2021亚马逊科学十大技术博文盘点

2021年度某机构科学博客十大技术文章

从改进可解释AI的解释能力，到利用历史GPS数据预测投递位置坐标的问题，某机构的科学家们在2021年应对了各种独特的技术挑战。

作者：编辑部

2021年12月29日

阅读时长：3分钟

使用加密数据构建机器学习模型

在加密计算与应用同态密码学研讨会上，某机构研究人员发表了一篇论文，探索将同态加密应用于逻辑回归——一种用于从基因组学到税务合规等众多机器学习应用的统计模型。了解这种新的同态加密方法如何将加密机器学习模型的训练速度提升六倍。

改进可解释AI的解释能力

Mohammad Taha Bahadori 和 David Heckerman 在国际学习表示会议上发表论文，他们“将一种用于消除因果模型中混杂变量的技术——称为工具变量分析——适配到基于概念的解释问题中”。进一步了解因果分析如何同时提高分类准确性和主流基于概念的解释模型所识别概念的相关性。

Alexa 进入“自我”时代

Alexa AI 自然理解副总裁 Prem Natarajan 写道：“我们已经开始引入的一些技术，连同我们正在研究的其他技术，预示着 Alexa 发展乃至AI领域本身的一次重大变革。”阅读他的文章，了解为何更多自主的机器学习系统将使 Alexa 更加自我感知、自我学习和自助服务。

层次时序预测的新方法提升准确性

研究人员的方法通过投影来强制实现层次时序数据不同层级之间的一致性（即各层级数值为下一层级数值之和）。在国际机器学习大会上发表的论文中，某机构科学家“描述了一种新的层次时序预测方法，使用单个端到端训练的机器学习模型，同时预测层次结构每个层级的输出并对它们进行协调”。

确定相关时间序列中的因果关系

研究人员的新方法构建了一个条件集（必须控制的变量集），使得能够在因果图中测试条件依赖性和独立性。在国际机器学习大会上发表的论文中，某机构研究人员“描述了一种新技术，在给定某些图约束条件下，能够检测目标时间序列的所有直接因果特征——并且仅检测直接或间接因果特征”。了解所提出的方法如何超越格兰杰因果关系，并“将检测到的原因的假阳性率降至接近零”。

如何高效训练大型图神经网络

通过将图节点的数据缓存在GPU内存中，全局邻居采样极大地减少了训练大型图神经网络期间从CPU传输到GPU的数据量。在KDD会议上发表的论文中，某机构科学家“描述了一种新的采样策略，用于结合CPU和GPU训练图神经网络模型”。了解他们的方法如何实现比最佳前代方法快2到14倍的加速。

如何使设备端语音识别实用化

某机构科学家在今年的Interspeech会议上发表了两篇论文，介绍了使Alexa在边缘端运行实用化的一些创新。了解分支编码器网络如何提高运行效率，而“神经差异”技术则降低了模型更新的带宽需求。

使用学习排序精确定位包裹投递位置

在某机构Last Mile组织的一位首席应用科学家发表的论文中，他将“一个来自信息检索领域的想法——学习排序——适配到根据历史GPS数据预测投递位置坐标的问题”。进一步了解从信息检索领域改编而来的模型如何处理噪声GPS输入并能够利用地图信息。

3问：使硅空位中心实用化以构建量子网络

在研究人员的设计中，如果光子到达探测器，它传递了关于一个硅空位量子比特量子态的信息，尽管它只与另一个量子比特发生了交互。某机构量子计算中心的研究人员与哈佛大学、汉堡大学等机构的同事合作，展示了一种有望克服硅空位中心频率不稳定这一严重缺陷的技术。该论文的第一作者回答了关于该研究的三个问题。

某机构团队因自动化推理工作获最佳论文奖

在ACM操作系统原理研讨会上，某机构的研究人员因其使用自动化推理验证ShardStore（某机构新的S3存储节点微服务）将按预期工作的工作而获得最佳论文奖。进一步了解用于验证新S3数据存储服务的轻量级形式化方法。FINISHED