2016 年深度学习五大突破性进展

【新智元导读】Grakn Labs 是一家位于伦敦，距离 DeepMind 总部不足2.5公里的深度学习创业公司。该公司最近发表文章盘点了其团队伙伴选出的今年 Top 5 的人工智能大事件。既有让人印象深刻的技术的大突破，也有有趣的小应用，跟你心中的2016 AI 大事件有没有重合之处呢？

Grakn Labs 盘点了2016年最重要的深度学习领域的突破性进展。2016年对深度学习来说是突破性的一年，尤其对 Google 和 DeepMind 来说更是如此。

AlphaGo 在围棋对弈中战胜人类棋手

今年3月，AlphaGo 战胜围棋高手李世石绝对是一件大事。根据围棋评论员的解说，第二回合中黑子是纯粹由“机器”下的，当 AlphaGo 走了视频中1:18:22的一步时，它的对手，人类专家完全被困扰了。对人类专家来说这样的一步完全是史无前例的。但接下来 AlphaGo 才是真的显露它的围棋天分。最终AlphaGo与李世石对弈5盘，以4：1的成绩获得了胜利。虽然我们对掌握所有领域知识的“通用AI”（general AI）持怀疑态度，但 AlphaGo 仍让我们印象深刻。

机器挑战星际争霸

星际争霸 + DeepMind 会是怎样的结果？我想 DeepMind 一定是 geek/nerd 的天堂。这次 DeepMind 看上另一个游戏，与暴雪娱乐达成协议，允许 DeepMind 的 AI 研究人员在星际争霸II游戏中部署bots。从前 IBM 的“深蓝”在国际象棋中战胜人类，以及前述 AlphaGo 在围棋对弈中战胜人类，虽然都令人震撼，但像“星际争霸”这样的游戏更具挑战性——游戏中的信息是不完整、动态的，机器需要学习在更长的时间范围里规划和适应。结果让人期待。

用深度学习 DIY 井字棋游戏

作为一个开源公司，我们希望让更多的人接触技术。在伦敦的一次聚会上，Daniel Slater 向我们展示了如何使用 TensorFlow，利用强化学习来教一个名为“AlphaToe”的机器玩井字棋（Tic Tac Toe）。Github 上的仓库地址：https://github.com/DanielSlater/AlphaToe

Google 的多语言神经机器翻译系统

不需直接的训练数据，韩语翻译成英语的“first shot”图示

作为一个国际化的团队，我们团队的17人使用着至少14种语言，可以说我们都或多或少地使用着 Google 翻译。Google 的多语言神经机器翻译现在能够对系统从未遇到的语言进行翻译。研究人员将该功能归功于其中的 interlingua 系统——一种实际上用来编码语义的元语言（meta language）。这个系统现在已经用到 Google 翻译中了。了解更多可以参考 Google 的研究论文和博客文章。

用 DeepDrumpf 模仿特朗普发推

图：上面哪个是真正的川普的推？

今年的美国选举一直是我们办公室里的热门话题，因为我们打算在美国扩大业务。自从3月份 DeepDrumpf 推出以来，我们一直很喜欢它的推文。DeepDrumpf 是 MIT 博士后 Bradley Hayes 创建的 Twitter bot。DeepDrumpf 是使用深度学习技术，用几个小时的演讲文稿和总统选举辩论记录训练的。DeepDrumpf 受到模仿莎士比亚语录的递归神经网络的启发。虽然这不是非常复杂的深度学习的使用例子，但它的原创性以及对时事的敏感值得推广。

编译来源：https://blog.grakn.ai/advent-at-grakn-labs-2nd-de

责编：SQ