​AI大事件 | 特斯拉开发人工智能芯片,智能爆炸论再引热议,Pytorch新版本发布

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

AlphaZero:通过自我对弈掌握象棋和将棋

来源:ARXIV.ORG

链接:

https://arxiv.org/abs/1712.01815?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

DeepMind发表了一篇关于AlphaZero的论文,是AlphaGo的进一步泛化,显示了它仅仅通过24小时的训练(在很多TPU上)就在国际象棋和将棋上击败了世界冠军。

英伟达发布新的Titan V GPU价值$2999

来源:WWW.NVIDIA.COM

链接:

https://www.nvidia.com/en-us/titan/titan-v/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

NVIDIA日前宣布,Titan V有史以来最强大的PC系列GPU。Titan V能够达到每秒110万亿次浮点运算的性能,使用12GB的HBM2内存和5120 CUDA内核。更重要的是,它的颜色是金色的!

FaceBook推出人工智能研究实习岗位

来源:RESEARCH.FB.COM

Facebook人工智能研究(FAIR)实习计划是一个Facebook的人工智能研究小组为期一年的研究训练计划,旨在给大家提供动手实践的机器学习研究。申请截止日期是2018年1月26日,需要学士学位。

Elon Musk表示特斯拉正在自定义AI芯片

来源:WWW.THEREGISTER.CO.UK

链接:

https://www.theregister.co.uk/2017/12/08/elon_musk_finally_admits_tesla_is_building_its_own_custom_ai_chips/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

马斯克日前在人工智能会议NIPS上透露了特斯拉最近在硬件方面的动态。马斯克说道:“我想清楚地表明,特斯拉在软件和硬件方面都很重视人工智能。我们正在开发定制的AI硬件芯片。”

文章&教程

CTC序列建模

来源:DISTILL.PUB

链接:

https://distill.pub/2017/ctc/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

一个连接时态分类(CTC:Connectionist Temporal Classification)的视觉化指南,用于训练深度神经网络在语音识别、手写识别和其他序列问题中的算法。

智能爆炸的不可能性

来源:MEDIUM.COM

“智能爆炸”这一概念的突然崛起和“超人智能”将会终结人类的论调已经占据了各个人工智能社区。这篇文章认为这样的事件是不可能的——“智能爆炸”的概念来源于对智能性质和递归自增强系统行为的深刻误解。

在简单环境中度量人工智能安全问题

来源:DEEPMIND.COM

链接:

http://rev.vu/7Rnad?utm_campaign=Issue&utm_content=domain&utm_medium=email&utm_source=The+Wild+Week+in+AI

随着AI系统在现实世界中变得更加通用,确保它们安全地运行将变得更加重要。本篇文章介绍了一种简单的强化学习环境,专门用来度量人工智能系统的“安全行为”。

基于模型的神经网络动力学模型

来源:BAIR.BERKELEY.EDU

链接:http://rev.vu/Y7vRk?utm_campaign=Issue&utm_content=domain&utm_medium=email&utm_source=The+Wild+Week+in+AI

深度强化学习方法的样本效率低下是利用该方法在现实世界中学习的主要瓶颈之一。这篇文章研究了一种有效的机器人控制方法。该技术只需在环境中随机操作机器人收集数据,就能学习轨迹跟踪技术。

代码,项目&数据

利用人工智能增强人类智能

来源:DISTILL.PUB

链接:https://distill.pub/2017/aia/

通过创建让我们使用机器学习模型的用户界面,我们可以给人们提供新的推理工具,从而增强人类智能。

Ali Rahimi在NIPS上的演讲

来源:WWW.YOUTUBE.COM

链接:https://www.youtube.com/watch?v=Qi1Yry33TQE

Ali Rahimi的讲话引起了很多人工智能研究者的注意。他呼吁更严格的机器学习研究,在演讲中他把许多当今流行的深度学习技术比喻为炼金术“炼金术”。Yann LeCun立即对他的讲话做出了回应,可以点击以下链接查看他们在Reddit上的讨论https://www.reddit.com/r/MachineLearning/comments/7hys85/n_ali_rahimis_talk_at_nipsnips_2017_testoftime/

一个对于Francois Chollet智能爆炸论的回复

来源:INTELLIGENCE.ORG

链接:https://intelligence.org/2017/12/06/chollet/

这篇文章回复了Francois Chollet之前发表的“智能爆炸的不可能性”,Francois Chollet是TensorFlow Keras包装器和Theano深度学习系统的发明者。如果你喜欢Francois Chollet的文章,这篇回复同样值得一读。

代码,项目&数据

基于JavaScript的deeplearn.js神经网络

来源:WWW.ROBINWIERUCH.DE

链接:

https://www.robinwieruch.de/neural-networks-deeplearnjs-javascript/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

这个教程介绍了如何执行JavaScript的deeplearn.js神经网络。我们的目标是找到字体和背景颜色的匹配,以提高Web的可访问性。

PyTorch 0.3.0 发布

来源:GITHUB.COM

链接:

https://github.com/pytorch/pytorch/releases/tag/v0.3.0?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

新的版本提供了性能优化,新的层和通过ONNX将模型传输到其他框架的能力,支持CUDA9 和CuDNNv7.

Unity ML-Agents v0.2发布

来源:BLOGS.UNITY3D.COM

链接:

https://blogs.unity3d.com/cn/2017/12/08/introducing-ml-agents-v0-2-curriculum-learning-new-environments-and-more/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

新版本增加了Unity SDK和Python API的新功能,添加了新的示例环境,并改进了默认的强化学习算法(PPO),同时修复了许多bug。

苹果的Turi Create框架

来源:GITHUB.COM

链接:

https://github.com/apple/turicreate?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

Turi Create简化了定制机器学习模型的发展。你不必成为一个机器学习专家,就可以在你的应用程序中添加推荐、对象检测、图像分类、图像比较或活动分类的功能。

爆款论文

使用一般的强化学习算法自我对弈掌握国际象棋和将棋

来源:ARXIV.ORG

链接:

https://arxiv.org/abs/1712.01815?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

在本文中,作者提出了一种AlphaZero的算法,可以实现在许多具有挑战性的领域从一张白板短时间内超越人类的表现。从随机对弈开始,除了游戏规则没有任何其他领域知识,AlphaZero在24小时内在国际象棋和将棋(日本象棋)上达到了超人级别的水平,并击败了人类世界冠军。

渐进式神经结构搜索

来源:ARXIV.ORG

链接:

https://arxiv.org/abs/1712.00559?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

Learning CNN结构比以前的方法更有效的:之前的算法大多使用强化学习(RL)和遗传算法(GA),而本文的作者则使用基于模型的连续优化策略(SMBO:sequential model-based optimization)。该模型ImageNet上实现了前所未有的高性能。

深度学习与Keras粉丝福利

如果你

基础稍弱但超想入手深度学习

迫切渴望模型搭建和工程实现

想体验大佬手把手指导的快乐

那就扫码领资料吧!

谷歌和微软的顶级科学家

告诉你深度学习和Keras

到底要怎么学!

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2017-12-12

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

来自专栏新智元

【史上最强机械手】无需提前了解物体,100%识别,适用多种非结构化场景

新智元编译 来源:MIT 编译:克雷格 【新智元导读】最近,由MIT和普林斯顿大学研究人员开发一款名为“拾放(pick-and-place)”的系统。“...

37611
来自专栏计算机视觉战队

人工智能在《LOL&王者荣耀》游戏中的角色

近期LOL和王者荣耀游戏已经充斥着真个朋友圈,但是谁又知道在火热的游戏进行中,又有一批批IT男在完成另一项重要的任务,那就是利用深度学习的知识去完成游戏直播的智...

1656
来自专栏目标检测和深度学习

EasyPR--中文车牌识别系统 开发详解(开源)

一个开源的中文车牌识别系统, Git地址为:https://github.com/liuruoze/EasyPR。   我给它取的名字为EasyPR,也就是Ea...

8108
来自专栏算法+

音频识别算法思考与阶段性小结

主要是 回复 给我发邮件以及QQ上询问的朋友们的一些疑问和需求,这里稍作回复一下。

3721
来自专栏星回的实验室

推荐系统初探

最近因为公司业务上的需求,开始探坑推荐系统。这个乍一听去乐趣无穷的课题,对于算法大神们来说是这样的:

1974
来自专栏目标检测和深度学习

EasyPR--中文车牌识别系统 开发详解(开源)

4671
来自专栏PPV课数据科学社区

浅谈数据处理中的相关分析

大数据的发展经历了从因果分析到相关分析的转变。宏观上来讲,如果两个事务存在某种统计学意义上的依赖性就称两者具有相关性。这里我们就简单聊聊各种相关分析的方法。 1...

3587
来自专栏AI研习社

支持Python!Facebook开源预测工具Prophet

【AI研习社】关注AI前沿、开发技巧及技术教程等方面的内容。欢迎技术开发类文章、视频教程等内容投稿,邮件发送至:zhangxian@leiphone.com ...

3915
来自专栏大数据文摘

5类系统推荐算法,告诉你用户需要什么

3557
来自专栏吉浦迅科技

(图解)人工智能的黄金年代:机器学习

Lady我在整理一些关于Deep learning方面的学习资料,看到好文章总是忍不住想跟各位分享。这次将系统地介绍深度学习的前世今生,文章很有趣,但也很长,将...

43115

扫码关注云+社区

领取腾讯云代金券