谷歌发布新AI开源项目 邀您与Bengio一起合作研究

【导读】去年深度学习框架Keras的作者、Google人工智能专家François Chollet 开发了一个专注于AI开源项目协作平台AI·ON（地址：http://ai-on.org）。在该平台目前已经公布10个AI项目的基础上新加入了3个新的开源项目，分别由Yoshua Bengio, Hugo Larochelle 和 Max Welling三位大牛主导，可见这些开源项目的含金量。

▌历史项目

AI·ON网站首页表明了它的三个目标：专注重要却被小看了的研究问题；把研究者联系起来，并鼓励开放的科学合作；为想增加机器学习经验的学生提供学习的环境。 任何人都可以作为研究者加入该社区并贡献项目，且所有的项目都应该是开源项目。网站目前已公布10个AI项目，包括3个基础研究项目和7个应用研究项目，欢迎所有对这些棘手却重要的AI问题感兴趣的研究人员来共同研究。

应用研究问题对想通过做新项目来提升他们在机器学习和深度学习方面的专业知识的学生来说非常理想，这些问题对世界的影响也非常有意义。

基础研究问题是现阶段还没有解决方法的庞大而重要的问题，在较近的未来可能也没法完全解决。

▌最新加入的三个新项目

• 1.利用少量分布学习来进行音乐生成 Few-Shot Distribution Learning for Music Generation

• 项目负责人 Hugo Larochelle, Chelsea Finn, Sachin Ravi
• 摘要 少量分布学习希望针对一组小样本，得到一个能学习到很好的模型参数的算法。我们提出在生成了音乐数据（像歌词或MIDI序列）的背景下来探索这个问题，具体就是利用自适应语言模型、少量学习和元学习的原理等方面最新研究进展。通过收集和构建针对该问题的基准，可以评估各种解决方案。
• 相关资源 https://github.com/AI-ON/Few-Shot-Music-Generation
• 项目计划书 https://ai-on.org/pdf/larochelle-few-shot-distribution-learning.pdf
• 2.精神疾病流形学习 Psychiatric disorders manifold

• 项目负责人 Rajat Mani Thomas, Paul Zhutovsky, Guido van Wingen, Max Welling
• 摘要 精神疾病是最难以准确诊断疾病之一，同时也很难对其设计相应的治疗计划。解决这些疾病挑战的关键是对人类大脑的结构和功能特性的成像技术。目前的机器学习还无法利用扫描的脑部信息图治疗疾病。我们提出在一个嵌入空间中寻找多种结构/或功能性的脑部X光片。为此，我们提出了一种对抗性的自编码完成这个任务，希望找到几种能容纳其他替代方案的方法解决这一挑战。我们这个目标足够宏大，今后还会考虑其他方法来解决这个问题。
• 项目计划书 https://ai-on.org/pdf/thomas-discovering-manifold-psychiatric.pdf
• 3.意识先验 Consciousness Prior

• 项目负责人 Yoshua Bengio, William Fedus
• 摘要 很多实验被提出来为表征学习探索一种新的先验知识，新的先验知识可以与其他先验知识结合起来，有助于将抽象因素分离开来。意识被视为一些构成有意识思维的概念的低维组合，也就是说，将意识视为某一特定瞬间的认知。这项研究的灵感正来源于这种现象。这对表征提供了一种强大的约束，这样的低维思维向量就相当于关于真实的、非常可能的、或对决策有用的现实的陈述。意识先验让Agent（智能体）在抽象空间中作出预测，而不是在感官（例如像素）空间做预测。每项预测只涉及到抽象空间中的少数维度。研究人员还提出了在合成数据集上的实验，用来验证一些在最简单的场景下（意识机制仅用于做预测）实现意识先验的机制。
• 项目计划书 https://ai-on.org/pdf/bengio-coonsciousness-prior.pdf

▌部分主要成员

• Yoshua Bengio 机器学习大神之一，尤其是在深度学习这个领域，他也是人工智能领域中经典之作《Learning Deep Architectures for AI》的作者同时也是深度学习经典《Deeplearning》的作者。Yoshua Bengio连同Geoff Hinton以及 Yann LeCun教授一起造就了2006年始的深度学习复兴。 http://www.iro.umontreal.ca/~bengioy/yoshua_en/
• Hugo Larochelle 谷歌蒙特利尔人工智能研究小组研究科学家，是 Yoshua Bengio的博士生，Geoffrey Hinton的博士后。他在 Youtube 上面的神经网络课程视频讲的深入浅出，非常适合从零开始学习。 http://www.dmi.usherb.ca/~larocheh/index_en.html
• Max Welling 荷兰阿姆斯特丹大学教授，机器学习大神，他之前在UCI指导的论文获得了ICML2012的Best paper. 曾在UCI讲授《机器学习》多年，广受好评。 http://www.ics.uci.edu/~welling/

参考链接：

https://ai-on.org/

▌特别提示-Learning with Average Top-k Loss论文下载：

请关注专知公众号

• 后台回复“LATK” 就可以获取论文pdf下载链接