360
技術社區[雲棲]
AI大事件 | 高校AI科學家流失嚴重,關於整個地球的數據集登錄AWS
新聞
大學正在失去他們最好的人工智能科學家
來源：WWW.THEGUARDIAN.COM
鏈接：
https://www.theguardian.com/science/2017/nov/01/cant-compete-universities-losing-best-ai-scientists?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&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，對於這一現象很多學者稱之為”殺死產金蛋的鵝“。“這些公司能提供五倍的薪水，太令人難以置信了，我們根本無法競爭”，情感和行為計算的鼻祖Maja Pantic說。
索尼重啟Aibo計劃
來源：AIBO.SONY.JP
鏈接：
https://aibo.sony.jp/en/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
索尼聲稱新Aibo的適應性行為包括：積極尋求其所有者，識別讚美、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
鏈接：
https://www.wired.com/story/googles-ai-wizard-unveils-a-new-twist-on-neural-networks/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
在穀歌工作的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，但這並不意味著它是正確的。”Hinton發布了兩篇關於”降囊網絡“的研究論文，他說這一想法他已醞釀了將近40年。
人工智能和機器學習將為美國情報部門帶來革命
來源：BLOGS.NVIDIA.COM
鏈接：
https://blogs.nvidia.com/blog/2017/11/01/gtc-dc-project-maven-jack-shanahan/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
這是來自中將約翰帶領的項目”Maven“的消息，在今年四月完成，將機器學習和人工智能應用於情報，能夠把由美國軍方收集的航拍視頻監控轉化為可操作的智能模塊。
TensorFlow新的命令接口：Eager Execution
來源：RESEARCH.GOOGLEBLOG.COM
Eager Execution是由運行界麵定義，在Python調用時立即執行的接口。這是像PyTorch和Chainer Work一樣的框架。
支持簡約——為什麼基礎需要更多的關注？
來源：SMERITY.COM
鏈接：
https://smerity.com/articles/2017/baselines_need_love.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
當我們失去準確的基礎時，我們就失去了精確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，並給予它應有的照顧；2.複雜的模型會影響AI的進程，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
鏈接：
https://tim.hibal.org/blog/alpha-zero-how-and-why-it-works/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
AlphaGo Zero不需要人來告訴它如何去下棋。而且它不僅優於以前的圍棋球員，還優於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行，並且介紹了AlphaGo Zero的蒙特卡洛搜索樹的實現細節。
Pyro——深度概率編程語言（來自Uber）
來源：ENG.UBER.COM
鏈接：
https://eng.uber.com/pyro/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
Pyro，建立在Pytorch上，是一個開源的編程語言，結合深度學習和貝葉斯模型。Pyro的目標是促進這些技術的研究和應用，並使其在更廣泛的AI社區中得到應用。
播放馬裏奧賽車的神經網絡
來源：WWW.POLYGON.COM
鏈接：
https://www.polygon.com/2017/11/5/16610012/mario-kart-mariflow-neural-network-video?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
在給程序展示了15個小時的視頻並且提煉了它的一些行為後，代理贏得了摩托車蘑菇杯（50cc Mushroom Cup）的金牌。點擊上麵的鏈接可以了解更多實現的細節。
AWS上地球的數據集
來源：AWS.AMAZON.COM
鏈接：
https://aws.amazon.com/cn/earth/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
這個數據集囊括了可用的地理空間數據集的集合。包括衛星圖像，天氣雷達數據，街道地圖數據，興趣點等等。可用於地球觀測研究的雲計算。
不要降低學習率，應該增加批量
來源：ARXIV.ORG
鏈接：
https://arxiv.org/abs/1711.00489?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&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。本程序成功的實現了隨機梯度下降，SGD momentum，Nesterov momentum和 Adam。
僅使用單語語料庫的無監督機器翻譯-Facebook
來源：ARXIV.ORG
鏈接：
https://arxiv.org/abs/1711.00043?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&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並將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標記數據的翻譯。作者在兩種廣泛使用的數據集和語言組合中證明了模型的有效性，並且在BLEU報告中得分高達32.8。
原文發布時間為：2017-11-7
本文作者：文摘菌
本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“大數據文摘”微信公眾號
最後更新：2017-11-07 14:04:11