DeepSeek a publié aujourd'hui un avis important : en raison de ressources serveur limitées, le service de recharge d'API est suspendu à compter d'aujourd'hui. La société a déclaré que le solde existant des utilisateurs peut toujours être utilisé, mais les nouvelles recharges ne sont pas acceptées pour le moment. Parallèlement, DeepSeek a également annoncé son plan d'ajustement des prix. La période promotionnelle du modèle DeepSeek-chat prendra fin le 8 février 2025 à 24h00. Après la fin de la promotion, ce modèle appliquera les nouveaux tarifs : les jetons d'entrée seront facturés à 2 yuans par million, et les jetons de sortie à…

Anysphere, une société spécialisée dans le développement de compilateurs de code IA, a récemment annoncé avoir bouclé un tour de table de série B de 105 millions de dollars. Ce financement a été mené par plusieurs sociétés d'investissement de premier plan, notamment Thrive Capital, Andreessen Horowitz (a16z) et Benchmark, marquant une avancée significative pour le compilateur Cursor en termes d'innovation technologique et d'expansion du marché. Depuis son lancement, le compilateur Cursor s'est distingué par sa fonctionnalité unique...

Lors d'une récente réunion stratégique interne, Sundar Pichai, PDG de Google, a clairement exposé l'orientation future de l'entreprise. Il a indiqué que 2025 serait une année charnière pour Google dans le domaine de l'intelligence artificielle, soulignant la nécessité pour l'entreprise de se concentrer davantage sur l'utilisation de la technologie de l'IA pour résoudre les problèmes réels des utilisateurs. Pichai a déclaré : « Nous devons prendre conscience de l'urgence du moment et accélérer le rythme au sein de l'entreprise. La pression concurrentielle est actuellement très forte. » Il a ajouté que, malgré son histoire

Les laboratoires Tongyi d'Alibaba DAMO ont récemment annoncé la publication en open source d'une technologie de traitement vocal nommée ClearerVoice-Studio, visant à améliorer la qualité et l'intelligibilité de la parole. Avec l'essor des technologies vocales, la qualité de la parole est de plus en plus prisée, notamment en présence de bruit ambiant, de réverbération et de problèmes de captation audio. La demande de technologies de traitement vocal est donc de plus en plus forte.

Suno a récemment publié des échantillons audio de son dernier modèle de génération musicale V4. Ces démos montrent une amélioration significative de la qualité audio, de la diversité des timbres et de la cohérence par rapport aux versions précédentes. Le modèle V4 de Suno, entraîné par apprentissage profond sur un vaste ensemble de données musicales, vise à générer des œuvres musicales plus naturelles et plus riches. Comparé aux versions précédentes, le modèle V4 excelle dans la synthèse audio, produisant des morceaux plus expressifs et améliorant l'expression émotionnelle de la musique. Les auditeurs pourront constater une amélioration notable lors de l'écoute des échantillons.

Le prix Nobel de physique 2024 a été décerné à John J. Hopfield et Geoffrey E. Hinton pour leurs découvertes et inventions fondamentales sur l'utilisation des réseaux neuronaux artificiels pour l'apprentissage automatique. Leurs travaux ont jeté les bases de l'intelligence artificielle, rendant possible l'apprentissage automatique et l'apprentissage profond. Hopfield a créé une mémoire associative capable de stocker et de reconstruire des images et d'autres types de motifs dans les données. Hinton a quant à lui inventé une méthode permettant de rechercher de manière autonome des attributs dans les données, afin d'exécuter des tâches telles que l'identification d'éléments spécifiques dans une image. Nobel

Une étude récente de l'École polytechnique fédérale de Lausanne (EPFL) en Suisse, présentée pour la première fois à la conférence internationale IEEE sur la robotique et l'automatisation à Rotterdam, explore comment les mains robotiques peuvent dépasser leurs limites actuelles pour saisir un plus grand nombre d'objets. L'équipe de recherche souligne que les modèles d'apprentissage profond améliorent considérablement les techniques de manipulation agile des mains multi-doigts, mais que dans les environnements encombrés, la préhension guidée par les informations tactiles reste encore largement inexplorée. Pour résoudre ce problème, les chercheurs ont conçu une main inspirée de la main humaine, capable de se plier vers l'arrière pour ramasser divers objets et de se détacher pour grimper.

Ces dernières années, les techniques d'imagerie non destructives ont connu un développement fulgurant dans le domaine de la recherche et de la conservation des peintures. Parmi elles, l'analyse par fluorescence X macroscopique (MA-XRF) s'avère particulièrement précieuse. Elle permet aux experts d'identifier les pigments, d'analyser les techniques picturales et de fournir des informations cruciales sur le processus créatif de l'artiste. Cependant, la MA-XRF génère des ensembles de données volumineux et complexes, posant un défi aux méthodes d'analyse traditionnelles. Récemment, des chercheurs italiens ont appliqué des algorithmes d'apprentissage profond à l'analyse spectrale des données MA-XRF, développant ainsi une nouvelle approche analytique.

XinYi Technology a récemment lancé sa dernière innovation technologique, le modèle vidéo XinYi 2.0, marquant un bond technologique significatif de la société dans le domaine de la création vidéo IA et une extension approfondie de la liberté de création. Cette technologie intègre des algorithmes IA de pointe et des techniques d'apprentissage profond, permettant une création automatisée complète, de l'idéation du scénario à la production vidéo finale, réduisant considérablement les obstacles et les coûts de création vidéo.

Les systèmes de détection de vulnérabilités logicielles basés sur l'apprentissage profond, véritables 'agents de sécurité' du numérique, identifient efficacement les failles logicielles. Cependant, une étude nommée EaTVul met en lumière un nouveau défi dans ce domaine. EaTVul est une stratégie d'attaque d'évitement innovante qui modifie le code vulnérable pour induire en erreur les systèmes de détection basés sur l'apprentissage profond, avec un taux de réussite allant de 83% à 100%. Son fonctionnement repose sur l'utilisation de machines à vecteurs de support pour identifier les échantillons clés, de mécanismes d'attention pour reconnaître les caractéristiques essentielles, de la génération de données trompeuses par des chatbots IA, et de l'obfuscation.

L’appariement d’images est une tâche fondamentale en vision par ordinateur. Ces dernières années, les modèles d’appariement basés sur l’apprentissage profond sont devenus de plus en plus populaires. L’Université de Xiamen, Intel et DJI ont proposé GIM : Learning Generalizable Image Matcher from Internet Videos. GIM permet aux modèles d’appariement d’apprendre une forte capacité de généralisation à partir de vidéos en ligne. Le cadre GIM est applicable à tous les modèles d’appariement, y compris DKM, LoFTR et SuperGlue.

Les réseaux neuronaux sont confrontés à des défis lorsqu'il s'agit de traiter des données tabulaires avec des colonnes hétérogènes. Une méthode de conversion des caractéristiques tabulaires en une représentation de basse fréquence est proposée pour améliorer la capacité d'analyse des réseaux neuronaux. Les expériences montrent que cette méthode améliore considérablement les performances et l'efficacité de calcul du réseau. Cette recherche fournit de nouvelles idées et méthodes pour le traitement des données tabulaires complexes par les réseaux neuronaux.

Des chercheurs de l'Université de Moncton au Canada ont développé ECOGEN, une méthode innovante utilisant l'apprentissage profond pour générer des chants d'oiseaux réalistes. ECOGEN transforme les enregistrements de chants d'oiseaux en spectrograms, générant de nouvelles images d'intelligence artificielle et fournissant ainsi des ensembles de données plus complets pour les espèces rares dont les enregistrements sont limités. L'étude a révélé que l'ajout d'échantillons de chants d'oiseaux synthétiques générés par ECOGEN aux outils de reconnaissance a amélioré la précision de la classification des chants d'oiseaux de 12 % en moyenne.

L'entraînement du modèle d'apprentissage profond RECAST sur des ensembles de données plus importants offre une flexibilité accrue par rapport aux modèles existants. RECAST, basé sur un modèle génératif de réseau neuronal, peut prédire le moment du prochain séisme en fonction des données historiques. Grâce à l'accélération GPU de l'entraînement, RECAST a été testé dans plusieurs régions et a montré une amélioration significative de la précision par rapport aux modèles existants. Les chercheurs prévoient de rendre ce modèle open source afin de permettre à davantage d'équipes de le tester et de l'améliorer.

Une équipe de recherche de l'Université des sciences et technologies de Daegu, en Corée, a mis au point un modèle d'apprentissage avec peu d'exemples capable de classer précisément les ondes cérébrales avec un nombre limité de données, une avancée révolutionnaire. Ce modèle surmonte les limites des modèles traditionnels d'apprentissage profond qui nécessitent d'énormes quantités de données, et devrait permettre des avancées significatives dans la recherche sur les ondes cérébrales. L'équipe de recherche a utilisé des modules d'intégration, des modules d'attention temporelle, des modules d'attention d'agrégation et des modules relationnels pour améliorer la précision de classification du modèle. Ce nouveau modèle d'apprentissage profond affiche une précision de classification allant jusqu'à 76 % dans la classification inter-individus, surpassant largement les méthodes précédentes.