【AI听】微软刷新了SQuAD记录！聊天机器人居然懂人类情感？谷歌大脑「神经网络优化器搜索」又双叒叕更新……

本周关键词

SQuAD｜聊天机器人

计算机视觉｜谷歌大脑

主播 | 吴璇

NO/1 上周，微软又刷新了SQuAD记录...

今年7月，斯坦福大学发起的SQuAD（Stanford Question Answering Dataset）挑战赛榜单更新成绩，科大讯飞与哈工大联合实验室(HFL)提交的系统模型夺得第一名，这也是中国本土研究机构首次取得该赛事的榜首。

就在几天前，斯坦福大学NLP组发推称，微软提交了一次SQuAD的测试成绩，重新夺回了该数据集测试榜单第一的位置。

SQuAD很讨产业界的喜欢，参赛者包括来自微软总部及微软亚洲研究院、Salesforce、科大讯飞、谷歌以及卡内基·梅隆大学、复旦大学等知名企业研究机构和高校，目前在排行榜上，前三名均来自产业界。

SQuAD（Stanford Question Answering Dataset）是行业内公认的机器阅读理解领域的顶级水平测试，被誉为机器阅读理解领域的ImageNet。（来源：雷锋网）

NO/2 清华大学黄民烈博士：如何让聊天机器人理解人类情感？

近日，第十三届 NTCIR 评测比赛中，黄民烈博士带领清华的两位学生，联合搜狗搜索团队一举获得了冠军。团队着手研究如何让计算机通过文字方式表达情绪，也是希望能在人机对话系统中加入感知情绪的成分，能从语言和情感两个维度上生成恰当的回复。

根据论文的介绍，ECM 在传统的 Sequence to Sequence 模型的基础上，采用静态的情感向量嵌入表示，动态的情感状态记忆网络和情感词外部记忆的机制，让 ECM 得以根据用户的输入，并基于指定的情感分类（包括快乐、伤感、愤怒、厌烦、好感等五种情绪）输出相应的回复。

在这项研究中，ECM 首次将情感因素与深度学习方法相融合。ECM 的主要数据来源是新浪微博。（来源：雷锋网）

NO/3 李飞飞：在物体识别之后，计算机视觉还要多久才能理解这个世界

9 月 26 日，在机器人领域的顶级学术会议 IROS 2017 上。著名华人计算机视觉专家、斯坦福副教授李飞飞，与专家学者讨论了计算机视觉的下一步目标：丰富场景理解，计算机视觉与语言结合和任务驱动的计算机视觉的进展和前景。

李飞飞把视觉相关的任务组织成三类：

一是除了物体识别之外的关系识别、复杂语意表征、场景图；

二是在场景gist之外，我们需要用视觉+语言处理单句标注、段落生成、视频理解、联合推理；

最后是任务驱动的视觉问题，李飞飞说“这里还是一个刚刚起步的领域，我相信视觉和逻辑的组合会在这个领域真正携起手来。”（来源：雷锋网）

NO/4 效果超过SGD和Adam，谷歌大脑的「神经网络优化器搜索」自动找到更好的训练优化器

谷歌大脑近期放出了一篇论文「Neural Optimizer Search with Reinforcement Learning」（强化学习的神经网络优化器搜索），用强化学习的方法为神经网络（尤其是深度学习）找到最佳的优化算法/权重更新规则。

在这篇论文中，谷歌大脑的研究员们讨论了一种方案，它可以自动设计优化方法中的权重更新规则，尤其是对于深度学习架构。这个方案的重点是使用了一个RNN结构的控制器，这个控制器可以给优化器生成权重更新方程。这个RNN结构的控制器是通过强化学习的方式训练的，一个具体的网络结构用它生成的更新规则进行同样次数的训练后，可以把模型准确率最大化。（来源：雷锋网）