AI大事件 | 高校AI科學家流失嚴重,關于整個地球的資料集登入AWS

<b>新聞</b>

大學正在失去他們最好的人工智能科學家

來源：WWW.THEGUARDIAN.COM

連結：

https://www.theguardian.com/science/2017/nov/01/cant-compete-universities-losing-best-ai-scientists?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

一些公司正在不斷地從高校中挖走頂尖的AI研究人員，對于這一現象很多學者稱之為”殺死産金蛋的鵝“。“這些公司能提供五倍的薪水，太令人難以置信了，我們根本無法競争”，情感和行為計算的鼻祖Maja Pantic說。

索尼重新開機Aibo計劃

來源：AIBO.SONY.JP

http://aibo.sony.jp/en/?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

索尼聲稱新Aibo的适應性行為包括：積極尋求其所有者，識别贊美、微笑，撫摸頭部和背部等等。新的AI機器人售價198000日元（1735美元~）但是你還需要訂閱額外的雲服務。

Geoff Hinton公布神經網絡的新方法

來源：WWW.WIRED.COM

https://www.wired.com/story/googles-ai-wizard-unveils-a-new-twist-on-neural-networks/?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

在谷歌工作的Geoff Hinton聲稱：“我們做計算機視覺的方式是錯誤的。雖然它比任何其他目前的方法好，但這并不意味着它是正确的。”Hinton釋出了兩篇關于”降囊網絡“的研究論文，他說這一想法他已醞釀了将近40年。

人工智能和機器學習将為美國情報部門帶來革命

來源：BLOGS.NVIDIA.COM

https://blogs.nvidia.com/blog/2017/11/01/gtc-dc-project-maven-jack-shanahan/?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

這是來自中将約翰帶領的項目”Maven“的消息，在今年四月完成，将機器學習和人工智能應用于情報，能夠把由美國軍方收集的航拍視訊監控轉化為可操作的智能子產品。

<b>文章&amp;教程</b>

TensorFlow新的指令接口：Eager Execution

來源：RESEARCH.GOOGLEBLOG.COM

Eager Execution是由運作界面定義，在Python調用時立即執行的接口。這是像PyTorch和Chainer Work一樣的架構。

支援簡約——為什麼基礎需要更多的關注？

來源：SMERITY.COM

http://smerity.com/articles/2017/baselines_need_love.html?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

當我們失去準确的基礎時，我們就失去了精确測量時間和進度的能力。解決方法：1.采取一個調整良好的基礎，并給予它應有的照顧；2.複雜的模型會影響AI的程序，解決問題時要更謹慎地使用計算。

AlphaGo Zero：它是怎麼工作的

來源：TIM.HIBAL.ORG

http://tim.hibal.org/blog/alpha-zero-how-and-why-it-works/?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

AlphaGo Zero不需要人來告訴它如何去下棋。而且它不僅優于以前的圍棋球員，還優于之前的所有圍棋機器，更令人驚訝的是，它隻需要三天的訓練時間就能做到這一點。這篇文章解釋了它如何運作，并且介紹了AlphaGo Zero的蒙特卡洛搜尋樹的實作細節。

<b>代碼，項目&amp;資料</b>

Pyro——深度機率程式設計語言（來自Uber）

來源：ENG.UBER.COM

https://eng.uber.com/pyro/?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

Pyro，建立在Pytorch上，是一個開源的程式設計語言，結合深度學習和貝葉斯模型。Pyro的目标是促進這些技術的研究和應用，并使其在更廣泛的AI社群中得到應用。

播放馬裡奧賽車的神經網絡

來源：WWW.POLYGON.COM

https://www.polygon.com/2017/11/5/16610012/mario-kart-mariflow-neural-network-video?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

在給程式展示了15個小時的視訊并且提煉了它的一些行為後，代理赢得了機車蘑菇杯（50cc Mushroom Cup）的金牌。點選上面的連結可以了解更多實作的細節。

AWS上地球的資料集

來源：AWS.AMAZON.COM

https://aws.amazon.com/cn/earth/?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

這個資料集囊括了可用的地理空間資料集的集合。包括衛星圖像，天氣雷達資料，街道地圖資料，興趣點等等。可用于地球觀測研究的雲計算。

<b>爆款論文</b>

不要降低學習率，應該增加批量

來源：ARXIV.ORG

https://arxiv.org/abs/1711.00489?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

降低學習率是常見的做法。作者表明，在訓練過程中增加批量大小通常可以在訓練和測試集上獲得相同的學習曲線。本程式成功的實作了随機梯度下降，SGD momentum，Nesterov momentum和 Adam。

僅使用單語語料庫的無監督機器翻譯-Facebook

https://arxiv.org/abs/1711.00043?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

這篇論文介紹了一種從單語語料庫中用兩種不同語言提取句子并将其映射到同一個潛在空間的模型。通過學習從這一共享特征空間中重構兩種語言的過程，該模型有效地學習了不使用任何标記資料的翻譯。作者在兩種廣泛使用的資料集和語言組合中證明了模型的有效性，并且在BLEU報告中得分高達32.8。

原文釋出時間為：2017-11-7

本文作者：文摘菌