哈佛神经机器翻译系统 OpenNMT 更新等 | 开发者头条

• 哈佛大学神经机器翻译系统 OpenNMT 新版本发布
• 癌症检测突破！谷歌深度学习算法的乳腺癌检测准确率超病理科大夫
• 两大 AI 平台联手！IBM Watson 与 Salesforce“爱因斯坦”进行对接
• 布朗大学人机交互新算法，让 AI 学会提问 每日推荐阅读
• 博弈论与深度学习

█ 哈佛大学神经机器翻译系统 OpenNMT 新版本发布

OpenNMT 是哈佛大学 NLP 研究小组去年年底开源的产品级翻译工具，基于 Torch/Pytorch，一经发布便被谷歌采用，是迄今为止最能代表神经机器翻译前沿技术的开源工具之一。

昨晚 OpenNMT 迎来发布之后的首个重大更新，新版本编号为 v0.5。除了修补漏洞，新版本带来以下改进：

• 训练代码更具通用性，可预期将来更多模型能在 OpenNMT 框架上训练。
• 新脚本能方便地提取 word embeddings，生成词汇。
• 修剪词汇的新方式：最小化频率，而不是绝对大小。
• 新的 REST 翻译服务器
• 试验性的 FP16 支持，以及最新的第三版本 cutorch。
• 试验性的数据采样技术，能在每个周期选择训练集的一个子集，以更快的收敛。

详情：http://opennmt.net/；http://forum.opennmt.net/t/opennmt-v0-5-release/264/2

GitHub：https://github.com/OpenNMT/OpenNMT

█ 谷歌深度学习算法检测乳腺癌 准确率超人类病理科大夫

目前癌症检测的最重要环节之一，是病理学家观察人体组织切片影像。

谷歌最近发表了一篇论文，详细介绍了其深度学习技术在此项癌症检测环节上的突破。谷歌宣称，其算法模型已实现对乳腺癌组织影像检测 81% 的精确度，超出美国病理专家 73% 的行业平均水平。

研究人员表示，该技术离取代病理科医生还有很远。一是该技术只在训练过的特定任务上有效；而是病理科大夫的知识广度和经验仍然非常宝贵。

详情：http://www.leiphone.com/news/201703/pMsEYFDnPs6xJFDJ.html

论文：https://drive.google.com/file/d/0B1T58bZ5vYa-QlR0QlJTa2dPWVk/view

█ 两大 AI 平台联手！IBM Watson 与 Salesforce“爱因斯坦”进行对接

IBM Watson 大家都有所耳闻，用不着过多介绍。“爱因斯坦”（Einstein）在国内的知名度则低一些。它是 Salesforce 对其客户关系管理软件进行数据挖掘、提取客户购买习惯的 AI。昨日，两家巨头宣布了这两大 AI 平台的连通——从此之后，IBM 与 Salesforce 的客户将同时获得“沃森”和“爱因斯坦”的服务。

很显然，这是对 AI 技术进行商业化变现的重要一步。如此高层级的强强联合，无疑将会在大数据服务领域带来一场地震。这将大增强 IBM 和 Salesforce 产品对客户的吸引力。

详情：http://www-03.ibm.com/press/us/en/pressrelease/51707.wss；http://www.recode.net/2017/3/6/14835564/ibm-salesforce-ai-technology-watson-einstein

█ 布朗大学人机交互新算法，让 AI 学会提问

布朗大学 Humans to Robots Lab 一直专注于人机交互难题。此前该实验室开发的算法，允许机器人将人类的口头命令和肢体语言进行结合，结果是更准确地理解人类意图。近日，该实验室成功开发出了一种新算法，让人机交互更进一步：让 AI 评估其对人类指令的理解程度，并对确定性进行量化；当确定性低于目标值，则主动对人类提问，进行澄清，接着根据回答做进一步推理，明确行动。

详情：https://news.brown.edu/articles/2017/03/fetch ；https://www.sciencedaily.com/releases/2017/03/170306151728.htm

▲ 每日推荐阅读

█ 博弈论与深度学习

最前沿的深度学习架构，往往包含多个要么互相竞争（比如 GAN），要么合作的神经网络。而该多代理路线的核心课题是：如何控制代理的行为。该领域研究经验最丰富的，是分别被谷歌收购的 Deepmind 和微软收购的 Maluuba。这篇并不长的文章，简要介绍了这两家公司的主要实验模型。

地址：http://www.kdnuggets.com/2017/03/greed-fear-game-theory-deep-learning.html