【导读】既前两天推出十三篇自动问答（Question Answering）相关文章，专知内容组今天又推出六篇自动问答相关文章，为大家进行介绍，欢迎查看! 14. Training a Ranking Function for Open-Domain Question Answering（训练排序函数对开放式问题进行回答） ---- ---- 作者：Phu Mon Htut,Samuel R. Bowman,Kyunghyun Cho 机构：New York University 摘要：In recent y

Demis Hassabis 当选英国皇家学会院士 ---- ---- 2018年5月9日，英国皇家学会公布了新增选的院士（fellow）名单。这些科学家在诸多领域做出过杰出的贡献。皇家学会会长Venki Ramakrishnan（文卡·拉马克里希南）提到：“科学是人类成就的伟大胜利，对人们世界的繁荣和健康作出了巨大的贡献。未来几十年，在解决粮食，能源，卫生，环境等时代的重大挑战方面，科学将发挥越来越重要的作用。皇家学会的新院士们已经对科学做出了很大的贡献，我非常高兴地欢迎他们进入我们的队伍。” ? 皇家

即使是非计算机行业, 大家也知道很多有名的神经网络结构, 比如CNN在处理图像上非常厉害, RNN能够建模序列数据. 然而CNN, RNN之类的神经网络结构本身, 并不能用于执行比如图像的内容和风格分离, 生成一个逼真的图片, 用少量的label信息来分类图像, 或者做数据压缩等任务. 因为上述几个任务, 都需要特殊的网络结构和训练算法 . 有没有一个网络结构, 能够把上述任务全搞定呢? 显然是有的, 那就是对抗自编码器Adversarial Autoencoder(AAE) . 在本文中, 我们尝试用极少

本周四，美国白宫举办了一场由人工智能领域的专家参与的科技峰会，在次会议上，白宫科技政策办公室副主任迈克尔·克拉希欧斯（Michael Kratsios）宣布将组建人工智能特别委员会，该委员会由各政府部门人工智能领域的领先研究者组成。 ? 该总统助理同时也是美国科学和技术政策局（Office of Science and Technology Policy，OSTP）局长，他说：“在1956年的夏天，一群美国科学家聚集在达特茅斯学院的校园中，试图寻找一种让机器来解决当时只能由人类解决的问题的方法。那时距今已有

【导读】专知内容组整理了一些最新的关于AI方面的论文、代码、教程、书籍等 1. 学会在黑暗里看见物体 CVPR 2018 Code:链接：https://github.com/cchen156/Learning-to-See-in-the-Dark Paper：链接：http://vladlen.info/publications/learning-see-dark/Video: 链接：https://www.youtube.com/watch?v=qWKUFK7MWvg ? Chen Chen, Qi

导读：本文推荐了一些对深入理解TensorFlow非常有帮助的资料。通过阅读这些资料，可以帮助你理解TensorFlow的实现机制以及一些高级技巧。本文是该系列的第二篇，后续还会持续推荐一些与TensorFlow相关的精品资料。 推荐一些有助于理解TensorFlow机制的资料（一） ? 官方API——利用Python自定义Operation 链接：https://www.tensorflow.org/api_docs/python/tf/py_func 该API使得用户可以利用Python定义Tenso

📷 英国《泰晤士报高等教育》９日公布2018年新兴经济体大学排行榜。中国大陆有６３所大学上榜，北京大学和清华大学蝉联前两名。 排行榜囊括42个新兴经济体国家和地区的378所高校。排名前十的大学中有７所来自中国大陆，除北大、清华外，排名第八的南京大学首次跻身前十，另外４所是复旦大学、中国科学技术大学、浙江大学和上海交通大学。中国台湾大学排名第十。 其他新兴经济体中，印度共有42所大学上榜，俄罗斯有27所，巴西有25所。其中，俄罗斯的莫斯科大学排名第三，南非的开普敦大学排名第九。 《泰晤士报高

【导读】专知内容组整理了最近六篇聊天机器人（Chatbot）相关文章，为大家进行介绍，欢迎查看! 1. Learning Matching Models with Weak Supervision for Response Selection in Retrieval-based Chatbots（利用弱监督信息学习匹配模型以实现基于检索的聊天机器人的响应选择） ---- ---- 作者：Yu Wu,Wei Wu,Zhoujun Li,Ming Zhou accepted by ACL 2018 as a

【导读】图像识别是深度学习取得重要成功的领域，特别是卷积神经网络在图像识别和图像分类中取得了超过人类的好成绩。本文详细介绍了卷积神经网络（CNN）的基本结构，对卷积神经网络中的重要部分进行详细讲解，如卷积、非线性函数ReLU、Max-Pooling、全连接等。另外，本文通过对 CIFAR-10 的10类图像分类来加深读者对CNN的理解和Pytorch的使用，列举了如何使用Pytorch收集和加载数据集、设计神经网络、进行网络训练、调参和准确度量。总的来讲，这篇文章偏重概念理解和动手实现，相信对您的入门会有帮

【导读】这几年人工智能的发展趋势迅猛，不仅在科学研究领域成为热门研究方向，而且涌现大量的AI创业公司。有人说2018年是人工智能落地元年，那么人工智能与商业营销究竟有哪些成功的结合呢？本文介绍了人工智能在商业营销中的十个应用，包括推荐系统、聊天机器人、决策支持、内容营销、优化网站加载、营销预测、定制网站、语音搜索、图像识别系统等。这些应用无一不蕴含巨大的商业价值，可见人工智能俨然已成为商业营销的重要竞争力。 作者 | Varun Arya 编译 | 专知 参与 | Sanglei, Shengsheng ?

“机器一思考，世界大不同。人工智能就是把人的经验、知识交给机器，让机器像人一样思考，为人类打工。不同的是，机器运算速度远非人类可比。”昨天，南京大学计算机系主任、人工智能学院院长周志华教授做客梁溪大讲堂，以“人工智能发展现状与未来展望”为题，从62年前“人工智能”诞生日达特茅斯会议说起，解析了人工智能的前世、今生与未来。 　　周志华现年45岁，29岁时获国家杰出青年科学基金，是人工智能国际学术舞台上的“牛人”。“人工智能到底好不好，回答是肯定的，未来产业的竞争就是人工智能的竞争。”周志华举例说，就拿当下时髦

【导读】这个项目提供了大量的中文预训练词向量。包含多种representations(包括dense和sparse)、多种词粒度(word、ngram、char等)，多种窗口大小，多种语料(百度百科、人民日报等)训练出的Word Embedding。总有一款适合你。此外，该项目还提供了一个中文类比推理数据集CA8以及一个能够评估词向量质量的工具。 编译 | 专知 参与 | Yukun, Huaiwen Chinese Word Vectors 中文词向量 WordEmbedding格式 ---- ----

【导读】ICML 2018昨天公布了会议接受论文，各家组织机构和研究大牛们在Twitter上纷纷报喜，放出接受论文，恭喜！有Google Brain、DeepMind、Facebook、微软和各大高校等。专知整理了Twitter上的关注度比较热的一些论文，供大家了解，最新关于机器学习的一些热门研究方向！ ? Differentiable Dynamic Programming for Structured Prediction and Attention ? 最热的就是这篇Arthur Mensch‏，

梯度下降依赖于试验和错误来优化算法，目标是在三维景观中使其最小化。 图片来源：ALEXANDER AMINI/SCIENCE 加州旧金山谷歌人工智能（AI）研究人员Ali Rahimi去年12月对其所在研究领域进行了一次猛烈的抨击，并获得了40秒的掌声。在一次AI会议上，Rahimi指责机器学习算法，即计算机通过反复试验和纠错来学习已经成为某种形式的“炼金术”。他说，研究人员并不知道为什么有些算法会起作用而另一些则不会，他们在选择一个AI架构而非另一个时也没有严格的标准。在近日于加拿大温哥华举行的关于学习陈

对于大多数公司来说，数字转型正日益成为“什么时候，而不是是否需要”的问题。MuleSoft调查了全球650家IT决策者。研究显示，四分之三的公司目前正在进行数字化转型计划，80%的公司表示，如果他们不完成这些计划，他们的公司将在未来12个月内失去收入。 MuleSoft调查了650位IT领导者，为您带来2018年的顶级数字化转型趋势和挑战。看看他们说什么。 ? 1. 贵公司目前正在推行数字转型计划吗? ? 2. 你为实现组织的业务目标，而制定的最重要的计划是什么？ ? 3. 以下哪三项是最大的数字转型挑战

【导读】专知内容组整理了最近八篇生成对抗网络（Generative Adversarial Networks ）相关文章，为大家进行介绍，欢迎查看! 1.Improving GAN Training via Binarized Representation Entropy (BRE) Regularization（通过二值化表示熵(BRE)正则改进GAN训练） ---- ---- 作者：Yanshuai Cao,Gavin Weiguang Ding,Kry Yik-Chau Lui,Ruitong Hua

【导读】这篇发表在自然语言处理领域顶级会议的NAACL的文章，提出了一种新的端到端神经网络架构，用于对候选回答进行排序。该文章提出的模型，文本分别按照词和块的级别进行编码，有效地捕捉了整句话的含义。在此基础之上，增加了话题聚类模块，从回答中提取语义信息，将回答进行分组，进一步提升了排序的性能。 【NAACL 2018 论文】 Learning to Rank Question-Answer Pairs using Hierarchical Recurrent Encoder with Latent Topi

【导读】既昨天推出六篇知识图谱（Knowledge Graph）文章，专知内容组今天又推出最近六篇知识图谱相关文章，为大家进行介绍，欢迎查看! 1. Zero-shot Recognition via Semantic Embeddings and Knowledge Graphs（基于语义嵌入和知识图谱零次识别） ---- ---- 作者：Xiaolong Wang,Yufei Ye,Abhinav Gupta 机构：Carnegie Mellon University 摘要：We consider th

2018 年 4 月 23 日至 27 日，第 27 届国际万维网会议(26th International World Wide Web Conference) 在法国里昂举行。斯坦福大学SNAP组在WWW2018 上举办Tutorial介绍了网络表示学习的最近进展。专知小组整理分享给大家。 WWW2018会议日常可以参见专知以前报道： 国际万维网会议WWW 2018论文列表以及会议日程，一睹为快 ? Tutorial ---- ---- 随着社交媒体的飞速发展，大规模社交网络用户的形成使得传统的网络表

【导读】今天大家比较关心的是PyTorch在GitHub发布0.4.0版本，专知成员Huaiwen详细讲解了PyTorch新版本的变动信息， 本次升级, 只做了一件事情, 就是把Tensor 类和 Variable 类 合并了, 且官方同时更新了API和Tutorials, 可以肯定, 以后的人不会再学0.3.1。专知成员Huaiwen也计划于今日更新一个系列的新版PyTorch简单上手, 希望大家持续关注。 专知成员Huaiwen以前推出一系列PyTorch教程： 【教程】专知-PyTorch手把手深度学