周刊|MXNet爆红,大神Yann LeCun和吴恩达最新演讲

美国时间 11 月 22 日,亚马逊 CTO Werner Vogels 在博文中写到 MXNet 被 AWS 正式选择成为其云计算的官方深度学习平台。

MXNet 是一个全功能、灵活且高扩展性的深度学习框架,支持深度学习模型中的卷积神经网络和长期短期记忆网络。由学术界发起,由华盛顿大学和卡内基梅隆大学的研究人员联合发起。

MXNet 联合发起人解浚源表示:

“MXNet 发展到现在有一年多时间,是一个相对成熟的项目。我对我们的技术很有信心。MXNet 的速度,节省内存,接口灵活性,和分布式效率都是可圈可点的。作为一个由爱好者发起,没有投资的项目,MXNet 以前最大的短板是文档和宣传。而 Amazon 作为大财主以后在这方面可以起到很好的作用。”

Yann LeCun最新演讲: AI 研究的下一站是无监督学习

LeCun 在卡内基梅隆大学机器人研究所进行了一场 AI 技术核心问题与发展前景的演讲。他在演讲中提到三点干货:

1. 无监督学习代表了 AI 技术的未来。 2. 当前 AI 应用的热点集中在卷积神经网络。 3. 用模拟器提高无监督学习的效率是大势所趋。

如今的深度学习系统现在用的都是监督学习(supervised learning),输入的数据被人为加上标签。接下来的挑战在于,怎么让机器从未经处理的、无标签无类别的数据中进行学习,比方说视频和文字。而这就是无监督学习(unsupervised learning)。

Yann LeCun 做了一个比喻:假设机器学习是一个蛋糕,强化学习是蛋糕上的一粒樱桃,监督学习是外面的一层糖衣,无监督学习则是蛋糕糕体。无监督学习的重要性不言而喻。为了让强化学习奏效,也离不开无监督学习的支持。

Yann LeCun 表示,神经网络越大,效果就越好(当然前提是数据库大小达到了临界值)。至于为什么会这样,目前仍是一个谜,相关理论研究正在开展。他特别强调了卷积神经网络的重要性和应用,他接着作出预测,下一个将会十分流行的技术是记忆增强神经网络。它可被理解为用记忆增强的递归神经网络,其中,记忆本身是一个能被区分的回路,并可以作为学习中的一部分用于训练。

谷歌翻译里程碑:Zero-Shot 系统正式上线

美国时间 11 月 22 日,基于 Zero-Shot 的多语言神经机器学习系统正式登陆谷歌翻译。它目前被应用于新增加的 16 个语言组中的 10个,带来更高的翻译质量和简化的系统架构。我们可以期待在不久的将来,该系统会逐步支持更多的谷歌翻译语种。

Zero-Shot 翻译是指在完成语言 A 到语言 B 的翻译训练之后,语言 A 到语言 C 的翻译不需要再经过任何学习。 它能自动把之前的学习成果转化到翻译任意一门语言,即便工程师们从来没有进行过相关训练。

通过 Zero-Shot,谷歌解决了把神经机器翻译系统扩展到全部语言的难题。有了它,一套系统就可以完成所有语言的互翻。从前两种语言之间都需要多个翻译系统的情况,从此成为了历史。这套架构在翻译其他语言时,不需要在底层 GNMT 系统做任何改变。只需在输入语句的开头插入一个输出语种标记,就可以把结果翻译为任意语言。

吴恩达回顾百度语音三年历程

11月 22日,百度举行了语音开放平台三周年主题活动,百度首席科学家吴恩达现场发表演讲。他表示百度大脑最核心的几个技术部分为:

语音 图像 自然语言处理 用户画像 机器学习平台

这几年来,我们的团队在不断地优化语音识别系统。在2012年开始使用DNN模型,后来有比较好的特征,之后开始用Sequence Discriminative Training,也开始使用LSTM模型,加上CTC,今年我们的团队开发了Deep CNN模型。

在百度大脑已经有好几种不同的人工智能技术,其中比较成熟的,就是我们的语音技术。

在很多最重要的百度产品中,我们已经支持语音输入,包括手机百度、百度地图、百度输入法。如果你还没有试过百度输入法,我希望你试一试,我输入信息时就挺喜欢用百度输入法。还有度秘,最近我们把度秘放入各类硬件中,比如小度机器人。

在百度大脑开放平台(ai.baidu.com)上,我们不仅输出人工智能技术,也有很多有关人工智能技术的培训资料。如果你是使用百度大脑开放平台,你可以比较容易的选择真正需要的技术部分把它放进来,把它融合,为你做到最好的效果。再比如说你想服务一个智能客户,开始的时候觉得只需要语音识别、语音合成技术,但是做了几个月以后,发现你需要最领先的自然语言处理技术。如果你是使用百度大脑开放平台,希望你比较容易拿到这些技术放到自己的产品中。

我个人对人工智能的未来充满信心,我希望未来我们会有陪伴机器人、个性化私教、音乐作曲、机器人医生等等。

科大讯飞刘庆峰讲述他眼中的人工智能

11 月 23 日,科大讯飞举行了年度发布会,董事长刘庆峰的做了主题演讲,他表示 2016 年已经成了中国人工智能的历史元年,人工智能的第三次大潮,已经切实到来了,已经不再是一个概念,而是可以进入一个又一个的行业。

人工智能有 3 个层次:计算智能(机器人能计算和存储)、感知智能(机器的视觉、听觉可以超过人工)和认知智能(未来的核心)。而以语音和语言为入口的认知计算,是人工智能的必由之路。

讯飞在众多国际比赛中都获得傲人成绩。全球的语音合成大赛暴风雪竞赛中,讯飞在英文领域获得全球第一名,把英语合成做到了超过普通人说话水平。 在Chime语音识别竞赛中,在噪音环境下讯飞的英文语言错误率只有 2.24%。在 2014 年国际口语翻译大赛( IWSLT)中, 讯飞获得英汉翻译、汉英翻译两个项目的全球第一。另外在 Winogard 认知智能测试、 KBP 认知大赛中,讯飞都获得了不菲成绩。

所以这些在国际顶尖舞台上的认知成果,真正证明了我们中国人在人工智能领域已经不仅仅是一个科普、科幻或者带有所谓先知角度的感性判断,而是在踏踏实实做理论创新。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-11-27

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

斯坦福首席人工智能科学家:如何教计算机“看懂一张图”?

3329
来自专栏大数据文摘

CMU机器学习学院院长Tom Mitchell:计算机模拟人脑才刚刚起步

2705
来自专栏AI科技大本营的专栏

想去Google Brain实习吗?如何申请?Jeff Dean等牛人很认真地回答了这些问题

编译 | AI科技大本营(rgznai100) 参与 | 鸽子、Shawn 导语:昨晚谷歌大脑(Google Brain)在Reddit上举办了一年一度的在线...

2905
来自专栏人工智能头条

微软沈向洋:计算机视觉未来在语义层 “两大一精”是关键

1043
来自专栏量子位

LeCun论战Markus:AI是否需要类似人类的认知能力?

维金 编译整理 量子位 出品 | 公众号 QbitAI ? 一辆由人工智能驱动的自动驾驶汽车或许需要在模拟环境中撞树5万次,才能知道这是种错误的做法。相比之下,...

3135
来自专栏新智元

【MIT TR 深度】人工智能困境:机器何时才能理解语言

【新智元导读】随着人工智能系统变得越来越高端复杂,我们也愈发难以想象不通过语言,而使用其他方法与计算机沟通。不仅如此,能够简单地与人类交流会让人觉得计算机无比神...

34914
来自专栏AI科技评论

韩国国立大学机电系教授 , 李群自动化首席科学家Frank C.Park : 工业机器人中的机器学习很重要

很多人都知道, 将机器学习应用于实体机器人是充满挑战的,因为控制行为远比辨认图片中的物体复杂得多。比如让工业机器人自学”抓取多种物品,让工业机器人通过看视频学...

3119
来自专栏CDA数据分析师

数据分析与数据挖掘的联系和区别!

数据挖掘挖什么? 前一篇我总结了一些软件的区别和选择。在数据分析的学习道路上,放正了心态(心术篇),扎实了基础(理论篇),熟练了工具(软件篇...

2055
来自专栏新智元

微软首位华人“全球技术院士”黄学东:10个神经网络造就工程奇迹

【新智元导读】微软语音识别技术24年老将黄学东近日被评为“微软全球技术院士”,成功摘下这一微软技术的“桂冠”。 黄学东于1993年加入微软。1995年,黄学东最...

3887
来自专栏奇点大数据

人工智能时代的知识:核心概念与基本内容

任何一条信息都可以作为理解其他信息的工具。因此,在设计课程时,我们如何运用“知识就是工具”这一理念呢?关键在于鉴别和明确聚焦学科内和跨学科的核心概念,这些概念是...

1222

扫码关注云+社区