AI大事件丨吴恩达再度出手创立AI制造业公司,李飞飞领衔谷歌中国AI研究中心,AI或将应用于成人电影

呜啦啦啦啦啦大家好呀,又到了本周的AI大事件时间了。过去的一周中AI圈都发生了什么?大佬们互撕了哪些问题?研究者们发布了哪些值得一读的论文?又有哪些开源的代码和数据库可以使用了?文摘菌带你盘点过去一周AI大事件!

新闻

吴恩达创立AI +制造业创业公司

来源:MEDIUM.COM

链接:https://medium.com/@andrewng/revitalizing-manufacturing-through-ai-a9ad32e07814?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

著名的Andrew Ng教授再度出手创立Landing.ai,这是一个主要关注制造业的人工智能公司。目前还不清楚landing.ai会生产什么产品。

谷歌在北京开设人工智能中心

来源:WWW.BLOOMBERG.COM

谷歌将在中国成立一个由数百名中国工程师组成的AI研究小组。“这将是一个在出版物、学术会议和知识交流上推进基本的人工智能的团队,”李飞飞说,她是谷歌云的首席科学家,将领导北京AI研究中心。

人工智能将应用于成人电影

来源:MOTHERBOARD.VICE.COM

链接:https://motherboard.vice.com/en_us/article/gydydm/gal-gadot-fake-ai-porn?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

有人使用机器学习算法将“神奇女侠”Gal Gadot的脸换到成人视频的女主角上。 有时脸部会显得不自然,而且有时候有一些UVE(uncanny valley effect),但如果只是随意一瞥,它能骗过绝大多数人。

文章&教程

深度学习:实践和趋势(NIPS 2017教程)

来源:WWW.YOUTUBE.COM

链接:https://www.youtube.com/watch?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI&v=YJnddoa8sHk

关于当今深度学习系统构建模块的优秀教程。 本教程涵盖了卷积模型,自回归模型,域对齐,元学习,图形网络等。

NLP中的深度学习 - 2017年的发展和趋势

来源:TRYOLABS.COM

链接:https://tryolabs.com/blog/2017/12/12/deep-learning-for-nlp-advancements-and-trends-in-2017/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

这篇文章很好地总结了2017年深度学习中NLP的进展,涵盖了预训练的词嵌入,情感神经元,SemEval 2017的结果,抽象汇总系统,无监督机器翻译等等。

高斯过程介绍

来源:BRIDG.LAND

链接:http://bridg.land/posts/gaussian-processes-1?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

高斯过程可能不是当前机器学习炒作的核心,但仍然被用在研究的最前沿。例如,研究者们最近发现它们用于自动调整AlphaGo Zero的MCTS超参数。

训练序列模型

来源:AWNI.GITHUB.IO

链接:https://awni.github.io/train-sequence-models/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

这篇文章提供了几个训练序列模型的实用技巧,例如机器翻译或文本摘要中使用的技巧。

代码,项目&数据

MAgent Platform:多代理强化学习平台

来源:GITHUB.COM

链接:https://github.com/geek-ai/MAgent?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

MAgent Platform是一个多代理强化学习的研究平台。 以前的平台大多专注于使用单一代理或少量代理进行强化学习研究,而MAgent Platform旨在支持由数百到数百万代理扩展的强化学习研究。

从视频到音频:在野外为视频生成自然声音

来源:BVISION11.CS.UNC.EDU

链接:http://bvision11.cs.unc.edu/bigpen/yipin/visual2sound_webpage/visual2sound.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

在本文的项目中,作者给定了视觉的输入,并应用基于学习的方法来生成输入视频的原始波形样本。

探索ChestXray14发现的问题

来源:LUKEOAKDENRAYNER.WORDPRESS.COM

链接:https://lukeoakdenrayner.wordpress.com/2017/12/18/the-chestxray14-dataset-problems/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

这篇文章详细分析了ChestXray14数据集,并解释了它可能不适合训练医学AI系统做诊断工作的原因。 对现实世界的各种数据集做分析是非常重要的,我们希望将来能看到更多。

爆款论文

Libratus AI在德州扑克上击败人类

来源:SCIENCE.SCIENCEMAG.ORG

链接:http://science.sciencemag.org/content/early/2017/12/15/science.aao1733?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

LibratusAI,经过12万次的比赛,在德州扑克上击败了四位顶尖的人类专家,这是不完全信息游戏解决方案中的长期挑战问题。游戏理论方法使用独立于应用程序的技术:计算总体战略的算法,充实游戏中达到的子游戏战略细节的算法,以及修正潜在弱点的自我改进算。

Peephole:在训练前预测网络性能

来源:ARXIV.ORG

链接:https://arxiv.org/abs/1712.03351?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

一种基于其架构来在训练之前预测网络性能的方法。作者开发了一种将单独的图层编码成矢量的方法,并通过LSTM将它们组合在一起形成一个集成的描述。利用循环网络的表达能力,该方法可以可靠地预测各种网络体系结构的性能。

深度学习中的数学

来源:ARXIV.ORG

链接:https://arxiv.org/abs/1712.04741?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

最近,由于引入了用于表示学习和分类的深层架构,识别系统的性能显着提高。 然而,这个成就背后的数学原因仍然难以捉摸。本教程将回顾最近的工作,旨在为深度网络的几个属性(如全局最优性,几何稳定性和学习表示的不变性)提供数学证明。

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2017-12-19

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

来自专栏机器学习算法工程师

就怕你迷路!力荐!论文资源获取和AI论文阅读指导

本文译自:https://towardsdatascience.com/getting-started-with-reading-deep-learning-r...

17030
来自专栏PPV课数据科学社区

基于客户行为事件的跨领域统一推荐模型探讨

跨领域深度学习模型一直是近几年推荐系统主要研究方向之一, 本文探讨一种个人客户画像构建的新思路, 并讨论对应的基于个人行为事件的跨领域统一推荐模型。 1、基于个...

377140
来自专栏大数据文摘

顶尖人工智能无法识别这些简单图像

25640
来自专栏量子位

最近有啥ML比赛能表现自己的优秀?CVPR2018图像压缩大赛

原作 Michele Covell Root 编译自 谷歌博客 量子位 出品 | 公众号 QbitAI 新的一年来了,想给自己找个难度大的挑战?有哪些问题是有重...

32370
来自专栏AI科技大本营的专栏

量子计算+人工智能——这才是未来科技的最大热门!

编译 | AI科技大本营 参与 | shawn 编辑 | 明明 90年代初,当卫奇塔州立大学(Wichita State University)的物理学教授El...

44270
来自专栏智能计算时代

深度学习架构的设计模式:介绍

深度学习架构可以被描述为建立机器学习系统的新方法或风格。深度学习更有可能导致更先进的人工智能形式。这方面的证据是自十年来以来发生的巨大突破。在新的乐观的氛围中,...

50060
来自专栏量子位

OpenAI探索机器人模拟训练新方法:仿真与真实世界无缝衔接

问耕 编译整理 量子位 出品 | 公众号 QbitAI ? OpenAI发布了一项新的机器人技术。 研究人员完全在仿真模拟环境中对机器人控制器进行训练,然后把控...

32630
来自专栏大数据文摘

开学了,如何用2017年最后三分之一学会深度学习?

16540
来自专栏新智元

谷歌大脑&DeepMind:NSynth神经音乐合成器,生成超逼真乐器声音

【新智元导读】谷歌大脑和 DeepMind 合作发布一个名为 NSynth (Neural Synthesizer)的神经声音合成器,使用深度神经网络在单个样本...

42950
来自专栏AI科技大本营的专栏

别瞎搞!对自己定位不准,看再多机器学习资料也是白搭(附资源)

找资料也是门学问,别抓着机器学习就一拥而上。 作者 | Jason Brownlee 编译 | AI100(ID:rgznai100) 来看个小故事:机器学习火...

34180

扫码关注云+社区

领取腾讯云代金券