Yoshua Bengio wants to develop new architectures that can discover and reason with high-level concepts, rather than just brute force the learning process by scaling up existing models' data and compute.
RESEARCH
-
AI Leaders Share Hopes and Key Priorities for 2023
By
–
1/Several leaders share their hopes for AI in 2023, including finding key missing pieces that will enable algorithms to reason, building a personal data timeline, improving AI processes, discovering new principles for explainability, and using generative AI for active learning.
-
Interview on Rule of the Robots and AI Future
By
–
This post by @JimPethokoukis includes a brief interview with me about my book #RuleoftheRobots and the future of #AI. https://
fasterplease.substack.com/p/86daee5e-4bd
f-41a8-a1c2-e814a9a5a5ca
… -
How AI learns animal-environment correlations in image generation
By
–
Fijaos un detalle muy curioso que enseña la forma de operar de la IA, cómo al pedir convertir al gato en conejo, toooodo el entorno de alrededor se convierte en indoor (fondo, puerta, suelo, etc) Esto es porque la IA ha aprendido cuál es la correlación animal-entorno habitual 🙂
-
Muse AI Model: Examples and Research Paper Available
By
–
Tenéis más ejemplos y el paper sobre Muse en la web del proyecto. (WEB) https://
muse-model.github.io Gracias por leerme y seguidme para aprender más sobre Inteligencia Artificial. Si te ha gustado la info comparte el hilo completo haciendo RT -
Muse faster than Stable Diffusion but Stability pushes boundaries
By
–
¿Muse es x3 más rápido que Stable Diffusion? Ok… Pero es que Stability, impulsado por la comunidad open source, ya trabaja en una versión x30 veces más rápida! Para 2023 sólo pido a una Google más abierta. TÚ ANTES MOLABAS…
-
Release AI Lab Tools to Community for Real Evaluation
By
–
LIBERAD ALGO!!! Tenéis herramientas espectaculares: Imagen, Parti, Imagic, DreamBooth, Dreamfusion… Y no las sacáis dejando que caduquen en vuestros laboratorios sin poder tener una evaluación real por el resto de la comunidad. Un paper está bien. Pero con una demo es mejor
-
Google’s New AI Model: Evaluating Quality and Performance Claims
By
–
Aquí una comparación entre varios modelos, sacado del paper oficial. Las imágenes del oso panda es la que mejor representa lo que quiero decir. En cualquier caso… ¿sabes cómo se podría comprobar realmente la calidad y el rendimiento de este nuevo modelo? ¿Eh Google? ¿EHHH?
-
Image Generation Model Evaluation: Quality Beyond FID Metrics
By
–
Son imágenes chulas (hace un año hubieran sido increíbles), pero me parecen planas y con texturas con muy poco detalle. Cuantitativamente no se aleja mucho de Imagen y supera a Stable Diffusion, pero no sé. ¿A lo mejor evaluar con la métrica FID se nos está quedando limitado?
-
VQGAN vs Diffusion Models: Image Quality Comparison Analysis
By
–
Parti, también de Google, es otro modelo que sigue una estrategia similar. Y aquí hay que decir que si bien parece que las VQGAN consiguen una mejor cercanía entre el prompt y la imagen, mi ojo percibe que la calidad de estas imágenes es peor que con otros modelos cde difusión…