AI大事件 | 谷歌云把英伟达Tesla GPU的价格降低了36%，苹果发布无人驾驶汽车的最新研究成果

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

苹果发布无人驾驶汽车的最新研究成果

来源：WWW.THEVERGE.COM

链接：http://rev.vu/WbE9d?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

苹果最新的学术论文《VoxelNet》，于11月17日发表于arXiv（论文预收录网站），内容为如何从分片的测绘数据中获得更多的信息来识别自行车、行人和街道标志。

亚马逊启动“机器学习解决方案实验室”

来源： AWS.AMAZON.COM

链接：http://rev.vu/2X135?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

这个新项目旨在让亚马逊的机器学习专家为其云计算平台客户发掘机器学习在业务中的应用，并且指导客户开发新的机器学习应用场景、产品和流程。

自然杂志发布新一期的“机器智能”报导

来源：WWW.NATURE.COM

链接：http://rev.vu/85PeG?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

预计到2019年1月，自然杂志的“机器智能”将会成为仅在线发布的关于日新月异的人工智能、机器学习和机器人的期刊。

谷歌云：更低的GPU（图形处理器）和本地SSD（固态存储）价格

来源：CLOUDPLATFORM.GOOGLEBLOG.COM

链接：http://rev.vu/ZG1Nl?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

谷歌云把应用于谷歌计算引擎虚拟机的英伟达Tesla GPU的价格降低了36%。在美国区域，现在虚拟机的每一个K80 GPU价格在0.45美元每小时，每个P100 GPU价格在1.46美元每小时。

三星成立人工智能中心

来源：VENTUREBEAT.COM

链接：http://rev.vu/x8DOo?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

三星电子周三表示将会成立一个人工智能研究中心，协助其三大业务集团寻找新的业务领域。

文章&教程

机器学习的可表达性、可训练性和泛化能力

来源：BLOG.EVJANG.COM

链接：http://rev.vu/Ae0M3?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

机器学习论文的贡献可以粗略的分为以下三大类1、提升可表达性 2、提升可训练性 3、提升泛化性。但是在监督、无监督和强化学习方面，有多大提升呢？

使用WaveNet合成高保真声音

来源：DEEPMIND.COM

链接：http://rev.vu/D7k9k?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

DeepMind（开发Alpha go的公司）最新的WaveNet 模型用来为全球谷歌个人助理生成日语和英语的真人音效。这个模型又叫并行Wavenet比最初版本快100倍并且能够合成更高质量的音频。点击这里阅读论文。

AI工具通过分析每一个笔画来鉴别赝品

来源：WWW.TECHNOLOGYREVIEW.COM

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

鉴别艺术品往往比较困难且花费不菲。罗格斯大学团队的这篇论文里介绍基于循环神经网络的系统能够把艺术品分解成一条条的笔画或者线条来找出背后的艺术家。

胶囊网络：教程（视频）

来源： WWW.YOUTUBE.COM

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

想知道Hinton（神经网络之父）最新的神经网络架构——“胶囊网络”吗？这个视频里有非常详细的介绍。建议先阅读论文再看视频。

进化稳定策略

来源：BLOG.OTORO.NET

链接：http://blog.otoro.net/2017/11/12/evolving-stable-strategies/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

这篇文章将带你了解如何将进化策略应用于强化学习问题，以及如何找到稳定的策略。实验代码可以在GitHub上找到。

代码，项目&数据

超过100万条赞成废除网络中立性的评论很可能是伪造的

来源：HACKERNOON.COM

链接：http://rev.vu/y82D1?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

这是一篇使用NLP（自然语言处理）技术分析提交给FCC（美国联邦通信委员会）关于网络中立性评论的文章。分析的结果挺让人不安：一个赞成废除的组织使用群发邮件伪装了130万条评论，让他们看起来是来自真实民众的声音。

使用Wavenet, MFCCs, UMAP, t-SNE and PCA做音频分析

来源：MEDIUM.COM

链接：http://rev.vu/kxm4x?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

该项目探索一段二维音频数据。介绍如何用Python使用Librosa和TensorFlow实现如NSynth, UMAP, t-SNE, MFCCs and PCA等算法。内容包括从可视化到在二维图中交互式探索音频数据。

包含1.1万只手的数据集

来源：SITES.GOOGLE.COM

链接：http://rev.vu/w85nX?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

数据集涵盖了来自190个18 - 75岁之间的实验对象的11076幅手部图像（1600 x 1200像素）。按照要求，每个实验对象都要张开或是握紧左右手的手指，与每个图像相关的元数据包括：（1）实验对象ID、（2）性别、（3）年龄、（4）肤色、以及（5）有关所捕捉到的手的一组信息，如右手或左手、手的部位（手背或手掌）以及逻辑指示，即指示手部图像是否包含配饰、指甲油或不一样的地方。

开放图像数据集更新：发布V3版本

来源：GITHUB.COM

链接：http://rev.vu/X4j9m?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

该数据集目前包括3.7M的轮廓数据和9.7M的训练集正向图片标签。所有的图片都可以从通用可视数据基地下载。

进化策略工具

来源：GITHUB.COM

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

本文介绍了不同的进化策略的实现，如GA、PEPG，CMA-ES和OpenAI的ES并且使用了一个通用接口。

爆款论文

VoxelNet：基于点云的三维对象探测的端到端学习

来源：ARXIV.ORG

链接：http://rev.vu/BJKv5?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

VoxelNet是一个通用检测网络集成了特征提取和轮廓预测的端到端可训练深度网络。具体地说VoxelNet将点云划分为等间距的三维像素，并通过新引入的VFE（三维像素特征编码）层将每个三维像素内的一组点转换为统一的特征表示。VoxelNet大大超越了目前最先进的基于LiDAR的3D检测方法。

非本地神经网络

来源：ARXIV.ORG

链接：http://rev.vu/NXW88?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

卷积和递归操作都是一次处理一个本地邻域的构建块。这篇论文里，作者提出了非本地操作为构建块捕获远程依赖的通用族。

这个构建块可以被放在很多计算机视觉架构里。

从真实世界的演示中进行深度增强学习

来源：ARXIV.ORG

链接：http://rev.vu/2X1y3?utm_campaign=Issue&utm_content=share&utm_medium=email&utm_source=The+Wild+Week+in+AI

典型的深度增强学习算法需要大量的数据训练才能达到靠谱的效果。这篇论文里作者研究了一种agent（智能体）可以从系统之前的控制中获取数据的设置方法。提出了一种名叫“学习演示的深度学习（DQfD：Deep Q-learning from Demonstrations）”算法，该算法可以利用这种数据来实现学习过程的大幅提速，即使只有相对较少的演示数据也可以。DQfD 在 42 种比赛中的14 种都有突出表现。而且，DQfD借助人类演示获得了11场比赛的最好成绩。