AI大事件丨吴恩达再度出手创立AI制造业公司,李飞飞领衔谷歌中国AI研究中心,AI或将应用于成人电影
呜啦啦啦啦啦大家好呀,又到了本周的AI大事件时间了。过去的一周中AI圈都发生了什么?大佬们互撕了哪些问题?研究者们发布了哪些值得一读的论文?又有哪些开源的代码和数据库可以使用了?文摘菌带你盘点过去一周AI大事件!
新闻
吴恩达创立AI +制造业创业公司
来源:MEDIUM.COM
链接:https://medium.com/@andrewng/revitalizing-manufacturing-through-ai-a9ad32e07814?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
著名的Andrew Ng教授再度出手创立Landing.ai,这是一个主要关注制造业的人工智能公司。目前还不清楚landing.ai会生产什么产品。
谷歌在北京开设人工智能中心
来源:WWW.BLOOMBERG.COM
谷歌将在中国成立一个由数百名中国工程师组成的AI研究小组。“这将是一个在出版物、学术会议和知识交流上推进基本的人工智能的团队,”李飞飞说,她是谷歌云的首席科学家,将领导北京AI研究中心。
人工智能将应用于成人电影
来源:MOTHERBOARD.VICE.COM
链接:https://motherboard.vice.com/en_us/article/gydydm/gal-gadot-fake-ai-porn?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
有人使用机器学习算法将“神奇女侠”Gal Gadot的脸换到成人视频的女主角上。 有时脸部会显得不自然,而且有时候有一些UVE(uncanny valley effect),但如果只是随意一瞥,它能骗过绝大多数人。
文章&教程
深度学习:实践和趋势(NIPS 2017教程)
来源:WWW.YOUTUBE.COM
链接:https://www.youtube.com/watch?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI&v=YJnddoa8sHk
关于当今深度学习系统构建模块的优秀教程。 本教程涵盖了卷积模型,自回归模型,域对齐,元学习,图形网络等。
NLP中的深度学习 - 2017年的发展和趋势
来源:TRYOLABS.COM
链接:https://tryolabs.com/blog/2017/12/12/deep-learning-for-nlp-advancements-and-trends-in-2017/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
这篇文章很好地总结了2017年深度学习中NLP的进展,涵盖了预训练的词嵌入,情感神经元,SemEval 2017的结果,抽象汇总系统,无监督机器翻译等等。
高斯过程介绍
来源:BRIDG.LAND
链接:http://bridg.land/posts/gaussian-processes-1?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
高斯过程可能不是当前机器学习炒作的核心,但仍然被用在研究的最前沿。例如,研究者们最近发现它们用于自动调整AlphaGo Zero的MCTS超参数。
训练序列模型
来源:AWNI.GITHUB.IO
链接:https://awni.github.io/train-sequence-models/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
这篇文章提供了几个训练序列模型的实用技巧,例如机器翻译或文本摘要中使用的技巧。
代码,项目&数据
MAgent Platform:多代理强化学习平台
来源:GITHUB.COM
链接:https://github.com/geek-ai/MAgent?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
MAgent Platform是一个多代理强化学习的研究平台。 以前的平台大多专注于使用单一代理或少量代理进行强化学习研究,而MAgent Platform旨在支持由数百到数百万代理扩展的强化学习研究。
从视频到音频:在野外为视频生成自然声音
来源:BVISION11.CS.UNC.EDU
链接:http://bvision11.cs.unc.edu/bigpen/yipin/visual2sound_webpage/visual2sound.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
在本文的项目中,作者给定了视觉的输入,并应用基于学习的方法来生成输入视频的原始波形样本。
探索ChestXray14发现的问题
来源:LUKEOAKDENRAYNER.WORDPRESS.COM
链接:https://lukeoakdenrayner.wordpress.com/2017/12/18/the-chestxray14-dataset-problems/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
这篇文章详细分析了ChestXray14数据集,并解释了它可能不适合训练医学AI系统做诊断工作的原因。 对现实世界的各种数据集做分析是非常重要的,我们希望将来能看到更多。
爆款论文
Libratus AI在德州扑克上击败人类
来源:SCIENCE.SCIENCEMAG.ORG
链接:http://science.sciencemag.org/content/early/2017/12/15/science.aao1733?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
LibratusAI,经过12万次的比赛,在德州扑克上击败了四位顶尖的人类专家,这是不完全信息游戏解决方案中的长期挑战问题。游戏理论方法使用独立于应用程序的技术:计算总体战略的算法,充实游戏中达到的子游戏战略细节的算法,以及修正潜在弱点的自我改进算。
Peephole:在训练前预测网络性能
来源:ARXIV.ORG
链接:https://arxiv.org/abs/1712.03351?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
一种基于其架构来在训练之前预测网络性能的方法。作者开发了一种将单独的图层编码成矢量的方法,并通过LSTM将它们组合在一起形成一个集成的描述。利用循环网络的表达能力,该方法可以可靠地预测各种网络体系结构的性能。
深度学习中的数学
来源:ARXIV.ORG
链接:https://arxiv.org/abs/1712.04741?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
最近,由于引入了用于表示学习和分类的深层架构,识别系统的性能显着提高。 然而,这个成就背后的数学原因仍然难以捉摸。本教程将回顾最近的工作,旨在为深度网络的几个属性(如全局最优性,几何稳定性和学习表示的不变性)提供数学证明。
大数据文摘编辑部招人啦!!!
地处宇宙之心
和最聪明的脑袋一起玩耍
择个黄道吉日点击下方二维码加入我们~
志愿者介绍
回复“志愿者”加入我们
往期精彩文章
点击图片阅读