机器学习人工学weekly-2018/2/11

注意下面很多链接需要访问外国网站，无奈国情如此

1. sentiment analysis的survey文章，前面略显累赘，后面还行

链接：https://arxiv.org/pdf/1801.07883.pdf

2. 微软用AirSim模拟器训练自驾车的教程，可以配合MIT自驾车的课一起学

链接：https://github.com/Microsoft/AutonomousDrivingCookbook/tree/master/AirSimE2EDeepLearning

3. Ali Rahimi（NIPS上说深度学习是炼金术的人）又写了篇文章说各种问额，跟NIPS上说的差不多，只不过这次场合是说要不要教高中生AI

Lessons from Optics, The Other Deep Learning

链接：http://www.argmin.net/2018/01/25/optics/

4. Aurélien Géron这个人的YouTube频道值得去follow一下，这几天他又做了一个entropy, cross-entropy的短视频，之前做了capsule和synthetic gradient，视频质量都很高。此兄之前在YouTube做产品经理（可见Google的PM有多偏技术了），还写了本机器学习的书"Hands-on Machine Learning with Scikit-Learn and TensorFlow"，书也非常不错（无耻的说网上也有盗版）

YouTube频道：https://www.youtube.com/channel/UCCvGd1WBMpFQ_vtC89VF2qA

5. 阿里相关

5.1 阿里发布了一本关于强化学习的小书，讲RL在搜索，推荐，广告，智能问答，导购多个场景下的应用，很有启发性

链接：http://techforum-img.cn-hangzhou.oss-pub.aliyun-inc.com/1517812754285/reinforcement_learning.pdf

5.2 阿里的PAI平台终于开放商业应用了，之前也推荐过一些关于PAI平台的学习视频

简短消息（貌似是阿里的人写的）：https://yq.aliyun.com/articles/422764?spm=a2c4e.11157919.spm-cont-list.146.4b8421e5b6xcWz

6.（首先承认我不是特别懂这块儿，编译原理没好好学）今天看到这个DLVM，给深度学习做编译器优化的工具（跟TensorFlow XLA和TVM相似），应该是把计算图编译优化成GPU硬件上执行效率更高的代码。作者刚从水果跳到Google Brain搞TPU这块儿，所以猜测XLA应该会吸收这里面的东西

DLVM: A MODERN COMPILER INFRASTRUCTURE FOR DEEP LEARNING SYSTEMS

链接：https://arxiv.org/pdf/1711.03016.pdf

7. （羞愧的承认没有认真读paper，只看了blog）DeepMind blog发的一篇，把深度学习和传统的symbolic reasoning结合起来，一个适合generalize，一个适合解释模型，很好的方向

Learning explanatory rules from noisy data

链接：Learning explanatory rules from noisy data

8. BAIR blog新帖讲人机合作的工作，主要是人干预机器人执行的时候，机器人根据人的干预重新plan，然后执行出理想的trajectory

Learning Robot Objectives from Physical Human Interaction

链接：http://bair.berkeley.edu/blog/2018/02/06/phri/

9. OpenAI的Request for Research 2.0，邀请搞研究的人去解决一系列目前还没有答案的问题（以RL为主）。虽然大多数人不可能解决，但是了解一下顶级研究机构想解决的问题也有好处，毕竟提出问题也是搞研究的一个重要步骤

链接：https://blog.openai.com/requests-for-research-2/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

10. 推荐几个非技术的文章:

* 著名风投A16Z制作的自驾车系列视频（共8个），讨论对自驾对各行业的影响

The Autonomy Ecosystem

链接：https://www.youtube.com/watch?v=of5j-Lztqrg

* Hinton老爷子的传记文章，挖的比较深

Mr. Robot

链接：https://torontolife.com/tech/ai-superstars-google-facebook-apple-studied-guy/

* 亚马逊在AI上的投入，主要是AWS和Alexa（看文章说他们早期根本没能力做出来，买了一堆小公司，然后解决了far field问题），深度不错

INSIDE AMAZON'S ARTIFICIAL INTELLIGENCE FLYWHEEL

链接：https://www.wired.com/story/amazon-artificial-intelligence-flywheel/

* 机器翻译的局限。虽然Google Translate已经用了最牛B的RNN+attention，但是NMT还是差的远。其实机器翻译就是统计，根本没有理解语言，所以也很正常

The Shallowness of Google Translate

链接：https://www.theatlantic.com/technology/archive/2018/01/the-shallowness-of-google-translate/551570/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI