在过去的几年里,人工智能在语言能力方面取得了惊人的新进展。由深度学习的快速进步所推动,语言AI系统在编写和理解文本方面的能力比以往任何时候都要好。这一趋势促成了新功能、产品乃至整个行业的崛起。通过这本书,Python开发者将学习到使用这些能力所需的实用工具和概念。你将学习如何利用预训练的大型语言模型的力量,用于像文案写作和摘要等用例;创建超越关键词匹配的语义搜索系统;构建分类和聚类文本的系统,以实现对大量文本文档的可扩展理解;以及使用现有库和预训练模型进行文本分类、搜索和聚类。这本书还将向你展示如何:

  • 构建高级LLM管道以聚类文本文档并探索它们所属的主题
  • 使用像密集检索和重排方法构建超越关键词搜索的语义搜索引擎
  • 学习这些模型可以提供价值的各种用例
  • 理解底层变换器模型如BERT和GPT的架构
  • 更深入地理解LLMs是如何被训练的
  • 理解不同的微调方法是如何优化特定应用中的LLMs的(生成模型微调、对比微调、提示学习等)
  • 使用诸如生成模型微调、对比微调和提示学习等方法,为特定应用优化LLMs

成为VIP会员查看完整内容
87

本手册旨在帮助电子战和雷达系统工程师对系统能力进行一般估计。本手册由 NAVAIR 电子战/战斗系统部主任赞助。章节包括:基本原理;天线;雷达方程;雷达与接收机特性及测试;微波/射频组件;电光红外;飞机动力学考虑;数据传输总线;词汇表;缩写和缩略语。

成为VIP会员查看完整内容
52

随着洛克希德-马丁公司的F-35 "闪电 "II战斗机在西方部队的引进,世界各国空军正在发展第五代战斗机能力。F-35 引入了先进技术,包括传感器融合、隐形和先进的网络能力。为了以最佳方式利用新能力,空军需要调整其组织的许多要素,包括技术、文化和空战方法。一些空军将这种转变称为向 "第五代空军 "的转变。

在战争史上,虽然使用电磁频谱(EMS)--"整个电磁辐射范围"--相对较新,但其使用已迅速改变了战争方式。军事上使用电磁频谱的一个后果是电子战(EW)的兴起,其重点是启用和反击电磁频谱的使用。几千年来,由于通信的局限性,有效控制长距离和大部队的陆军受到限制,因为成功地进行通信是赢得战争的关键。随着陆军规模越来越大,控制难度越来越高,人们越来越需要更好的通信手段。虽然鸽子、声音、灯光和烟雾信号都被用来在较远的距离上快速传递信息,但这些方法都受到限制,指挥官不可能在地平线外向成群的士兵即时传达命令。随着电报的发明和应用,以及随后无线技术的出现,军事通信开始在远距离上迅速传播。这些事件使通信变得越来越高效。我们现在所说的电子战,其最初的实施形式是针对远程通信的反制措施,这一点也不足为奇。随着超视距通信的发展,陆军不仅可以扩大规模,而且变得更加机动,能够更快地从更远的地方对敌人做出反应。这导致战术越来越复杂。自远距离通信开始以来,军方一直在寻找拦截和影响通信的方法,以发挥自己的优势。

军事力量一直在寻求超越对手的方法,有时,技术在提供优势方面发挥了重要作用。著名理论家克劳塞维茨认为,战争有两个不同的要素:性质和特点。战争的性质是不变的,包括使用暴力,战争是政策的延续;这两个要素在冲突中肯定会表现出来。但战争的性质是不断变化的,它总是在适应和被适应技术、社会、文化以及涉及战争领域的许多其他领域所发生的变化。在战争中利用 EMS,特别是其远距离即时投射信息的能力,无疑改变了战争的性质。

科学和商业化的出现使 EW 特别容易受到技术快速变化和改进的影响。这些变化在大规模冲突和全球战争中尤为明显。尽管电子战在战争中相对新颖,但它在反开发方面已有很长的历史。最近的历史表明,在 EMS 战役中获胜会带来巨大优势。然而,在倡导电子战影响战争的新方法时,应该有一些细微差别,因为它的优势可能很大,但不是绝对的。一些冲突表明,仅靠技术无法赢得战争。与技术进步相比,人民的战斗意志等其他因素对战争结果的影响更大。由于使用 EMS 已变得至关重要,它可以进一步影响战争和冲突的进程。

与战争本身一样,电子战也不是一成不变的艺术。随着技术创新和新技术的应用,电子战不断发展,其应用范围和指导理论也在不断扩大。现在,电子战包含了 "在整个作战环境中保护友军行动和阻止敌方在 EMS 内行动所必需的 "各种措施。在大多数国家,电子战理论目前使用三个独立的类别来表示电子战系统的不同应用方式:电子攻击(EA)、电子防护(EP)和电子战支援(ES)。虽然各国对它们的解释不同,但处理方法相似。

尽管有相似之处,但空中力量并没有全球公认的定义。一个国家如何定义取决于其空军的能力。近来界定空中力量的一个趋势是,军方现在将范围扩大到太空甚至网络空间。美国目前将空中力量定义为 "通过控制和利用空中、太空和网络空间来投射军事力量或影响力,以实现战略、作战或战术目标的能力"。相比之下,澳大利亚的定义仅限于 "一个国家通过在空域、通过空域和从空域投射军事力量来宣示其意志的能力"。最后,经翻译后,荷兰对空中力量的定义是 "通过和在地球表面以上的三维空间内实现或帮助实现政治和军事目标的能力"。由于像美国这样的军队为太空和网络空间投入了大量资源,因此将太空和网络空间纳入其空中力量定义是现实的。然而,对于许多规模较小的空军来说,太空和网络空间是目前往往资源不足的资产。许多国家的空中力量定义中还没有太空和网络空间这两个术语,尽管这种情况在不久的将来可能会改变。然而,这并不意味着这些空军无视太空和网络空间。本文后面将详细介绍空中力量、太空和网络空间之间以及与电子战之间的关系。

空中力量和电子战一直以来都是互惠互利的,以至于空中力量和电子战的变化往往是相对应的:当空中力量出现井喷式增长时,电子战几乎总是紧随其后。因此,领导层对空中力量的抵制本身就转化为对机载电子战的抵制。空军使用机载电子战主要是为了使空中力量更好地发挥效果,并为联合作战资产提供支持。

要理解机载电子战及其任务,就不能不考虑当前和历史上空中力量发展的动向。随着当前技术的进步导致传感器小型化、通信范围扩大、电子战系统普及,空中力量与电子战的互惠互利更加明显。此外,与第五代飞机配套的许多技术在某种程度上都与 EMS 有关,因此与电子战的关系也比过去更加密切。本文重点讨论第五代空中力量与电子战之间日益增强的互动。

本书的意义

本文是澳大利亚皇家空军(RAAF)和荷兰皇家空军(RNLAF)合作的成果,它们都是现代化的空军。同时,他们也在为自己的库存增添第五代战斗机--F-35 "闪电 II"。两支空军都在研究如何调整部队设计,以最大限度地利用第五代能力;第五代系统在很大程度上依赖于 EMS。将第五代系统引入空军会在许多层面上影响电子战。本文通过考虑过去和现在空中力量与电子战的发展,并研究未来第 5 代系统的重点发展,探讨这种适应对电子战的影响。重要的是,第五代能力不仅与技术有关,还需要努力调整程序、战术、基础设施、人员、文化和许多其他要素,以最佳方式将组织转变为第五代空军。

所有中小型空军在向第五代空军转型并相应调整部队设计时,都可能会经历与皇家空军和皇家海军陆战队类似的过程。尽管本文是 RAAF 和 RNLAF 合作的成果,但对其他计划向第五代空军过渡的中小型空军也有借鉴意义。

概要

本文探讨了空中力量和电子战的几个方面,随着向第五代空中力量的过渡,这些方面正在或应该发生变化。要了解电子战发生的变化,就必须了解空中力量及其与 EMS 和 EW 的关系。第 2 章概述了空中力量和电子战的起源、依赖、变化和动机。

这段历史有助于了解当前和未来的发展对机载电子战的影响。第 3 章介绍了当今空中力量的作用和特点。第 4 章探讨了当今电子战及其在空中力量中的作用,最后介绍了目前影响两者的变化。第 5 章探讨了什么是第五代空军,以及这对空中力量和电子战的影响。第 6 章探讨电子战如何与第五代空中力量相互作用。第 7 章探讨了与电子战发展密切相关的其他一些主题,如太空和网络空间。本文最后就第五代空中力量中的电子战提出了建议。

成为VIP会员查看完整内容
40

《图论与分解》一书涵盖了图的分解的主要领域。这是一本分为三部分、共九章的参考书,旨在面向爱好者以及研究学者。书中不仅回顾了历史演变和基本术语,还讨论了图的循环分解,如圈图、有向图和K4-e分解等。除了确定图的悬挂数之外,还讨论了将图分解为非循环图的方法,如一般树、路径和星形分解。书中总结了一种最近发展起来的分解技术,该技术将给定的图分解为多种类型的子图。关于图分解的主要猜想进行了详细的讨论。书中引用了一个包含500多篇专著和期刊文章的综合性参考文献列表。其中包含500多个定理、约100个定义、56个猜想、40个开放问题和一个算法。索引部分便于快速访问定义、主要猜想和命名定理。

成为VIP会员查看完整内容
30

战斗无人机正在改变人们对使用军事力量的态度。军事伤亡和冲突成本削弱了公众对战争以及政治和军事领导人的支持。战斗无人机提供了前所未有的能力,通过提高精确度、降低平民风险和保护军事人员不受伤害来同时降低这些成本。这些优势应该会使无人机打击比地面部队行动更受欢迎。许多批评者认为,无人机作战会使政治领导人过于愿意授权战争,这可能会削弱对使用武力的道德和法律约束。由于无人机作战是一个相对较新的现象,这些论点主要基于轶事、少数民意调查或理论推测。

《无人机与对使用武力的支持》利用实验研究分析了作战无人机对美国人支持使用武力的影响。作者根据社会科学理论提出了一些预期,然后通过一系列调查实验对这些猜想进行了评估。他们的发现--无人机对使用武力的支持率产生了重要但细微的影响--对军事行动的控制和军民关系产生了影响,并深入探讨了当前和未来军事技术的发展和扩散如何影响外交政策的国内政治。

成为VIP会员查看完整内容
29

揭示生成式人工智能的力量和潜力,迎接无限的未来 关键特性 ● 全面且易于接近的生成式人工智能之旅。 ● 释放生成式人工智能潜力的不可或缺指南。 ● 转变技术、商业、艺术和创新,覆盖技术进步和商业优化。 描述 《生成式人工智能的潜能》邀请您进入这一革命性技术的迷人旅程,在这里,机器成为共同创造者,想象与现实之间的界限变得模糊。您将了解人工智能如何帮助医生、工程师和科学家解决现实世界问题。 接下来,您将探索ChatGPT如何提升生产力和增强创造力的用例。本书探讨了从这项革命性技术的起源到其尖端应用的旅程。发现生成模型如GANs和VAEs是如何工作的,并熟悉它们在健康保健、金融和艺术等领域所产生的影响。通过现实世界的案例研究和引人入胜的示例,您将见证人工智能生成救命药物、作曲以及设计创新产品。 本书探索了生成式人工智能在技术领域的尖端能力和潜力。它将帮助您发现生成式人工智能如何解锁新机会并提升业务运营。 您将学到什么 ● 了解不同类型的生成模型,它们如何工作,以及它们在包括健康保健、金融和娱乐等各个行业的影响。 ● 探索生成式人工智能在艺术、音乐和设计中的创造潜力。 ● 开发生成对抗网络(GANs),重点关注它们的架构、训练过程和现实世界应用。 ● 构建和部署生成模型,确保读者能够利用这一强大的技术。 ● 完善用人工智能生成文本、图像、音乐甚至代码的艺术,利用您的创造潜力。 这本书适合谁 这本书适合艺术家、程序员、音乐家、设计师、作家、研究人员、企业家、科学家、机器学习从业者以及各类梦想家。生成式人工智能等待着,准备转变您的工艺并赋予您的愿景力量。 目录

  1. 生成式人工智能导论
  2. 产业中的生成式人工智能
  3. 生成模型基础
  4. 跨行业应用
  5. 用生成式人工智能进行创意表达
  6. 生成式人工智能在商业和创新中
  7. 深入了解GANs
  8. 构建和部署生成模型

关于作者 Divit Gupta是一位拥有约20年行业经验的资深IT专业人士,专注于战略架构驱动的倡议,并在多支柱销售周期中提供积极领导。他还领导了全球技术合作伙伴关系,设定了他的团队愿景和执行模式,并孕育了多个新的战略倡议。 Anushree Srivastava是一位经验丰富的数据和分析架构师,拥有超过15年的经验,推动跨多个行业的数据驱动解决方案。她目前在谷歌的角色中一直领导生成式人工智能的倡议和启用。从数字广告的动态领域到金融和健康保健的复杂基础设施,Anushree始终提供有影响力的结果。

成为VIP会员查看完整内容
25

就像寓言中盲人摸象一样,大多数人对安全情报的了解也很有限,因为他们只接触到了安全情报的一个方面。

你可能听说过,安全情报涉及从包括暗网在内的各种来源收集数据。你可能知道,它将这些数据与网络安全专家的见解结合起来,并将数据和见解提炼成供 IT 安全专业人员使用的情报。您可能需要处理威胁信息或有关网络攻击的每周报告,甚至是专家对网络风险的分析。但是,您不可能完全了解安全情报所支持的广泛角色和功能、保护组织及其资产的所有方式或降低风险的全部潜力。本手册将为您提供一个全面的

这本手册将让你对“安全情报”有一个全面的了解。开篇概述了安全情报和安全情报生命周期的各个阶段。本书的中间部分探讨了安全情报加强六项关键安全功能及其工作流程的具体方法。最后几章涉及管理和实施问题,如利用安全情报评估风险和证明投资的合理性,以及如何建立一支安全情报团队

最后,将了解安全情报如何通过揭露未知威胁、明确优先事项、提供数据以做出更好更快的决策,以及推动整个组织对降低风险达成共识,从而提高安全团队和安全领导者的效率

从威胁情报到安全情报

直到最近,本书所讨论的主题通常被称为 "威胁情报"。

然而,"威胁情报 "一词通常与组织控制的传统 IT 系统所面临威胁的相关信息联系在一起。这一领域的概念过于狭窄。

创新型威胁行为者不断探寻薄弱环节,并开发出渗透或规避传统 IT 防御的新方法。他们从受信任的第三方那里窃取凭证,并利用这些凭证潜入企业系统。他们从社交媒体平台获取个人信息,制作令人信服的网络钓鱼活动,并创建错别字抢注网站,冒充品牌欺骗客户。他们策划网络攻击,利用物理事件攻击世界各地的远程设施。他们设计的攻击,在没有事先警告的情况下,传统的 IT 安全解决方案根本无法察觉。

具有前瞻性思维的网络安全专家和 IT 集团已经意识到,他们需要在威胁者发动攻击之前,就发现他们的方法并破坏他们的活动,从而与他们展开斗争。这种认识促使他们将情报计划扩展到第三方风险(通过供应商、供货商和业务合作伙伴暴露的风险)、品牌保护(检测和解决威胁组织声誉的安全问题的能力)、地缘政治风险(与实体资产和事件所在地相关的威胁)等领域。

现在,专家和供应商正在使用 "安全情报 "一词来涵盖以前被称为 "威胁情报 "的所有内容,以及该领域的新领域。

你可能还会注意到,为了与安全情报的概念保持一致,我们对以前版本的材料进行了修订和重组。例如,我们

  • 更加关注安全情报如何加强六大安全功能

  • 探讨了新的使用案例,并举例说明了在事件响应和主动威胁捕猎等活动中利用安全情报的方法

  • 扩大了对品牌保护的讨论

  • 增加了关于地缘政治风险的新章节

  • 增加了关于如何使用威胁类别风险 (TCR) 框架,根据对组织的货币影响量化威胁的讨论

成为VIP会员查看完整内容
17
登陆后查看更多精品内容
VIP会员
本周荟萃主题
区块链
区块链(Blockchain)是由节点参与的分布式数据库系统,它的特点是不可更改,不可伪造,也可以将其理解为账簿系统(ledger)。它是比特币的一个重要概念,完整比特币区块链的副本,记录了其代币(token)的每一笔交易。通过这些信息,我们可以找到每一个地址,在历史上任何一点所拥有的价值。
深度学习
机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。
机器学习
“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。”

——中文维基百科
强化学习
强化学习(RL)是机器学习的一个领域,与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外,强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于,不需要呈现带标签的输入/输出对,也不需要显式纠正次优动作。相反,重点是在探索(未知领域)和利用(当前知识)之间找到平衡。 该环境通常以马尔可夫决策过程(MDP)的形式陈述,因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于,后者不假设MDP的确切数学模型,并且针对无法采用精确方法的大型MDP。
推荐系统
推荐系统,是指根据用户的习惯、偏好或兴趣,从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同,这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。
卷积神经网络
在深度学习中,卷积神经网络(CNN或ConvNet)是一类深度神经网络,最常用于分析视觉图像。基于它们的共享权重架构和平移不变性特征,它们也被称为位移不变或空间不变的人工神经网络(SIANN)。它们在图像和视频识别,推荐系统,图像分类,医学图像分析,自然语言处理,和财务时间序列中都有应用。
计算机网络
计算机网络( Computer Networks )指将地理位置不同的多台计算机及其外部设备,通过通信线路连接起来,在网络操作系统及网络通信协议的管理和协调下,实现资源共享和信息传递的计算机系统。
命名实体识别
命名实体识别(NER)(也称为实体标识,实体组块和实体提取)是信息抽取的子任务,旨在将非结构化文本中提到的命名实体定位和分类为预定义类别,例如人员姓名、地名、机构名、专有名词等。
机器翻译
机器翻译,又称为自动翻译,是利用计算机将一种自然语言(源语言)转换为另一种自然语言(目标语言)的过程。它是计算语言学的一个分支,是人工智能的终极目标之一,具有重要的科学研究价值。
计算机视觉
计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。
微信扫码咨询专知VIP会员