究不授权,应用可授权 | |
TrueRNN: ASR | 是 | 概念验证通过 | SOTA | 超越 SOTA | 10/3/2021 | 基础研究不授权,应用可授权 | |
CuteNLU | 是 | 开发中 | SOTA | 超越 SOTA | 可商业非商业授权 | ||
TrueSemantics | 是 | 理论研究完成 | 语义相关任务(机器翻译、意图理解、问题回答)超越 LSA, BERT, GPT-3,实现通用人工智能的语义基础 | ||||
NeoConvNet | 是 | 正在进行 | 远超 SOTA | ||||
多模态计算机 | 是 | 正在进行 | 构建通用人工智能架构基础 | ||||
神经计算机ASIC设计 | 是 | 正在进行 | 保护人工智能算法产权、加速边缘计算、减少神经计算机能耗 |
TrueRNN: 以 RNN, LSTM, GRU 为基础的新一代序列学习、预测、转换模型,在语音识别、语音合成、语言文本处理(陌生词发音、机器翻译、语言理解)等领域,通过对于特定领域数学模型的研发和创新,进一步提升当前 SOTA 性能。
NeoConvNet: 修正 ConvNet 自1980年 Fukushima 的原型以及 LeCun 的CNN一直存在的瓶颈,成为下一代深度学习视觉的主干。
多模态计算机:具有符号运算模态和神经运算模态的计算机,同时处理多个信息输入模态(视觉、语音、语义)等,同时具有传统计算机优势和神经计算机的学习能力。